11編委信息前言從深度學(xué)習(xí)到大語(yǔ)言模型，AI的廣泛應(yīng)用已經(jīng)改變了不少前沿公司的收入結(jié)構(gòu)，成為驅(qū)動(dòng)創(chuàng)新的重要生產(chǎn)力。然而，醫(yī)療領(lǐng)域似乎與之絕緣。底層技術(shù)幾經(jīng)變革，上千家企業(yè)前赴后繼，依然無(wú)人能夠?qū)崿F(xiàn)規(guī)模化盈利。醫(yī)療領(lǐng)域是否真正存在AI需求？數(shù)據(jù)、算力、算法哪個(gè)出了問題？短期、長(zhǎng)期如何發(fā)展？商業(yè)化突破的關(guān)鍵點(diǎn)又在哪里？本篇報(bào)告中，我們篩選了10個(gè)醫(yī)療AI規(guī)模落地、落地風(fēng)格各異的科室，訪談30+醫(yī)生、40+企業(yè)進(jìn)行深度調(diào)研，從醫(yī)院、醫(yī)生、患者三個(gè)角度出發(fā)，逐一分析科室環(huán)境下AI的應(yīng)用方式、商業(yè)化情況及未來(lái)發(fā)展趨勢(shì)。以在迷霧之中覓得微光，為破局提供依據(jù)。醫(yī)療人工智能價(jià)值幾何？醫(yī)療AI發(fā)展前期存在缺乏成規(guī)模標(biāo)準(zhǔn)化醫(yī)療數(shù)據(jù)、治理后數(shù)據(jù)復(fù)用率低、醫(yī)工融合人差、應(yīng)用價(jià)值有限、部分醫(yī)院不愿為AI單獨(dú)付費(fèi)，AI企型對(duì)于數(shù)據(jù)治理的提效等，醫(yī)療AI企業(yè)有望在未來(lái)五年內(nèi)控若能突破數(shù)據(jù)這一關(guān)鍵難題，實(shí)現(xiàn)規(guī)?；臄?shù)據(jù)交易，醫(yī)療AI研發(fā)中的最大成本項(xiàng)有個(gè)科室協(xié)助的方案轉(zhuǎn)變?yōu)閱我豢剖覉?zhí)行），科室與患者對(duì)于AI的需求存在矛盾。也就 1.1“資本+政策+醫(yī)生”三向驅(qū)動(dòng)，3年內(nèi)醫(yī)療AI仍將維持高速發(fā)展 11.2價(jià)值分歧深陷：難以平衡的患者療效與科室效益 4 72.1胸外科：發(fā)跡于診斷，深根于治療 72.2心內(nèi)科：后發(fā)先至，器械銷售開啟AI商業(yè)化新路徑 2.3骨科：高度契合機(jī)器人應(yīng)用，率先實(shí)現(xiàn)AI規(guī)?；涞?2.4神外科：聚焦治療，人工智能重塑精細(xì)手術(shù) 2.5內(nèi)分泌科：盤活慢病管理，全周期賦能衍生海量健康數(shù)據(jù)價(jià)值 302.6臨床AI科室的商業(yè)化需要轉(zhuǎn)變思維 363.1醫(yī)技科-影像科：人工智能賦能最全面的科室 3.2醫(yī)技科-放療科：尋求療效最大化與損傷最小化的智慧飛躍 3.3醫(yī)技科-病理科：大模型或能重新定義病理能力 443.4醫(yī)技科-檢驗(yàn)科：多模態(tài)大模型實(shí)現(xiàn)效率質(zhì)變 3.5管理支撐－信息科：融入系統(tǒng)，不以效益為核心目的 3.6基層醫(yī)療：商業(yè)化模型轉(zhuǎn)向，政策驅(qū)動(dòng)向用戶驅(qū)動(dòng)遷移 4.1醫(yī)療數(shù)據(jù)治理的智能化迭代 4.2醫(yī)療數(shù)據(jù)的復(fù)用 4.3倫理問題下的挑戰(zhàn)與機(jī)遇 5.1深睿醫(yī)療：以多模態(tài)大模型構(gòu)建臨床全棧智能生態(tài) 745.2東軟集團(tuán)：以AI驅(qū)動(dòng)醫(yī)療數(shù)智化轉(zhuǎn)型，引領(lǐng)行業(yè)價(jià)值落地 5.3京東健康：底層大模型升級(jí)，京醫(yī)千詢2.0深入循證專病場(chǎng)景 5.4水木金昇：AI助力醫(yī)療器械科研轉(zhuǎn)化，解決產(chǎn)業(yè)化難題 785.5悅唯醫(yī)療：洞悉臨床需求，打造首款SYNTAX智能評(píng)分系統(tǒng) 5.6聯(lián)影智能：打造新一代原生AIPACS 815.7訊飛醫(yī)療：率先將醫(yī)療大模型引入?？