【中国银河】数字经济行业报告：人工智能与数字经济驱动医药产业升级【发现报告 fxbaogao.com】.docx

中国经济高质量发展系列研究人工智能与数字技术驱动医药产业升级医药组分析师：程培分析师助理：孙怡、孟熙中国银可证券研究院.CWNAGA1.AXY虻CURmE6*川数字经济专题报告2024年3月27与,人工智能与数字技术驱动医药产业升级核心观点 随着科技的不断进步,数字医疗和人工智能（AI）医疗已经成为推动全球医疗健康产业发展的重要力量。数字医疗是指通过信息科技、智能科技与医疗的结合，形成的医疗服务体系。这一体系涵盖了医疗设备系统、医院系统、区域卫生系统和健康管理系统等多个方面，实现了医疗服务的信息化、网络化、移动化和智能化。根据中商产业研究院发布的2024年中国数字医疗行业市场前景预测报告.2022年全球数字医疗的市场规模为2,242亿美元,预计至2025年达到4,670亿美元，年复合增长率为28%o在全球医疗产业数字化转型的大背景下，中国数字医疗的市场规模也呈现快速增长趋势.预计由2022年的1,954亿元增长至2025年的5,399亿元，年复合增长率达31$,略高于全球增速。 AI医疗的发展为提高医疗服务质量、降低成本和提升患者体验带来了新的可能性。人工智能与数字技术主要赋能四个应用场景：D药品和制药领域：赋能药物研发、生产工艺优化及药物的个体化使用等；研发端，Al新药设计能大幅缩减新药研发周期、降低成本、提升成药性，2023年全球共有43家企业、102条Al设计的药物成功进入临床阶段；生产端，Al大模型用于制药工业的工艺升级已逐渐开始；应用端，基于大数据模型、并结合患者的个体特征和治疗目标,制订最佳的个体化给药方案也已开始应用。分析师程培S:021-20257805：chengpei_yjchinastock8mcn分析师登记编码：SOl30522100001研究助理：孙怡、孟熙风险提示1.新技术研发进度不达预期的风险2Al药物研发失败的风险a地缘政治因素致关键零部件供应风险4宏观经济下滑可能导致相关投资增速下降的风险2）医疗器械领域：手术机器人、智能康复器械、医疗设备物联网、远程诊疗等，基于医疗影像大数据的辅助手术机器人的应用使得外科医生在手术操控性、准确度和临床疗效上大幅提升；智能康豆器械为康复人群提供更有效率的康梵护理方案，并节约康复医师人力；医疗装备的物联网化、智能化，为医院管理提供智慧化的解决方案；远程诊疗则大幅提升优质医疗资源的辐射半径，提高医生的诊疗效率。3）医药商业领域：智能化医药物流和电子处方处理系统；先进的智能化现代物流配送体系和电子处方处方系统等开始在国内快速应用，持续提升药品的可及性和安全性，为全产业链提升运营效率。4）医疗服务领域：医疗信息大数据、大模型辅助诊断和治疗。医疗信息化在国内持续推进，基于数字化及智能化的电子病历可以为医生工作大幅提升效率，同时AI诊断在国内高速成长，基于大数据和大模型的智能化诊疗方案,可以为临床医生提供最优的临床解决方案。 投资建议：数字技术和AI医疗的发展，为医疗行业产业升级带来革命性的变革，也为患者提供了更加便捷、高效和个性化的医疗服务。建议关注国内在医疗AI方向布局的公司：AI新药研发（泓博医药、成都先导）、AI制药工艺（川宁生物）、Al器械（三诺生物、翔宇医疗、微创机器人）、医疗器械物联网（迈瑞医疗、海尔生物）、AI诊断（金域医学、迪安诊断、安必平、麦克奥迪、鹰瞳科技、乐普医疗、联影医疗、万东医疗、美年健康）等。中国银河证券研究院.CWNAGiA1.AXYSECURrTlW'，.