1、 2023年3月30日当医药遇上ChatGPT 行业专题报告 行业评级：看好分析师孙建邮箱电话证书编号S06证券研究报告添加标题95%摘要摘要 21、ChatGPT与人脑学习路径比较l ChatGPT：自然语言处理技术（NLP），注重文字性、数据性输入输出；l 医药从业：医学本科研究生的训练类似文字/数据性输入输出，规培/博后、专科专家阶段是真实环境下的经验、病例输入输出为主。l 可能替代内容性重复脑力劳动，短期内无法替代高要求、高限定场景下的工作需求。l 港交所：18C助力特专科技公司上市2、ChatGPT对医疗行业的影响l ChatGPT助力医疗

2、平衡高效率与高质量；l ChatGPT应用于服务性、重复性强的标准化环节（诊前分诊导诊，诊中辅助决策、健康管理及诊后随访及数据归档等）；l 应用ChatGPT时，将在医学诊断、护理操作和人文关怀方面面临巨大挑战。3、ChatGPT对医药行业的影响l ChatGPT的强数据分析+生成式AI技术有望加速拓展药物研发新边界（高效率和创新度）；l ChatGPT应用于对管理分析持续海量数据流和服务性有较高要求环节（药物发现、临床前/临床试验、销售定价、生产工艺等）；l 应用ChatGPT时，将在数据质量、训练成本和隐私安全方面面临巨大挑战。4、投资建议l 医疗板块中，NGS、影像、病理诊断、机器人、信

3、息化；医药板块中，医药CXO、药物发现平台。QVgUiXVYjXjWnOtQpNbRaO9PmOrRpNoNfQrRqMiNqQpMaQrRzQMYqRsQvPoNnP风险提示风险提示31、ChatGPT迭代进展不及预期2、下游应用场景的用户认知和需求不及预期3、审评审批流程进展不及预期目录C O N T E N T S行业：与人脑学习比较港股18C助力010203医疗：提升服务效率医药：创新研发模式404风险提示05投资建议与人脑学习的比较港股18C助力01Partone底层逻辑和知识习得方式学习效果的优劣势资本市场助力：港股18C5ChatGPT与医疗从业人员的学习路径比较与医疗从业人员的

4、学习路径比较016学习路径中不同的底层逻辑和知识习得方式ChatGPT自然语言处理技术（NLP)医疗从业人员（人脑）调动感官积累专科知识和经验资料来源：知乎，arXiv,浙商证券研究所从互联网抓取医疗相关数据（80%为问答类），由人工标注高质量答案后输入模型进行训练 微调GPT3.5模型由专家级别的人工进行提问并对ChatGPT提供的不同答案进行打分、排序 训练奖励模型将打分的结果重新输入的模型，不断调整模型参数，完成自我进化 基于人类反馈的强化学习模型本科阶段全科医学基础理论知识、实验、轮科实习研究生阶段专科领域学习执业医师资格证考取论文、实验规培/博后阶段住院医师规范化培训重大课题及复杂实

5、验专科专家临床医生、科研人才耗时8-11年耗时2-5年10年以上经验文字性、数据性等理论输入输出为主真实环境下的经验、病例输入输出为主ChatGPT与医疗从业人员的学习效果比较与医疗从业人员的学习效果比较017ChatGPT的强大数据处理和文本生成能力在短期内仍然无法代替高要求、高限定场景下的工作需求ChatGPT医疗从业人员（人脑）资料来源：维基百科，CNKI，浙商证券研究所优势劣势u 依赖于深度学习，训练大量数据的算力成本极高 （每日高达460万美元）u 仅接受语义训练，无法区分虚拟和现实，产生符合逻辑但不符合常理的错误答案误导非专业人士u 学习资源多为离线语料库，难以获取实时更新的数据进

6、行迭代（接入在线信息，正在迭代更新）u 经过学习、培训后在某一专科领域造诣较深u 学习过程中经验与理论结合，能根据现实情况举一反三进行复杂判断u 可同时掌握多领域大量的知识并永久储存u 检索信息并准确进行匹配或者分类的效率高u 相比传统AI具有生成式的特点，可根据已知创作新内容u 培养及学习时间耗时长达10余年u 精力有限，只能专注于一个领域，且掌握的知识层级越深，范围越窄资料检索、信息匹配等重复性脑力劳动人文关怀、疑难杂症诊断等复杂脑力劳动港交所：港交所：18C助力特专科技公司上市助力特专科技公司上市8时间机构文件信息2022年10月19日港交所特专科积极公司上市制度咨询文件就特专科技公司联

7、交所主板上市公开征求市场意见，涉及新一代信息技术、先进硬件、先进材料、新能源及节能环保、新食品及农业技术工5大领域特专科技公司。2022年12月16日中国医药创新促进会关于特专科技公司上市制度的建议对行业分类、市值要求、研发投入、领航资深独立投资者等方面提出建议2023年3月24日港交所发布特专科技公司上市制度咨询总结2023年3月24日港交所有关特专科技公司上市制度的咨询文件潜在上市申请人11家，公开名称包括：晶泰科技（应用人工智能、量子物理和机器人自动化为全球公司赋能的全球制药平台）、美时医疗（高端医疗诊断设备）、云砺信息（供应链信息）2023年3月31日港交所将在主板上市规则中新增18C

