AI+概念的扩散：医疗AI模型的核心逻辑是数据
前言
几家AI+医疗公司的基本信息
今天比较忙，原因是，自己在医药方面的储备不足——需要迅速的补齐。所以，这篇文章是自己学习的一个文章，不一定完整，但是逻辑应该是没问题的。只是分享一下。本篇设计的公司，和技术关系不大，主要是商业模式。
我们看一下这段时间的AI主线：
先去搞了NV产业链，在DS之后，转向国内供应链，最强的其实就是云，虽然云服务商的业务模式存在很大的问题，美国的和中国的云生态完全不一样，人家毛利率50%，咱们10%，太难了。现在来看，开始炒AI落地，医疗，教育，这块是必然，否则怎么落地，现在来看，落地的速度和能力是最快的。美国那边applovin这些，本质上只能将AI落地在服务业上，可能在抢goog的广告市场了，但是本质上这是利益的再分配，不是新增市场。咱们这边ai落地，大概率还是在具体的服务和工业化场景中。AI落地不可能是AI的独立生长，这个东西不创造新东西，只能赋能给其他企业，业务模式已经被ds的开源给否了。软件：这个行业现在的看法可能是，所有的软件都可以用AI来重新做一遍，和当年的互联网+一样，最终肯定是一地鸡毛，但是这种肌肉记忆太深刻了。软件etf今年以来，今天也整理了一下，还没整理完，回头发小程序里吧，很多人也都在推荐，其根本逻辑就是在原有的laas，paas，saas上加上AI大模型，让业务流更高效，成本更低。股票赚钱没问题，但是企业赚钱........别想了，下游基本是to B的客户，想赚钱很难，更严重的是亏现金流啊。几个公司的业务对象，基本是行业客户+政务客户。AI+的概念，炒到了应用落地，基本是末端了，情绪的解体速度可能非常快，但是谁知道能到那里呢？毕竟大家的AI能力基本在一条线上，没有实质性的差异啊。
我们下面谈谈医疗的逻辑：
a.医疗核心的价值增量不在医生的诊断，而是检查，药物和治疗三个环节。这三个环节AI是无法替代人工的，但是可以在相当大程度上帮助医生快速，高效，准确的工作，这个是问题不大的。
b.检查环节，生化，影响是最核心的，为这些环节服务的IT企业，可能受益，文末涉及了这些企业。核心是能接触到数据，这样检测出来的数据，可以直接整合到大模型里。比如最简单的CT影响，如果拍完之后，根据其他信息，给医生一个建议，最后医生确认签字，这极大程度上减轻了医生的工作量。第三方实验室IVD，生化，图像/病理，这些都可以看作是医疗信息最关键的来源。
c.诊断，也就是医生的处方生成。目前来看，这块进展可能是最大的，就是那个jhmk/cyhk，做电子病历的。这些人本身就和医院的IT系统整合的比较紧密了，如果将累积的病历和医学资料，以及病人的检查信息，口语化的描述信息，写到病历上，AI可以给出诊断和用药参考，包括费用。这不是取代医生，而是帮助医生提升效率。
d.药品，这个是控费的关键，但是也的确存在很大的问题。这块AI只能给出用药建议，但是不太可能有处方权。这里面其实很有意思，中药的数据和开具处方，到底怎么处理？能不能在很大程度上规范用药？说实话，经历过那种拿了100块的药，中药90，剩下的10块才是治病的。
e.治疗：核心是服务，当然还有治疗方案，这块还是医生的天下。AI能起到辅助的角色。
医生本身是一个经验性质的工作，其推理逻辑和AI的也非常像，而且AI普及也有利于边远地区的医生，提升诊疗水平。但是取代医生，还是很难，因为决策只是医疗的一个环节，其它服务和商品环节的价值量才是最大的。大家一直诟病的医生的劳动不值钱，现在来看，医生经验知识是可以在一定程度上被替代，解决医患信息不对称的问题，但是真正动手治疗的事儿，AI无能为力。
这里面的核心逻辑是围绕数据展开的，而不是围绕产品展开的。从这点来说，AI制药的逻辑没有那么好，落地效果怎么样，涉及到太多的私有数据了，而且药品成本的大头是临床和研发本身，AI落地效果有待观察。