，H:''一、医药行业全产业链在数字技术及Al驱动下的产业升级需求4(一)数字经济及Al浪潮下推动医药产业智能化升级4()数字医疗市场规模持续高速增长7二、药品及制药产业链的智能化升级9(一)AI药物研发-全球及国内AI制药研发进展9()Al大模型应用于生产工艺提升13(三)Al数据模型应用于药物的个体化使用16三、医疗器械数字及智能化是实现智慧医疗的关键前提20(一)医疗器械智能化产品设计：CGM、康复器械及手术机器人25()智能化的医疗设备网络：物联网及远程诊疗.31四、智慧物流：物流智慧化成为医药流通的大趋势33五、医疗服务智能化升级大幅提升医疗机构效率历(一)医疗信息化：形成医疗健康大数据，是改善医疗服务环境的关键37()Al辅助诊断：应用医疗/通用人工智能大模型40六、投资建议48七、风险提示48-S医药行业全产业链在数字技术及Al驱动下的产业升级需求(一)数字经济及Al浪潮下推动医药产业智能化升级随着全球新一轮科技发展和产业革命，以人工智能(AI)为代表的数字技术突飞猛进，成为经济增长的核心驱动力。近年来，AI技术在数据、算法和算力等关键要素的迭代下，已从自然语言处理逐步扩展至计算机视觉、多模态、科学计算等领域，泛化性和通用性得到极大程度提高，同时开启了未来AI技术发展的新范式。医药行业是AI最重要的应用领域之一，在数字技术呈爆发式增长的驱动下具有产业升级的需求。Al医药产业链整体可分为基础层、技术层和应用层三个层级，基础层用于提供数据、算力和算法支撑：其中数据基础涉及PUbmed语料库、NCBI数据库等医学信息；算力基础涵盖芯片、服务器和通信网络等技术设施；算法基础包括深度学习、开源框架等算法模型。技术层用于构建应用体系：将计算机视觉、自然语言处理、智能语音识别、语义分析等技术应用于医药产业链。基础层提供的资源支撑和技术层构建的应用体系，共同驱动应用层的智能化升级，主要赋能四个应用场景：D药品和制药领域：赋能药物研发、生产工艺优化及药物的个体化使用；2)医疗器械领域：赋能手术机器人、康复器械等产品设计以及物联网、远程诊疗的设备网络；3)医药商业领域：赋能智能化医药物流和电子处方处理系统；4)医疗服务领域：赋能医疗信息大数据和大模型辅助诊断和治疗，以提供最优的临床解决方案O图1：中国I医药产业链图谱B11J,t*7-r,anyMu.*QBMI11点、11HHNcuunfttfc三HEWMBKBB3ZMIHMHgBQ3M|l»B三HMMpcw；.i*二E三lw%evfas?c,三qS"BBHUSB+”QfittmlVRSDCS三3”WX,_Cw*r'-HBgYsArf>Mn<r<KJH4CMbCVM0v*o,、5&，BOBt：4lhQ"3匕"2EIOlAAH(W>：uwx2资料来源：艾瑞咨询，中国银河证券册究院一目前医疗AI的技术架构已开始从深度学习向大模型方向转移，2017年谷歌公司首次提出基于自注意力的Transformer架构，奠定了预训练大模型的算法基础；2018年基于Transformer的算法框架，谷歌和OpenAI分别搭建了GPT与BERT大模型，使得预训练大模型成为自然语言处理领域的主流。由于医学数据具备复杂性、多样性和高维性，单一文本模态的技术应用较为受限；而预训练大模型在单模态的基础上演化出了语音、图像、视频等多模态，打通了自然语言处理与计算机视觉之间的壁垒，为医疗AI技术的发展提供了强有力的支持。图2:AI大模型谱系图通用大fll里行业大触为配区CJWjm工二大联snx初ur9mBSmmamrtraviWnHiJttMMtwt83r*BBERTGPTTransformerCNN'M1.P旭Q资料来源中国互联网协会互联网天地，中国银河证券研究院助力医疗产业升级的多模态AI大模型分为五个类别：1)图学习大模型(1.GMs)可用于预测蛋白质结构、分析基因组学及设计药物，助力制药领域的药物研发和生产工艺提升；2)语言条件多智能体大模型(1.1.MMs)可实现远程诊疗、智能导诊和手术机器人，助力医疗器械领域的产品设计和智能化网络升级；3)多模态大模型(1.MMS)可用于识别医学数据并挖掘数据价值，助力商业领域分析健康大数据，构建信息化平台；4)大型语言模型(1.1.Ms)可用于回答医学问题、提供医学建议，视觉大模型(1.VMs)及视觉-语言大模型(V1.Ms)可用于识别医学图像、生成图像注释，三类模型均可提供AI辅助诊断、Al辅助治疗的医疗服务。