8、章节资料来源：港交所，浙商证券研究所ChatGPT对医疗行业的影响02Partone医疗服务全流程及痛点ChatGPT医疗应用展望9医疗服务流程及痛点医疗服务流程及痛点0210诊前阶段各环节潜在痛点诊后阶段医疗服务关键：如何找到高质量与高效率的最佳平衡预约诊疗科室和医生挂号等待就诊医生问诊开具处方及检查单缴费后拿药或进行医学检查资料来源：公开资料，21世纪经济报道，CNKI，浙商证券研究所根据检验结果及医生建议入院治疗或回家休养康复离院后患者情况跟踪完善病例数据库用于科研工作ChatGPT的定位：“医疗从业人员的好帮手”高效率：ChatGPT胜任【诊前】基础性咨询、【诊中】辅助医生诊断和生成定

9、制化健康管理计划、【诊后】整理病患资料等工作；高质量：医护人员将专注于提升个人素质、业务能力、研究水平；同时重视人文关怀和医患关系处理。导诊服务不完善使患者来回奔波 科室、办事处分布位置不清晰 挂号、缴费、取药、检查等流程不了解分诊环节存在信息不对称 患者无法准确识别擅长特定病症的专科医生 医生问诊前无法得知病人的基础信息及主诉医生精力有限，无法及时且仔细处理所有面诊/问诊需求 轻症医治、处方需求花费大量等待时间 互联网咨询问诊中医生回复动力较低、问诊处理不及时问诊过程的不规范可能导致误诊 医生依赖经验、忽略检验结果及数据 医生本身对于复杂疾病的认知不足 病患无法清晰表述、故意隐瞒病史慢病及术

10、后患者的健康管理落实不到位 无法量化检验健康宣教的效果 为病人定制专属养生食谱和康复计划需耗费大量时间精力医生每日花费大量时间进行住院查房人文关怀及医患关系处理 重症患者病情告知、情绪安抚 手术前谈话、风险告知、出院医嘱耗时耗力的大量病历录入、整理、归类及数据分析统计 专业术语、缩写、笔记无法识别 根据需求准确调用匹配相关数据随访及患者意见反馈渠道不完善相关信息统计的资料散乱诊中阶段ChatGPT在诊前阶段的作用在诊前阶段的作用分诊分诊0211诊后阶段重复性、标准化、海量数据匹配、快速响应能力资料来源：CNKI，百度图片，平安好医生，深圳市人民医院，浙商证券研究所11.90%9%79.10%4

11、8.10%10.90%2.60%1.30%96.10%86.80%1.60%0%20%40%60%80%100%漏诊率误诊率分诊准确率非常满意率不满意率普通分诊组质量分诊组高质量的分诊能有效减少误诊漏诊率和改善患者就医体验现状：互联网医院：现有AI分诊服务针对性差，主要由患者根据在线医生评分及资料介绍自行选择；线下医院：按片区（内科、外科等）设立分诊台，细粒度不足且服务质量难以保证；痛点：两种模式下，医生均无法提前获知患者诉求及关键信息。ChatGPT改变：强大且快速的资料检索与匹配能力可取代线下医院的分诊台，为互联网医院接入具有针对性的线上分诊服务；患者就诊前，医生已经完成患者病情初步认知。

12、平安好医生名医推荐界面线下医院分诊台ChatGPT在诊前阶段的作用在诊前阶段的作用导诊导诊0212资料来源：百度图片，大庆中医骨伤病医院，CNKI，浙商证券研究所线下医院导诊台引入智能导诊能有效减少患者就医所耗费的时间33.2762.8719.4542.75诊前平均等待时间平均在院时间实施前导诊实施后导诊84.86%35.51%0.41%95.31%67.76%0.00%0%20%40%60%80%100%患者再次就医就医率非常满意率不满意率现状多数线下医院不设置专门导诊台：仅靠楼层指示图、就诊流程图等给病人提供指引；部分医院导诊台与分诊台合二为一：肩负双重功能，既加剧工

13、作人员负担，也无法保证解答疑问的细致程度；部分医院设置导诊服务但值班人手少：难以应付开诊期间庞大的咨询需求，如遇特定需求也无法离开导诊台提供进一步指引。ChatGPT改变：智能化导诊：ChatGPT的快速资料检索和匹配能力、强大的多回合语言交互能力可与手机APP、线下医院导诊用电子屏结合，针对性更强、更详细的解答每位患者就医流程中遇到的问题，而无需来回奔波至导诊台排队咨询。多回合交互的服务、海量数据匹配、针对性、快速响应能力单位：分钟ChatGPT在诊中阶段的作用在诊中阶段的作用辅助问诊（决策、诊断）辅助问诊（决策、诊断）0213标准化、重复性、知识覆盖范围广、快速学习能力强、短时间内复杂数据

14、分析、生成式提供全面解决方案资料来源：Plos Digital Health，Nature Reviews Cancer，浙商证券研究所AI技术（深度学习、基于预定义工程特征的算法）在医学影像中的应用未经任何专业训练ChatGPT在美国医学执业考试中成绩接近通过（正确率接近60%）现状线下优质医疗资源紧张：面诊最长等待周期超过一个月；互联网医院医生线上查看及回复的积极性低，轻症患者的紧急处方需求无法满足；面诊中存在问题：医生过于依赖经验、因时间压力错漏识别医学检验或影像结果中的细微数据、患者无法准确自述症状及病史而导致的误诊。ChatGPT改变结合互联网医疗咨询模式和医院非公开数据库大数据，帮