但是围绕数据的医疗服务环节，现在来看，基本具备了落地的基数基础了。而且大模型的输出结果，可以供医生参考，而不是处方，这样对模型的准确性等等，要求没有那么高。这部分的IT再做一遍的可能性非常大。但是需要注意的是，这些企业的商业模式本身没变化，财务估计不会有太大的改善，份额上来看，也不会有非常大的变化——本身就不是技术驱动，而是营销驱动的逻辑。
总数不多，只有几家数据相关的公司和逻辑，但是说实话，这些公司的基本面情况一言难尽，但是数据主线的逻辑是清晰的。
1.安必平：上市很多年的688股票，跌了好几年，2025年2月份开始炒作AI医疗，市值很小只有24亿，市场很喜欢。收入4-5亿，利润几千万的体量。没法看。财务数据就不用看了，基本没戏。公司的主业是：围绕肿瘤的筛查，诊断，管理和服务，其主要客户是全球2200多家医疗机构。构建了相关肿瘤技术匹配的产品和平台。逻辑上是受益于人口老龄化的，但是肿瘤最大的成本是治疗啊，不是检查和诊断。公司在机器和系统这个方面主导，也是AI落地最好的场景——病理。
2.美年健康：250亿市值，中国最大的体检服务商。百亿收入，波动非常大，利润动不动就是盈亏几个亿。运维成本太高（销售费用率很高，这是模式决定的），固定资产规模也不算小。因为公司拿到了大量的个人体检数据（2亿人），这些数据用AI进行处理，2023年公司年报中，着重强调了这块。医疗数据是非常专业的动态数据，核心还是数据，大模型本身不是核心竞争力，但是从很大程度上减轻了对专业医生读片的需求。降本的逻辑？核心是数据！
3.嘉和美康：市值50亿，也是一个上市了几年的公司，基本不赚钱。收入6-7亿，利润盈亏平衡附近。公司的主业是医院的医疗信息化系统！电子病例是公司核心的产品。这就为AI替代医生落地，提供了一个最好的载体。大多数处方，现在是医生开具，但是其中所需要的数据，对话，临床，文献等，需要将这些信息进行训练，得到一个大模型。目前看来，也是AI落地，辅助医生诊断最为关键的一个环节。在2023年的年报中，公司就提到了大模型的落地问题，目前来看，问题不大。至于医院怎么用，那就不好说了！
***嘉和美康，从电子病例入手，是真的可以用大模型的，而且先不说取代医生，至少作为医生的辅助工具，逻辑上是顺的，至于赚钱不赚钱，那不是市场现在考虑的问题；安必平，病例影像，目前来看，还是病理，但是以后可以拓展到，超声，X射线，CT这些各种手段获取的医疗图像，虽然下游的设备生产商也可能做，可以用作医生的辅助，这个逻辑是对的。美年健康的数据是从消费者直接采集的，是他们的私有数据，规模大，到底能做什么，就看公司的了。
这三个公司，应该是AI+医疗里，最核心的标的了，还有下面几个可以注意下。
4.润达医疗：公司主业是IVD，体外诊断综合服务商，市值130亿，收入百亿，利润在5亿上下。主要是面向医院的。公司提到了AI技术在IVD领域的应用，这个逻辑和美年健康类似，都是数据是核心，后面关键是看怎么用的问题。
5.诺和致源：公司做基因测序服务，现在通量太大了，20亿收入，2亿利润。医院，科研，高校等提供高通量的基因测序服务，还是那个逻辑，能拿到数据！这个是最关键的。然后AI，能不能用于这个呢？理论上可以的，就看公司怎么增加自己的服务价值了。
6.贝瑞基因：公司市值是40亿，其服务模式和产品，基本和诺和致源差不多的一个公司，核心是能拿到基因数据。从这来看，AI+的落地逻辑不是模型技术本身，毕竟ds都开源了，关键的问题是专有数据的训练，公开的资料数据和论文，都可以直接拿来，剩下的就是私有数据了，我们前面也说了这个问题，AI的商业模式已经清楚了，最核心的竞争力，根本不是模型本身，而是数据。今天的AI+其实主线是数据线，而不是模型线。
7.创业惠康：业务上来看，和嘉和美康的业务极其类似，财务上当然也是非常差的，这种to B客户，而且非常敏感的行业，财务数据就那样子吧。但是业务逻辑从AI上重做一遍的可能性非常大。至少医生不会在受制于认为设定的一些搞笑的标准，有一个基准参考，甚至AI可以给出报价，在AI基准上下浮动，是可以的，超出了要审批。不能认为简单的规则来规范医生的行为。
#医疗#
#财经#