Al大模型的应用将极大提高医药产品质量和医疗服务水平，推动医疗行业的智能化升级。图3：医疗AI大模型的类别和实例fe1.p-CbntrjM!IMJMedGPlOfM0T44-"RfMu%G>K!fe?horc11Rs>rwMd*MB1.UMedSOU.PuM*c1MtH¼MFKOSMOSIn1*r11r<A三oMCcrMRT.WIM资料来源中国信通院人工智能大模型赋能医疗健康产业白皮书,中国银河证券研究院在产业升级进程中，已诞生多款用于医药健康领域的Al大模型实例。1.1.aVA-Med是微软公司推出的视觉-语言大模型，其利用Pubmed提取大量影像学图像进行医学概念对齐，再使用GPT-4生成的医学指令掌握开放性对话语义，模拟从零学习医学知识的过程。1.1.aVA-Med可根据X光、CT、MRI等影像学图像推测患者的疾病状况，并针对图像相关的问题生成自然语言回答；该模型可推动Al辅助诊断领域的智能化升级，有效提高疾病诊断的精度和效率。图4：1.1.aVA-Med大模型的预训练和微调流程1.1.dVA三1KUSi出拿第交MdM制用小Bt1，砌fKA*iR-U扇J»XS.5”1.1.aVAMed下就Df411WB£*5-QA)-,'19x*w飞匕灯.二*卜户R依A资料来源：中国信通院人工智能大模型赋能医疗健康产业白皮书中国银河证券研究院Med-Pa1.M2是谷歌公司研发的大型语言模型，用于回答医学问题并给出专业建议。Med-Pa1.M2可通过多个路径提升推理能力，针对医学咨询给出专家水平的答复，在接近90%的疾病、用药、副作用等临床相关问答方面优于临床医生，同时获得医生和患者群体的高度认可。Med-Pa1.M2的出现为医疗服务领域提供强大灵活的问答系统平台，驱动AI辅助治疗的智能化升级。图5：Ned-Pa1.M2通过多个路径提升推理能力Kipul资料来源中国信通院人;智能大模型赋能医疗健康产业白皮书.中国银J国内医疗AI大模型多处于研发内测或定向体验阶段，由于技术尚未成熟且医疗行业具备特殊性，AI大模型当前的适用范围较为受限，预计未来有较大的可拓展空间。其中灵医智慧大模型是百度自研的大型语言模型，算法方面基于百度文心大模型，内置多项增强技术提升准确性和多样性；算力方面基于百度智能云千帆算力资源，不断进行预训练优化底层参数；数据方面使用Token训练语料，包括300万例多模态影像数据、6亿条健康科普内容及70万条临床研究信息。灵医大模型具备智能健康管家、智能医生助手和智能企业服务三大解决方案，其中智能健康管家为患者提供导诊、问诊和健康咨询等就医引导；智能医生助手为医生提供临床决策支持、病历草稿生成和文献速览等工作帮助；智能企业服务为药企提供运营助手、职业培训和创新营销等服务。灵医大模型可满足患者、医生和企业客户各自的需求，具备医药健康全产业链的支持能力。图6:灵医大模型影像解读从怎提供的融底影图可见出如班、硬祷高HPKN噂出至，离密怀疆喜隆在衩网通福堂（麋夺m惘覆）或旃运丽泰:资料来源：灵医智慧官网，中国银河证券研究院图7：灵医大模型私域客户智能运营资料来源?灵医智搂官网，中国银河证券研究院ZY国时事而至闻痛郭作把。阳网«，中立精U）数字医疗市场规模持续高速增长在5G网络、人工智能、大数据、云计算等数字技术的驱动下，全球数字医疗产业发展迅速，根据中商产业研究院发布的2024年中国数字医疗行业市场前景预测报告，2022年全球数字医疗的市场规模为2,242亿美元，预计至2025年达到4,670亿美元，年复合增长率为28%。