15、助在院医生分担诸如疑似危重症筛选、轻症患者处方需求及医学检验结果初步诊断等工作。依靠海量数据的训练，可提示危重病风险、用药及治疗方案等相关建议，在三甲医院，有望由医生根据经验做出决策，实现“AI+专家”双重把关，提高诊断效率及准确率。在基层、乡镇诊所，或可提高全科医生诊断能力。75.0%61.5%68.8%45.4%54.1%61.5%0%20%40%60%80%阶段1阶段2CK阶段3包含不确定答案的准确率准确率开放式问题55.80%64.50%59.10%52.40%61.30%65.20%36.10%41.20%56.90%49.50%55.70%59.80%0%20%40%60%80%无

16、判断 强制判断 无判断 强制判断 无判断 强制判断阶段1阶段2CK阶段3强制或不强制提供判断理由的单选题 及格域AI影像：提升识别准确度，实现辅助诊断影像：提升识别准确度，实现辅助诊断021.AI辅助诊断，解决下沉式医疗资源不足问题。如ECG、医疗影像等方向，对医生的经验要求较高，医生学习周期较长，下沉式医院有经验的医生短缺，导致医疗资源紧张，AI辅助诊断有望在医生诊断前预先进行分析诊断，节约患者与医生时间，缓解资源紧张。2.AI辅助精准诊疗。大数据学习可以识别影像中微小的数据差异，达到人眼难以做到的精准，减轻医生压力的同时实现精准、稳定的诊断结果。资料来源：医准智能官网，浙商证券研究所图：A

17、I图像识别产品举例手术机器人：提升手术精准度，缩短医生学习周期手术机器人：提升手术精准度，缩短医生学习周期02AI辅助精准度提升，缩短医生学习周期。机器人为实现精准定位，往往需要图像识别分析与精准手术规划，辅助医生进行手术指引与辅助手术，缩短医生学习周期，降低医生手术难度。图：天智航手术机器人工作路径数据来源：天智航招股书，浙商证券研究所NGS诊断：诊断：AI有望助推精准度提升与成本降低有望助推精准度提升与成本降低021.AI赋能有望提升诊断效率，带来成本进一步下降。成本过高一直是限制基因测序应用场景打开的重要因素之一，GPU的革新、技术的提升有望降低单G的数据分析时间，降低人员操作需求，降低

18、单G分析成本，有望带来下游应用场景的打开。2.AI赋能有望提升分析准确率，进一步带来应用场景打开。基因诊断分析过程涉及图像识别，光学信号处理等多板块综合技术壁垒，AI有望进一步提升其分析准确度，提升市场认知度，从而助推下游应用场景打开。资料来源：华大智造官网，浙商证券研究所图：高通量基因测序原理与所需技术资料来源：诺禾致源招股书&年报，wind，浙商证券研究所图：诺禾致源自动化带来人工成本降低ChatGPT在诊中阶段的作用在诊中阶段的作用辅助查房及健康管理辅助查房及健康管理0217流程化、重复性、生成式定制化问答、数据分析、信息更新资料来源：百度图片，徐州医科大学附属医院，中新网，公开资料，浙

19、商证券研究所责任护士需根据每位病人不同情况单独进行健康宣教主治医生每日查房时长在2小时左右现状患者病情进展了解不及时：主治医生查房，过半时间是在进行患者病历病情、医学检验结果汇报解读和常规身体状况问询；术后康复教育效果差：责任护士需根据病人病情、身体状况和既往病史进行饮食和运动计划，用药注意事项、并发症预防等内容一对一的健康宣教，时间成本高；健康宣教的效果以及患者配合程度等反馈难以量化，目前主要通过患者满意度调查问卷抽查等主观方式进行衡量；病人体征指标监控不及时：住院病人基础身体数据如体温、血压的监测需要护士手动测量记录并向医生汇报，病情和病例发生变化也需要手动更新；ChatGPT改变病情跟踪

20、：结合语音识别技术和实时监测身体数据的可穿戴设备，辅助完成部分查房问询和基础的健康宣教工作，减轻医护人员压力，避免其在重复性工作中易产生的倦怠心理。实时监测：对病人各项数据持续监测分析，便于快速高效掌握患者情况，针对性的提示各阶段的健康管理计划、风险预警等内容并呈现量化反馈。三级医生查房流程准备患者病历、影像结果等资料主治医生汇报患者病史、检验结果、诊治等内容；主任医生听取汇报，查阅报告、病例主任医生向患者及家属交代病情，进一步诊疗方案主任医生问询患者并查体，确认身体状况返回办公室进行病例讲解、分析、归纳、讨论ChatGPT在诊后阶段的作用在诊后阶段的作用重要资料归档及数据分析重要资料归档及数

21、据分析0218流程化、标准化、重复性、高精度、语义理解和对话能力、学习及迭代能力资料来源：中国卫生质量管理，艾瑞咨询，麻州公共卫生部，浙商证券研究所接近50%三级公立医院随访工作未覆盖全科利用数据仪表盘展示病例数据统计结果并生成洞察现状随访覆盖不全面：倾向于重点关注临床观察实验、疑难杂症、重大术后患者身上，对于其他慢病患者则缺乏动力（内科病人中常见）；意见反馈渠道不畅：转接人工难度大，多数医院使用AI客服前置接待，但智能化程度低，机械重复的回应极大降低了投诉效率；病历总结归档繁琐易错：患者出院前出院摘要撰写，出院后病历资料录入、归档及分析耗费时间精力，容易精力不集中出现数据录入错误。ChatG