在全球医疗产业数字化转型的大背景下，中国数字医疗的市场规模也呈现快速增长趋势，预计由2022年的1,954亿元增长至2025年的5,399亿元，年复合增长率达31册略高于全球增速。数字医疗的市场结构主要由数字医疗基础设施、数字医疗服务、数字健康管理和数字消费医疗产品及服务四个部分组成。在我国，基础设施占比5225%,为市场结构的主要组成部分；其余医疗服务、健康管理、消费品服务占比分别为28.66%、11.11%.7.98%o从平台结构的角度来看，互联网医疗占比47.9%,接近所有数字医疗平台的一半；挂号问诊、健康管理、医药电商、医生助手、医疗知识等平台的占比依次为2&4%、7.8%,4.7%,3.8%、1.1%0图10:2022年中国数字医疗市场结构资料来源：弗若斯特沙利文，中商产业研究院，中国银河证券研究院图11:2022年中国数字医疗平台结构OWt&冏业.BMrT三*r*w资料来源：中商产业研究猊,中国银河证券研究院目前我国数字医疗行业迎来发展窗口期，相关的投融资交易正在如火如荼进行。根据动脉橙数据，2023年我国数字医疗的投融资交易共109项，累计金额达58.6亿元，其中A轮、其他轮次和天使轮分别为44、19和17项，位列所有投融轮次的前三位。在数字医疗投融资事件中，人工智能相关交易共55项，占比超过一半，投融资交易的高度活跃侧面体现出人工智能技术发展的突飞猛进，并与驱动医药产业智能化升级的整体趋势相符合。资料来源：动脉橙数据库，蛋壳研究院，中商产业研究院，中国银河证券册究院近年来我国高度重视数字医疗行业的发展，并陆续出台了一系列指导性政策予以支持：2021年12月，“十四五”数字经济发展规划提出要加快培育新业态新模式，推动平台经济健康发展；2022年11月，“十四五”全民健康信息规划明确至2025年初步建设形成全民健康信息平台支撑保障体系，基本实现公立医疗机构与健康信息平台联通全覆盖；2023年3月，关于进一步完善医疗卫生服务体系的意见建议建设面向医疗领域的工业互联网平台，加速推进互联网、人工智能、大数据、云计算等技术在医疗卫生领域的应用。指导性政策主要围绕数字医疗产业的整体规划布局、具体赋能场景、信息平台建设及技术审评应用等多个维度展开，在一系列支持政策的加成下，医疗行业数字化转型的步伐将持续加快。表1：中国数字医疗行业政策整理时间政策名称与数字医疗相关的政策要点20233关于进一步完善医疗卫生服务体系的意见发展“互联网医疗健康”，建设健康医疗大数据共享交换与保障体系202211“十四五”全民健康信息化规划建设全民健康信息平台支撑保障体系、全民健康信息化基础设施20224“十四五”国民健康规划完善医疗卫生技术标准体系，加快“互联网+医疗健康”标准制修订2021.12“十四五”医疗装备产业发展规划发展“5Gf医疗健康”：远程医疗、移动医疗、智慧医疗、精准医疗2O21.12“十四五”数字经济发展规划引导平台企业加强资源整合共享,扩大互联网医疗在线服务的覆盖面2021.12“十四五”公共服务规划发展智慧医疗，支持健康医疗大数据资源开发应用2021.9关于印发“十四五”全民医疗保障规划的通知完善“互联网医疗健康”医保管理服务,形成医保政策和服务评价体系2021.7“十四五”优质高效医疗卫生服务体系建设实施方案运用5G、人工智能技术打造智慧医院，建设重大疾病数据中心202Q12关于深入推进“互联网-医疗健康”“五个一”服务行动的通知发挥“互联网-医疗健康”在基层医疗服务中的作用202Q9关于以新业态新模式引领新型消费加快发展的意见发展互联网健康医疗服务：互联网诊疗、电子处方流转、药品网络销售202Q4关于进一步推动互联网医疗服务发展和规范管理的通知推动互联网诊疗、互联网医院、远程医疗服务及预约诊疗202Q4关于推进“上云用数赋智”行动培育新经济发展实施方案提出互联网医疗可以首诊,并纳入医保覆盖范围资料来源：各政府官方网站，中国银河证券研究院二、药品及制药产业链的智能化升级(一)AI药物研发-全球及国内AI制药研发进展AI制药是将机器学习(Machine1.earning)、自然语言处理(Natural1.anguageProcessing)及大数据等人工智能技术应用到制药领域各个环节，进而优化新药研发的效率和质量，降低临床失败概率及研发成本。药物研发及用药安全是AI技术在制药环节的主要内容，药物研发包括靶点确认、基于表型的药物发现、分子生成、化学反应设计、化合物筛选、ADMET性质预测，用药安全则涉及临床试验、药物风险评估及真实世界研究。表2：AI医药在制药环节的应用应用环节Al技术类型应用情况通过机器学习，在蛋白质的原始信息中提取关键特性,从而精准构建模型,来进行功能的推断、预机器学习、深度学习、大靶点确认数据测及分类；通过深度学习.从大量的患者样本及生物医学资料中整理筛选相关的基因组学、蛋白质组学、代谢组学等多组学数据，分析疾病与非疾病间差异、或寻找可对疾病产生影响的蛋白质。基于表型的药物机器学习通过机器学习，直接使用生物系统进行药物筛选，在表型筛选中关联细胞表型和化合物作用方式，发现从而获得靶点、信号通路或遗传疾病相关聚类”通过机器学习、深度学习中的变分自编码器(YAE)和生成式对抗网络(GAN)及基于自然语言处理的循机器学习、深度学习、自环神经网络(RNN),长短期记忆人工神经网络(1.STM),门控循环单元SR1)和TmnSfirIner等技术，分子生成药物研发然语言处理对海量的化合物及药物分子进行学习,获取成药性及分子结构相关的规律，从而生成新的小分子作为候选药物分子，形成高质量、规模性的药物分子化合物库。将药物分子结构映射为可通过机器学习算法处理的形式.形成多条合成路线，并推荐最佳合成路化学反应设计机器学习、深度学习线,或在给定反应物的前提下通过深度学习预测化学反应结果化合物筛选机器学习通过机器学习中的决策树、支持向量机、深度神经网络等算法，分子对接、自由能微扰等技术,构建化合物化学结构与生物活性之间的关系模型，实现对药物化合物作用机制的快速预测。通过深度学习.对筛选后的化合物进行药代动力学测试识别，根据得到的相关特征,评估多个ADMET性质预测机器学习、深度学习ADMET参数间的隐藏的关系和趋势，Jg测化合物的药性，如代谢性.细胞渗透性、焉性等。通过自然语言处理和机器学习改善临床试脸的设计、管理、监控和患者招募，从各种数据类型中提临床试脸自然语言处理、机器学习取信息，找到符合临床试胎入组标准的受试者.或关联各种大型数据集,找到变量之间的潜在关系，改进患者与试验的匹配情况。用药安全药物风酸评估机器学习通过机器学习，实现从接收药物不良反应到报告全流程的自动化，提高药物警戒的工作效率,并通过样本分析和预测进行药物风险评估。通过机器学习和深度学习.对真实世界数据进行识别.提出新假设，同时为进行中的临床试验不断真实世界研究机器学习、深度学习提供新的有效信息.优化药物研发流程，提升用药安全。资料来源：头豹研究院，中国银河证券研究院Al制药的应用可以追溯到20世纪80年代，经过数十年的发展，随着Al应用技术的不断成熟以及资本市场对该行业信心的不断增加，目前Al制药已步入快速发展期。早在20世纪80年代，Al基础理论突破，默沙东开始运用计算机辅助进行药物设计。2010年开始，首批AI制药初创企业涉足Al药物发现研发领域，但由于行业发展前景尚不明朗，资本市场大多持观望态度。2016年12月，英科智能发表首篇论文，表示AI技术可以降低药物开发成本，缩短药物发现时间，提高化合物质量。2016-2017年，AI制药行业受商业化和技术瓶颈阻碍，进入短暂的慢速发展期°2018年至今，投资者对于Al制药行业的信心不断增加，且受疫情刺激下医疗行业成为热点，AI制药进入高速发展期，期间出现了众多AI制药的成功案例。2018年3月，IBMWatSon发布认知计算平台，将患者与潜在临床试验相匹配，使临床试验入组增加80%。