22、PT改变医疗随访秘书：帮助医护人员高质高效地完成随访、投诉处理等服务性工作和医疗文书撰写、资料录入等行政性工作，病例数据统计分析：能够根据反馈和输入的信息进行学习、分析、归类，根据实际情况向医护人员生成数据洞察、重要指标统计结果的仪表盘，为接下来医护工作及改善指明方向。院级随访中心42.87%科级随访中心53.59%外包机构负责随访1.79%无随访1.75%68.40%36.10%32.90%26.30%17.90%9.20%3.70%0%20%40%60%80%电话随访医院系统随访互联网APP随访社交应用随访短信随访上门随访邮件随访中国医生的常用随访方式不利于后期数据收集统计分析X 完全取代

23、医生进行诊断p 未经过医学训练的ChatGPT，在专业性、诊断准确性较低；p ChatGPT仅可学习已知的理论知识但无法积累临床经验，对超越教科书范围的未知复杂病情描述无能为力；p 无法追责全面应用ChatGPT后而产生的误诊等医疗事故。ChatGPT在医疗行业的全面应用仍面临较大挑战在医疗行业的全面应用仍面临较大挑战0219ChatGPT在医学专业性、诊断准确性方面欠缺甚多，且永远无法完成涉及伦理情感和经验操作的领域资料来源：CNKI，浙商证券研究所X 人工护理工作p目前ChatGPT仅支持语言交互，其底层NLP的训练逻辑无法进行实际操作的学习；p人类在护理操作中的细致程度（如对于情感信号的

24、识别）高于AI；X 人文关怀及医患关系处理pChatGPT的本质是模型与数据，并不具备人类情感医学伦理，无法共情；pChatGPT知识习得仅从海量数据中来，没有对于真实与虚拟世界的辨别能力，生成答案的唯一标准是符合逻辑推断，并不将情理作为考虑因素。ChatGPT对医药行业的影响03Partone药品研发全流程及痛点ChatGPT在各环节应用20药品研发至上市销售全流程及痛点药品研发至上市销售全流程及痛点0321时间长、耗资大、监管严格、回报率低是目前医药研发企业的共同痛点资料来源：公开资料，亿欧智库，头豹研究院，CNKI，浙商证券研究所药物发现药品开发临床实验临床前研究审批与上市生产与销售寻找

25、疾病机制和靶点确定先导化合物构效关系的研究与活性化学物筛选确定候选药物杂质研究临床III期实验向NMPA提交注册申请临床II期实验临床I期实验市场调研IND 药代动力学 安全性药理 毒理研究体外实验动物实验化学制造与控制药物制剂研究 临床药理及安全性评价 药物治疗有效性 安全性、有效性、剂量上市销售批量生产上市后监测（IV期临床实验）直接销售/间接销售 To B/To CChatGPT的定位：“数据分析+生成式AI”赋能，加速拓展药物研发新边界 高效率：高速的数据处理与匹配，预测药物和靶点之间的相互作用，快速筛选候选化合物并进行预测评估，减少医药代表和客户之间的信息差；创造力：生成式算法可突破

26、人类构想和测算极限，催生更具多样性的化合物，设计更合理的实验方案，助力医药发展从仿制为主向创新为重。各环节潜在痛点n 招募条件合适的实验对象需花费大量时间n 实验数据收集困难，需要手动搜集、分析n 疾病机制了解少，旧靶点扎堆n 创新能力弱，仿制药为主，新适应症拓展少n 医药代表对客户信息了解少，推销效率低n 药品定价影响因素多且复杂n 周期长，效益低，研发人员流动性高n 存在数据孤岛现象，不同领域专业知识难以整合n ADMET性质预测准确率低，动物实验结果难以直接用于人体，导致临床实验成功率低n 监管严格，审批周期长n 企业对于相关政策的了解不够细致全面耽误审批进度创新药和仿制药的研发时间和成

27、本对比ChatGPT在药物发现环节的应用在药物发现环节的应用0322海量知识快速学习能力、大量信息匹配、生成能力、强算力资料来源：公开资料，观研报告网，中国医药工业信息中心，Nature Reviews，中债资信，浙商证券研究所我国的创新药发展情况与美国等发展国家相比差距较大u 背景：人脑学习能力有限，业界现有知识对新疾病发病机制知之甚少，难以识别和发现新靶点和生物标志物；蛋白质等大分子化合物的探索空间广阔，确定候选药品需对现有结构的预测、筛选、设计，凭借人类现有的计算能力需花费大量时间。u 未来趋势：ChatGPT有望在新靶点识别、大分子药物的结构预测与筛选中大放异彩。通过论文、专利和临床试

28、验等大量数据训练，其搜索深度和广度 将远超专家经验，其强数据挖掘和分析能力可加速新靶点和先导化合物的确定，生成式技术可帮助科研人员针对特点蛋白快速设计新分子。7%10%11%75%77%79%0%20%40%60%80%100%201620192021中国美国中美创新药销售收入占药物总销售收入比重907544400600800820022创新药仿制药近5年通过审批的国产创新药和仿制药数量对比仿制药创新药处方工艺质量研究化合物筛选和优化临床前实验临床实验上市审批产品调研前期准备选中靶点药理毒理研究申报材料现场