2018年12月，DeepMind的AlphaKold的3D蛋白质结构预测能力超过所有其他预测算法。2019年9月，InsilicoMedicine发布首个使用AI系统生成张量强化学习(GENTR1.)的活性体内候选药物，其在46天内就设计出针对纤维化的先导化合物。2021年12月，英科智能实现Al发现新靶点的行业首个临床阶段AI生成的新型分子。2022年7月，DeepMind的AlphaFokl能够预测所有已分类蛋白质的3D结构。图13:AI制药发展历程Al材箝段建建质期美东进及系分计公算设：“分学药Jr物定'力术制用药维析动技国运行-:分了算司机计种子模首批Al制药初创企业涉足Al药物发现研发涧域,由于行业发展前景尚不明即.资本市场大多持怀疑和观望态度,业内仅有少政企业合作;一力而山于行业研究重心放在制药半个环节上.致AI制药的规模化商业化受Hl;½方面.该时期的研发成果未能疗效证明AI在新药研发过程中有9著的加速增效作用Iil此.前分初创企业开始探索新的商业模式.纵向拓展服务能条.如总接生产分了化合物沙助涉关接等默轴,效对拟2OI84F.国际市场浦现大批UiM药初创企业.投资并对IAl制药行业俏心逐渐增加.大量资本开蛤涌入市场当年国内外Al制药企业融资总额文破2()1(祚来新高202()年受疫情影响.医疗"业成为大热点,资本冉次聚焦Al制防泳城.随着一些老牌Al制药公司及行业新锐的加入，Al制药的投送资市场迎来新2019年.由J商业化问题.盛个Al医疗行业陷入低谷.受此影响.投资者对于Al制药领域的相时热度减退.投资增K缓慢2。世纪80年代2010-2013年2016-2(“7年2018年至今资料来源：头豹研究院，中国银河证券研究院通过AI技术应用于药物研发各环节，较传统制药研发可以更显著的缩短研发所需周期，从而降低企业研发成本，同时提高药物研发成功率和投资回报率，一般AI技术在研发过程中的渗透率越高，其药物研发的效率也越高。据TechEmergence数据，相较于传统药物成功率低，研发周期长、研发投入大，AI制药可平均节约药物合成时间4060%,降低研发成本，并提高研发成功率12%14%o例如国内的Al制药龙头公司，英矽智能在临床前发现阶段的靶点发现到先导化合物的优化，只需要约18个月完成，总体投入不超过270万美金，而这个过程过去往往需要五年甚至更长，并需要投入数亿美金。表3:AI制药和传统制药药物研发对比研发周期研发投入研发成功率药物研发3-7年.用药安全5-7年.新药审传统制药批上市12年.平均上市时间IO-16年约26亿美元约10%AI制药总研发周期平均缩短10-60%至少降低10%约14%资料来源TQCSDD,TechEmergence,中国银河证券研究院随着AI制药进入高速发展期，全球AI制药市场规模和融资规模也保持增长态势。根据ResearchAndMarkets的数据，2022年全球AI制药市场规模为10.4亿美元，预计到2026年市场规模将达到29.94亿美元。2022年全球AI药物研发相关融资总事件达144起，总金额为62.02亿美元(约人民币426.7亿元)，其中，美国Al药物研发融资事件71起、中国43起，其他国家和地区30起。图14：2021-2026E全球AI制药市场规模图15：2016-2022全球和中国AI药物研发领域投融资情况资料来源：火石创造，中国银河证券研究院资料来源ResearchAndMarkets,中国银河证券研究院AI制药产业链上游包括数据、算力和算法三大要素，涉及芯片、数据库、云计算等领域；中游为药物研发过程，按商业模式可分为AlBiotech.AICRO及AlSaaS三种商业模式(AIBioteeh以推进自研管线为主，较少进行外部合作；AI+CRO通过人工智能的辅助，为客户更好地交付先导化合物或者PCC,再由药企进行后续的开发，或者合作推进药物管线；AI+SaaS服务主要为客户提供AI辅助药物开发平台，帮助客户加速研发流程），以及部分IT巨头也有参与，经市场验证后，AlBiotech+CRO的复合模式成为业界共识；下游为药品的销售环节，包括传统药企销售和医药外包等渠道。图16:AI制药产业链资料来源：智药局，中国银河证券研究院根据智药局统计，2023年全球共有43家企业、102条成功进入临床阶段的药物管线，其中国外有29家公司68条管线。在93家中国AI药企中，有14家成功将管线推进至临床阶段，共34条。以英矽智能和埃格林医药为代表，拥有进入临床的管线数量最多，各5条。其次是冰洲石生物、未知君、锐格医药，各4条，红云生物、药物牧场等企业也拥有了临床I期管线资产。表4：全球公司获批临床的AI药物管线（截至2024年1月4日）公司药物适应症国内公司研发方式最新进展ISMOO1-055特发性肺纤维化、肾脏纤维化11期ISM3312C0VD-19自研I期英矽智能ISM5411淡疡性结肠炎、克罗恩病1期ISM8207癌症与复星医药合作1期ISM3091BRCA突变癌症授权EXelbdS全球1期1.BPO2淡疡性结肠炎、克罗恩病买入1期未知君1.BP03实体瘤自研【期XBI302移植物抗宿主病Il期1.BPOl糖尿病与瑞士Aurealis合作H期AC0699乳腺癌I期冰洲石生物AC0682乳腺癌自研1期AC0176前列腺癌1期AC0676血液肿痛1期费米子FZ002慢性疼痛、急性疼痛自研1期德睿智药MDR-OOl肥胖症和i型糖尿病自研I期红云生物HOo2非小细胞肺癌自研1期药物牧场DF-003心肾疾病、ROSAII综合征自研1期DF-006乙型肝炎、肝细胞癌I期RGT-075【1型糖尿病H期RGT-028代谢1期锐格医药肿瘤自研RGT-419B1期RGT-264肿瘤1期G中国银河证券CWNAGiA1.AXYCURrW研熨陈、由一窗数字经济专题报告中以海德IlDM-8421034乙肝自研I期剂泰医药MTSoo4神经系统疾病买入11期EG-007子宫内膜癌1期EG-301眼底干性黄斑病变H期埃格林医药EG-501红斑狼疮认知障碍自研H期EG-OOl特发性间质性肺炎1期EG-OO9细胞因子风暴1期宇耀生物YYOOl结肠癌、前列腺癌.当癌自研H期YY201胰腺癌、非小细胞肺癌、NWT细胞淋巴瘤、急性髓系白血病1期硕迪生物GSBR1290ii型糖尿病和肥胖自研H期ANPAOO73特发性肺纤维化和肺动脉高压1期AulosBioscienceAU-007黑色素瘤、肾细胞癌自研IZIiXO国外公司AITherapeuticsAIT-IOl1.AM-OOl肌萎缩恻索硬化症肺动脉高压、肺结节病自研1期Il期BenevolefUAIBEN-8744溃疡性结肠炎自研】期C4XdisveryINDV-2000阿片类药物成痛与Indivior合作1期REC-22822型神经纤维痛病11期REC-994脑海绵体畸形自研H期RecursionREC-4881家族性腺瘤性息肉病、AXINl或APC突变型癌症Il期REC-3964艰难梭状芽胞杆菌结肠炎I期ExsciefUiaGTEXS617晚期实体痛与湃隆生物合作I/H期EXS4318炎症性疾病与BMS合作1期SGR-1505血液系统恶性肿瘤I期SchrodingerSGR-2921急性能性白血病，骨髓增生异常综合征自研I期Napcrafenib黑色素瘤买入1期ErascaERAS-007实体痛、肠道肿痛、肺癌、急性髓系白血病自研H期ERS-801复发性GBMI期1.P-300非小细胞肺癌买入I【期1.P-184复发性晚期实体痛自研1期IxintemPharma1.P-284复发性非霍奇金淋巴癌1期TTC-352ER+乳腺癌与ttcOnCOlogy合作1期Elraglusib多发性实体癌与actuate合作H期1.andosBiophcU'naNX-13溃疡性结肠炎、克罗恩病自研I期R1.Y-4008胆管癌1期pn.k1.R1.Y-5836晚期乳腺癌自研1期iciyR1.Y-2608晚期实体痛I期GDC-1971实体痛与基因泰克合作1期BioAgeBCE-105代谢和肌肉老化免建老化与礼来合作H期BGE-100自研I期NB1.