29、核查临床研究1年0.24亿3-4年1.95亿1年0.62亿5-7年5.48亿1-2年0.44亿1个月1年2个月平均研发时长2-3年，成本为创新药的1/20平均研发时长13.5年，研发投入为8.73亿美元-PDD，基于表型TDD，基于靶点高通量筛选技术偶然发现（患者样本/细胞模型）作用靶点和机理未知，难以进行药物开发和优化一次只能探索一个靶点，无法探索结构未知的靶点AIDD FBDD SBDD DEL 训练：数亿种蛋白质的氨基酸序列、以往实验数据输入：待选分子库、相关筛选指标（类型、结构）输出：具有创新性结构和性质的蛋白质序列，筛选过程中分子在活细胞中的穿透性、活性、选择性等信息（语义生成，且可

30、以进一步讨论）最快整个过程只需要数周至数月，可节约40%-50%成本个成功率ChatGPT在药品研发和临床前实验中的应用在药品研发和临床前实验中的应用0323稳定性、数据分析及参数优化、生成能力、强算力、高精度资料来源：猎聘，中国医药报，Nature Reviews，浙商证券研究所医药领域研发人才紧缺且不稳定u 背景：研发持续时间长、效益低，研发人员因工作压力等原因跳槽离职频率高，部分资历经验积累尚不充分的人员被拔高任用，导致进展缓慢；药品制造与优化需要整合多领域的知识和专家，但各方协同配合难度大，信息与数据交流效率低下；动物模型和人类的发病机理、病程有显著区别，药物治疗效果预测能力差，临床前

31、转化效率低。u 未来趋势：ChatGPT有望成为“研发秘书”，承担该阶段中相对标准化的研究工作，整合各方提供的数据进行分析，并在药效预测时提供建议参考。20.7%人才离职率30%跨国-本土2019平均4.1年2020平均3.87年动物与人体无法完全等效：免疫反应和行为、药物吸收窗口、毒性和不良反应平均跳槽年限研发骨干平均资历较美日等国同级人员少510年临床前实验与临床实验的成功率差异巨大54%34%70%=12.9%平均成功率 69%2021平均3.65年化学合成生物科学与技术基础及临床医学药学分析与制剂多达几十次的药物优化循环中：连续24小时工作，可在下班时间代替人工分析挖掘历史实验数据，自

32、动调节分子结构等参数，迭代出更合理的结果多方信息交流与协同配合中：对各方的数据信息提炼整合，快速生成相关问题的解答，使研发人员快速了解非本专业知识，减少沟通成本，化解数据孤岛问题药物效果预测中：基于深度学习和神经网络算法，在不进行任何实体试验的情况下精准预测药物疗效和毒性，缩短实验周期。ChatGPT在临床实验环节的应用在临床实验环节的应用0324标准化、海量数据共享与分析、生成式算法与预测能力资料来源：Converge Advisory，公开资料，Science Direct，浙商证券研究所导致II期临床试验失败的主要因素u 背景：存在因患者隐瞒病史、筛选标准主观、招募宣传告知不充分、受试对

33、象代表性差等复杂因素导致受试者筛选耗时长、成功率及入组率低；临床专家参与度低（通常一人负责十几个项目），投入项目的精力有限，使得缺乏整体流程的规划和安排，研究人员、医生和患者之间脱节；实验持续时间长达数年，受试者坚持记录药物摄入和身体状况的依从性不足，导致研究人员无法收集相应数据以有效指导和监测患者。u 未来趋势：ChatGPT有望结合现有技术及算法打造“一体化数字管理平台”，打通患者招募、试验设计、受试者管理以及结果数据分析全流程，尽 可能减少人为流程产生的错漏。45%20%12%12%6%3%3%2%0%10%20%30%40%50%入组率策略合理性有效性安全性资金充足性工作人员离职供应链

34、问题监管因素受试者依从性管理内容繁杂用药提醒及指导安全性信息收集受试者访视提醒试验问题解答调查问卷发送及搜集药品质量投诉AI技术提高研发质量作用效率在II临床实验阶段最明显分析医疗记录和社交媒体内容，向研究人员提示合适的受试者利用生成式问答技术结合AI辅助诊断标准化手段代替工作人员口头询问、手动记录的方式进行受试者筛选，并提示针对受试者个人情况有区别的提示注意事项自动化跨平台（研究人员、医生、患者）共享数据的过程，在数值超过阈值时向责任方提示告警结合智能随访和利用可穿戴设备远程监测病人状态并给予针对性的提示，自动分析事实产生的海量试验结果，并生成特定格式的试验报告及药效预测，供研究人员参考Ch

35、atGPT在生产销售环节的应用在生产销售环节的应用0325专业性知识的快速学习能力、及时反馈能力、不间断工作、流程标准化、信息搜集及建模分析能力资料来源：Wind，赛柏蓝，浙商证券研究所u 背景：部分医药代表由于缺乏足够的专业性，与医生间的信任感较难建立，且无法通过给医生赋能（传递前沿医药知识）来提高客户粘性；医药代表线下推广效率较低，通过实地拜访、参加学术交流活动方式获客的时间成本较高，且无法保证对医生的及时反馈；药品定价涉及到众多复杂因素的考量如产品成本、竞品情况、消费者价格敏感度、企业的社会责任等，稍有不慎则易产生较大负面市场影响。u 未来趋势：ChatGPT有望逐步替代医药代表，通过更

36、丰富的专业知识、与医生更高频的沟通、更加合规的语言内容来快速捕捉医生的临床用药需 求，提高客户转化率，并节省药企大量的销售费用支出。同时，ChatGPT可利用已掌握的海量市场信息和出色的建模能力，服务药企 精准定价。医生对医药代表不满意的原因及占比中国创新药上市企业（部分）销售费用高企0.96%11.46%16.56%20.70%35.99%44.27%50.32%63.38%0%20%40%60%80%其他拜访频率低不够尊重医生的个人时间过度贬低竞品反馈不及时重复传递相同的产品信息过度关注处方量，轻视医生的临床需求专业性不足6.813.603.463.392.902.371.961.641.