-OOl癌症从Oncoheroes买入H期Notable1.absCPX-POM难治性急性髓性白血病与CicloMed创乍H期OC201+OC202e抑制癌症转移自研I期Oncocross0C514多种肌肉疾病1期0JP3101心血管疾病合作1期BPM31510多形性胶质母细胞痛11期-胰腺癌Il期BPGbio-筋状细胞癌(SCc)自研H期-大疤性表皮松解症I期-线粒体疾病,抗衰老1期BXC1.501神经性疾病自研WI期BioXcelBXC1.701肿瘤H期EVX-Ol转移性黑色素瘤与默沙东合作Il期EvaxionEVX-02辅助性黑色素癌自研1期EVX-03晚期实体癌1期GRANITE转移性微卫星稳定结直肠癌【I期GritstoneOncologyS1.ATEKRAS驱动的肿痛类型自研H期CORA1.新冠肺炎Il期HIY疫苗艾滋病与吉利德合作1期PharnextPXT3003罕见病自研IH期PXT864遗传性神经病'A1.S11期PharoSiBTPlII101急性糖系白血病、乳腺癌、卵巢癌自研I期S0M3355亨廷顿舞蹈症自研H期S0M0226TTK淀粉样变性与COrino合作H期S0M1311苯丙酮尿症H期SOMBiotarhS0M0061新冠肺炎自研H期SoM3366迟发性运动障碍1期S0M0777胶质母细胞癌与U-cellIherapeutics合作I期BDTX-1535非小细胞肺癌H期BlackDiamond自研BDTX-4933KRAS突变性NSC1.C1期IlepionCRV431非酒精性脂肪性肝炎与ContraVir合作Il期-肝细胞癌自研H期1.cosavax（AZ收购）IVX-A12免疫系统疾病自研H期IVX121免疫系统疾病I期YergeGenomicsVRG50635肌萎缩例索硬化症自研1期NimbusNDI-101150实体痛与BMS合作H期0P1.-0301心肌梗塞H期ValoHealth自研OP1.-0401非增殖性糖尿病视网膜病变H期MorphicMORF-057溃疡性结肠炎与Schrodinger合作H期GenerateBiomedicinesGB-0669C0VID-19自研1期BullfirgAIBF-222胶质母细胞癌自研1期资料来源.智药局.中国银河证券研究院临床进展方面，在全球102条获批临床的AI药物管线中，有56条推进到I期，占总数的一半多；其次为41条推进到H期，整个行业在进入临床后的推进速度还是较为可观。但临床H期至In期的管线数量出现断崖式下滑，仅5条管线进入上市前的最后验证阶段，分别是剂泰医药的MTSO04、埃格林医药的EG-007xEraSCa公司的Naporafenib.BioXCel公司的BXC1.501以及PharneXt公司的PXT3003o适应症方面，作为患者最多、最难攻克的疾病之一，癌症是众多AI制药企业首选的适应症领域。102条管线中，近一半的临床药物正在进行肿瘤、癌症相关的患者试验。也有不少企业布局了罕见病、神经系统疾病、免疫疾病等小众赛道，7条管线在肥胖和糖尿病等代谢性疾病领域进行临床试验。图18：Al药物针对适应症分布图17:Al制药公司临床管线进度资料来源：智药局，中国银河证券研究院修床刎.$（二）Al大模型应用于生产工艺提升人工智能为制药业提供了许多可能性，包括但不限于优化工艺设计和工艺控制，智能监测和维护,以及趋势监测以推动持续改进。使用人工智能来支持药品生产，可以与其他先进的生产技术一起部署,以实现预期的效益。根据FDA在