37、581.441.030.470.260.210.12 0.090 1 2 3 4 5 6 7 白云山健康元长春高新丽珠集团信立泰复星医药平均微芯生物恒瑞医药贝达药业康龙化成百济神州凯莱英药石科技康希诺百诚医药2021年公司销售费用/研发费用亿元ChatGPT在医药行业的全面应用仍面临较大挑战在医药行业的全面应用仍面临较大挑战0326ChatGPT在医药领域得以深度应用前还面临着训练数据质量和范围的不确定、训练成本高、用户隐私安全难以保障等挑战资料来源：公开资料整理，浙商证券研究所引入智能导诊能有效减少患者就医所耗费的时间训练成本隐私安全 数据质量医药领域涉及到人类生命健康，相比于其他行业对生成

38、算法的结果有更具体的要求，需要更精确的产出。这意味着需要大量更高质量的医药数据训练才能有效输出更专业的答案，拥有更强的核对事实的能力。医药数据的标注（如一个蛋白质序列）需要经过反复的实验验证，成本远远高于标注其他行业数据。在患者数据的搜集过程中，相比于其他行业用户，将涉及到更多、更深层的私人信息。如不加以特殊保护将容易泄露并被用作实验数据造假等非法行为。*随着ChatGPT日渐普及，训练数据的不断累积，各个公司很可能会出现训练集重叠的情况，从而在识别靶点、蛋白质设计中得到相同的结果，使得研究的成果前功尽弃。全球药企在全球药企在AI药物研发方面的合作布局药物研发方面的合作布局0327序号药企合作

39、方合作时间合作重点1辉瑞PostEra2022年1月人工智能实验室CytoReason2022年9月疾病模型2艾伯维AbCellera2022年12月抗体药物Anima2023年1月早期药物发现3杨森VantAI2022年4月蛋白质降解剂晶素科技2022年10月小分子药物4罗氏Recursion2021年12月小分子药物5BMSRoche2022年3月数字病理学疗法6默克celerisTx2022年2月蛋白质降解剂BigHat Biosciences2022年12月抗体药物7赛诺菲英矽智能2022年11月靶点发现8阿斯利康BenevolentAI2022年10月小分子药物Iiumina2022

40、年10月靶点发现9GSKLifeMine2022年3月小分子药物Tempus2022年10月临床试验设计10武田Evozyne2022年4月基因疗法11礼来Geneis Therapeuties2022年5月小分子药物Schrodinger2022年10月小分子药物Nimbus Thempeudies2022年10月小分子药物12安进Generate Biomedicines2022年1月蛋白质疗法13拜尔谷歌云2023年1月大型莲子化学计算14默沙东Absci2022年1月蛋白质药物Saama Technologies2022年8月临床试验数智化15ModernaMetagenomi2023

41、年1月药物发现卡内基梅隆大学2021年12月AI教育赋能16BiontechInstaDeep2023年1月药物发现资料来源：各公司官网，医麦客，浙商证券研究所投资建议04Partone28医疗领域医药领域AI医疗领域：主要布局于诊中阶段，诊后服务布局潜力巨大医疗领域：主要布局于诊中阶段，诊后服务布局潜力巨大0429建议关注ChatGPT在较为成熟的辅助诊断、医学影像读片领域和具有发展潜力的智能随访、健康管理和数据监测统计中的应用线下医院导诊台引入智能导诊能有效减少患者就医所耗费的时间l互联网智能分诊我国目前专注于智能化分诊导诊解决方案的企业较少，更多企业虽有布局该板块，但将重心放在线上智能咨

42、询和辅助诊断等板块、美国则较多专注于该板块的科技公司。目前国内多数三甲医院已经布局了自己的互联网智能分诊导诊平台。l医学影像读片lAI智能问诊/咨询l辅助诊断/决策l智能随访系统AI医学影像读片是目前智能化医疗诊断场景中发展最快、最成熟的领域。从今年1月开始，越来越多企业（包括医药企业+互联网企业+科技企业）开始布局该领域，并在技术研发上获得了超90%的识别准确率。AI智能问诊的应用还处于比较初级的阶段，主要功能是为轻症患者提示基础问诊内容如用药方案和健康管理建议而不涉及对任何病情具体的诊断。板块整体目前还处于研发阶段，并未产生具有突出市场表现的企业。布局企业主要是拥有成熟技术栈和资源的互联网

43、大企业。l健康管理及数据监测l病例数据录入及分析在辅助医疗板块，国外相关企业发展时间较长，发展程度比国内要成熟。国外企业专注于某一垂直领域的疾病诊断，如罕见病、结肠癌、肺癌等。国内企业倾向于全场景覆盖。注：目前市场在辅助查房领域及智能化健康宣教较为空白，可持续捕捉相关投资机会。国内外目前布局于智能化随访系统的企业极少。但随访制度落实不到位是很多医院面临的痛点。随着下游需求的不断提升，预计未来在该领域的布局将会成为趋势。健康管理主要分为两个部分，一是可穿戴设备用于监测身体各项数据，二是根据身体数据定制化康复计划，布局于前者的企业显著多于后者，能将两者结合起来的更是少之又少。随着技术进步和下游需求

44、增长，集成两项功能的解决方案将会成为趋势。国内外在病例录入及数据分析板块布局的企业少，大多处于融资和持续研发阶段。一方面因为文字等非结构化数据识别尚且为目前的技术痛点，另一方面基于数据隐私与安全等敏感问题的顾虑，部分医院内部自行研发相应的智能化解决方案。资料来源：公司官网，浙商证券研究所投资建议：医疗领域投资建议：医疗领域0430资料来源：浙商证券研究所引入智能导诊能有效减少患者就医所耗费的时间1.建议关注布局诊中阶段医学影像读片、辅助决策等相对成熟领域的企业 AI技术应用时间长，多数企业已具备技术基础，能更好把握ChatGPT特征及加速其在领域内的应用；ChatGPT的具有强于市面AI技术的

45、逻辑分析及文本生成能力，有望解决现有产品难以与医生交流、提示、分析病情可能性的痛点；现存疾病种类多，下游应用场景广泛；产品痛点解决后有望提升在医生群体及医院中的接受度和渗透率，需求空间极大。关注：万东医疗、联影医疗、开立医疗、澳华内镜、海泰新光、安必平、微创机器人、创业慧康等。2.建议关注布局诊后阶段智能随访、健康管理及数据统计分析等具有潜力的领域的企业 高质高效的落实患者诊后随访及和确保健康管理工作的有效性是目前医疗服务亟待解决的痛点，需求具有较大潜力；ChatGPT在客户服务及数据整合领域的突破性应用前景，有望使得该领域加速AI替代；目前领域布局企业较少，龙头效应明显，现有布局企业具有先发

46、优势，有望在下游需求爆发前抢占市场。关注：医渡科技、智云健康、思创医惠等；3.建议关注互联网医院“技术+专科医生”双重资源背书：有望率先掌握ChatGPT技术，加速专业数据标注及训练进度，推动智能问诊服务上线；凭借已有用户基础及品牌认知度，提升平台使用渗透率，带动企业净利润弹性上升。投资建议投资建议04代码代码公司名称公司名称现价（元）现价（元）总市值总市值营业总收入（亿元）营业总收入（亿元）P/S2023/3/27（亿元）2021A2022E2023E2024E2021A2022E2023E2024E设备与耗材生产商688114.SH华大智造100.05414.5439.2942.3148.

47、0667.52111096下游服务商688315.SH诺禾致源29.02116.1418.6620.2927.2635.656643300676.SZ华大基因75.83313.8767.665000710.SZ贝瑞基因13.7948.9014.223300685.SZ艾德生物27.43109.219.178.9311.2113.811212108建议关注NGS板块龙头企业，推荐华大智造、诺禾致源；关注华大基因、贝瑞基因、艾德生物等。表：AI相关的NGS板块标的资料来源：wind，浙商证券研究所投资建议投资建议04公司名称相关产品/有望开拓方向现价市值收入P/S2023/3/27亿元2021A2

48、022E2023E2024E2021A2022E2023E2024E300003.SZ乐普医疗AI-ECG/FFR等分析软件23.71445.89106.6099.40113.90135.824443688212.SH澳华内镜AI图像分析与诊断62.0482.723.474.456.6710.0824.SZ开立医疗50.47215.9414.4518.4023.2729.055.SH万东医疗22.86160.7211.5614688271.SH联影医疗161.971,334.8972.5492.38117.56148.4677.

49、SH天智航-U手术机器人方向18.4682.961.56532252.HK微创机器人-B29.10278.950.020.244.6813.881,.HK威高股份12.36564.93131.77151.04172.06443A22625.SH思哲睿605186.SH健麾信息自动化院内设备，自动化送药、发药、配药，AI用药监控等32.3043.934.905.717.579.899864688329.SH艾隆科技36.1727.923.894.876.848.877643建议关注AI有望赋能的AI影像、手术机器人、院内自动化等板块的龙头企业，推荐澳华内镜、微创机器人、健麾

50、信息；关注乐普医疗、开立医疗、万东医疗、联影医疗、天智航等。表：AI相关的医疗器械相关标的资料来源：wind，浙商证券研究所AI制药领域：商业模式从制药领域：商业模式从SaaS 到到 AI+CRO，药物发现比重最大，药物发现比重最大0433建议关注ChatGPT在AI技术发展成熟的药物发现、和具有需求潜力的临床前实验和临床试验中的应用。线下医院导诊台引入智能导诊能有效减少患者就医所耗费的时间注：目前市场在销售定价领域较为空白，可持续捕捉相关投资机会。布局于该环节的企业占据了整个AI制药行业接近60%的企业数量，主要于近三年开始蓬勃发展，大多数已经开始应用了类GPT技术加速靶点发现和蛋白质设计，

51、并且已经取得了阶段性的成果。部分企业如英汐智能和医图生科等利用AI技术所研制的药品已经进入II期临床试验阶段，随着各企业技术日渐成熟，未来有望有更多研发中药物加速步入临床阶段。资料来源：公司官网，浙商证券研究所l受试者招募l运营效率l数据分析国外企业起步早，多专注于临床试验某一环节，商业模式以SaaS为主，国内起步晚，跟随趋势主要做临床实验全管理和数据分析的一体化平台或AI+CRO。总体来看，国内在该领域内技术成熟的企业少，但AI药物发现技术愈发成熟将驱动对中后相关环节技术服务的需求，从而催生相关AI技术的进步和成熟。布局于该环节的国内企业大多数在2018年后成立，而国外企业则在2010年左右

52、。商业模式以AI+Biotech为主，较少企业只专注于临床前试验这一个环节的解决方案，大多数拥有自己的产品管线。该领域企业主要利用AI技术来配置试验及调整参数，使得研究人员可远程控制并在云实验室中全自动化实验过程。投资建议：医药领域投资建议：医药领域0434资料来源：浙商证券研究所引入智能导诊能有效减少患者就医所耗费的时间1.建议关注布局药物发现等相对AI技术成熟的领域 领域内AI技术应用成熟，对新技术应用的接受程度高，可更有针对性的利用ChatGPT解决痛点，进一步加速新药物的发现和设计；ChatGPT的生成式技术和自我学习能力在药物设计、化合物制造等方面将带来更多的创新性、多样性；2.建议

53、关注布局临床前实验和临床试验环节等具有需求潜力的领域 临床前及临床前实验环节中耗时长、成功率、数据搜集分析困难等痛点仍未得到很好解决，需求具有较大潜力；ChatGPT在整合对接各方资源、节省人力成本方面具有突破性应用前景，有望使得该领域加速AI替代；3.建议关注CRO及Biotech企业 AI制药企业多以 AI+CRO/AI+Biotech为商业模式，但在国内未能跑出上市企业；应用ChatGPT等AI技术后有望大幅提升现有环节服务效率及质量，凭借已有客户基础及品牌认知度，在AI制药领域迅速占领市场。推荐：药明康德、康龙化成、药石科技；关注：维亚生物、成都先导。风险提示05Partone35风险

54、提示风险提示361、ChatGPT迭代进展不及预期：生物医药领域中的ChatGPT对生成内容的专业性及精确度要求极高，目前训练数据库及数据标注的质量不高，极易给出具有误导性的答案并对医疗医药各环节产生负面影响。2、下游应用场景的用户认知和需求不及预期：ChatGPT及其相关技术仍处于发展初期，面临着较多的不确定性，下游用户对技术了解度和信任度不够限制了ChatGPT在各环节的深度应用。3、审评审批流程进展不及预期：ChatGPT等AI替代易导致伦理道德、数据安全、隐私泄露方面的问题，相关监管制度和标准严格，审核进度慢。点击此处添加标题添加标题点击此处添加标题点击此处添加标题点击此处添加标题点击

55、此处添加标题点击此处添加标题添加标题点击此处添加标题点击此处添加标题添加标题点击此处添加标题添加标题95%行业评级与免责声明行业评级与免责声明 37行业的投资评级以报告日后的6个月内，行业指数相对于沪深300指数的涨跌幅为标准，定义如下：1、看好 ：行业指数相对于沪深300指数表现10%以上；2、中性 ：行业指数相对于沪深300指数表现10%10%以上；3、看淡 ：行业指数相对于沪深300指数表现10%以下。我们在此提醒您，不同证券研究机构采用不同的评级术语及评级标准。我们采用的是相对评级体系，表示投资的相对比重。建议：投资者买入或者卖出证券的决定取决于个人的实际情况，比如当前的持仓结构以及其

56、他需要考虑的因素。投资者不应仅仅依靠投资评级来推断结论 行业评级与免责声明行业评级与免责声明38法律声明及风险提示本报告由浙商证券股份有限公司（已具备中国证监会批复的证券投资咨询业务资格，经营许可证编号为：Z39833000）制作。本报告中的信息均来源于我们认为可靠的已公开资料，但浙商证券股份有限公司及其关联机构（以下统称“本公司”）对这些信息的真实性、准确性及完整性不作任何保证，也不保证所包含的信息和建议不发生任何变更。本公司没有将变更的信息和建议向报告所有接收者进行更新的义务。本报告仅供本公司的客户作参考之用。本公司不会因接收人收到本报告而视其为本公司的当然客户。本报告仅反映报告作者的出具

57、日的观点和判断，在任何情况下，本报告中的信息或所表述的意见均不构成对任何人的投资建议，投资者应当对本报告中的信息和意见进行独立评估，并应同时考量各自的投资目的、财务状况和特定需求。对依据或者使用本报告所造成的一切后果，本公司及/或其关联人员均不承担任何法律责任。本公司的交易人员以及其他专业人士可能会依据不同假设和标准、采用不同的分析方法而口头或书面发表与本报告意见及建议不一致的市场评论和/或交易观点。本公司没有将此意见及建议向报告所有接收者进行更新的义务。本公司的资产管理公司、自营部门以及其他投资业务部门可能独立做出与本报告中的意见或建议不一致的投资决策。本报告版权均归本公司所有，未经本公司事先书面授权，任何机构或个人不得以任何形式复制、发布、传播本报告的全部或部分内容。经授权刊载、转发本报告或者摘要的，应当注明本报告发布人和发布日期，并提示使用本报告的风险。未经授权或未按要求刊载、转发本报告的，应当承担相应的法律责任。本公司将保留向其追究法律责任的权利。联系方式联系方式39浙商证券研究所 上海总部地址：杨高南路729号陆家嘴世纪金融广场1号楼25层北京地址：北京市东城区朝阳门北大街8号富华大厦E座4层深圳地址：广东省深圳市福田区广电金融中心33层邮政编码：200127 电话：(8621)80108518 传真：(8621)80106010 浙商证券研究所：http:/