祁I(lǐng)域，聯(lián)合安貞推出心血管大模型 825.8北電數(shù)智：AI驅(qū)動(dòng)醫(yī)療數(shù)智化新范式 5.9伽奈維醫(yī)療：以AI賦能腫瘤微創(chuàng)，已實(shí)現(xiàn)規(guī)模化商業(yè)落地 865.10西門子醫(yī)療-全球資源助力，AI影像深耕疾病診療一體化 87圖表目錄圖表12025年上半年醫(yī)院參與開發(fā)的專科大模型 2圖表2人工智能在醫(yī)療領(lǐng)域細(xì)分場(chǎng)景應(yīng)用全景 3圖表3胸外科門診情況及人工智能分布 7 圖表4AI穿刺的價(jià)值 9圖表5AI-3D建模工具與傳統(tǒng)2D建模工具在耗時(shí)與準(zhǔn)確率上的對(duì)比 11 圖表6胸外科各環(huán)節(jié)AI服務(wù)商 圖表7心內(nèi)科工作全流程 圖表8介入治療場(chǎng)景中的人工智能應(yīng)用對(duì)比 圖表9心內(nèi)科各應(yīng)用場(chǎng)景AI服務(wù)商 圖表10骨科常見疾病類型及治療方案 圖表11骨科臨床醫(yī)生日常工作拆分 圖表12骨科醫(yī)生主要工作環(huán)節(jié)的難度及耗時(shí)程度 20圖表13骨科應(yīng)用場(chǎng)景AI產(chǎn)品服務(wù)商圖譜 圖表14骨科各AI產(chǎn)品價(jià)值量化情況 24圖表15骨科在疾病治療板塊的熱門應(yīng)用對(duì)多方的價(jià)值分析 25圖表16神經(jīng)外科常見疾病分類 圖表17神外疾病治療板塊的部分AI應(yīng)用 圖表18神經(jīng)外科各AI產(chǎn)品價(jià)值量化情況 圖表19神經(jīng)外科應(yīng)用場(chǎng)景AI產(chǎn)品服務(wù)商圖譜 圖表20內(nèi)分泌科常見就診疾病及就診量占比 圖表21AI在糖尿病管理的各環(huán)節(jié)中的應(yīng)用與價(jià)值 31圖表22內(nèi)分泌科場(chǎng)景中數(shù)字化慢病管理服務(wù)商 圖表23企業(yè)獲第三類醫(yī)療器械注冊(cè)證的影像科輔助診斷應(yīng)用分布情況 38 圖表24放療科工作全流程 40圖表25基于大模型的在線ART算法 42 圖表26放療科AI應(yīng)用服務(wù)商 42圖表27病理科各項(xiàng)檢驗(yàn)的對(duì)比 圖表28病理科醫(yī)生工作內(nèi)容及耗時(shí)占比 45圖表29病理檢驗(yàn)制片各環(huán)節(jié)中的自動(dòng)化與AI應(yīng)用現(xiàn)狀 46圖表30病理科AI輔助診斷軟件服務(wù)商 46圖表31病理數(shù)字化場(chǎng)景應(yīng)用的產(chǎn)品獲證情況 47圖表32判別式和生成式AI的對(duì)比 48圖表33該研究團(tuán)隊(duì)自研大模型展示基因突變空間分布 49圖表34檢驗(yàn)科各類檢驗(yàn)的對(duì)比 圖表35檢驗(yàn)科應(yīng)用場(chǎng)景AI產(chǎn)品服務(wù)商 圖表36檢驗(yàn)科各類型檢驗(yàn)的自動(dòng)化和AI應(yīng)用情況對(duì)比 圖表372011—2024年高等級(jí)電子病歷評(píng)級(jí)通過趨勢(shì) 55圖表38與評(píng)級(jí)相關(guān)的人工智能指標(biāo)匯總 圖表39基層醫(yī)療需求拆解 圖表40基層場(chǎng)景AI應(yīng)用服務(wù)商 圖表41數(shù)據(jù)集建設(shè)難點(diǎn) 圖表42數(shù)據(jù)要素的重要性 圖表43以東軟飛標(biāo)醫(yī)學(xué)影像標(biāo)注平臺(tái)為例的醫(yī)學(xué)影像標(biāo)準(zhǔn)平臺(tái)解決方案 66圖表44部分上架線上交易所的健康數(shù)據(jù)交易標(biāo)的 68圖表45醫(yī)保行業(yè)的可信數(shù)據(jù)空間 圖表46北芯數(shù)智紅湖醫(yī)療可信數(shù)據(jù)空間架構(gòu) 圖表47深睿醫(yī)療智慧醫(yī)院新生態(tài) 圖表48東軟添翼醫(yī)療健康智能化全系解決方案2.0架構(gòu) 圖表49京醫(yī)千詢2.0升級(jí)詳情 圖表50水木金昇合規(guī)SaaS服務(wù)平臺(tái)界面 圖表51悅唯醫(yī)療產(chǎn)品矩陣，打造重癥冠心病整體解決方案 80 圖表52聯(lián)影智能AIPACS 圖表53訊飛醫(yī)療星火醫(yī)療大模型能力平臺(tái) 83圖表54北電數(shù)智AI醫(yī)療解決方案 圖表55伽奈維牽星?GNV-F1CT介入手術(shù)導(dǎo)航定位系統(tǒng)及各類診療方案 87圖表56西門子醫(yī)療影像后處理平臺(tái)syngo.via 1第一章：醫(yī)療人工智能，困在價(jià)值分歧里龐大且增長(zhǎng)的市場(chǎng)不僅吸引了更多創(chuàng)業(yè)者，亦將帶動(dòng)大量醫(yī)生進(jìn)入AI的科學(xué)研究2圖表12025年上半年醫(yī)院參與開發(fā)的專科大模型3圖表2人工智能在醫(yī)療領(lǐng)域細(xì)分場(chǎng)景應(yīng)用全景），4）：），3.自主學(xué)習(xí)（中立）：模型學(xué)習(xí)醫(yī)生習(xí)慣后可在醫(yī)生再次使用時(shí)進(jìn)行個(gè)性化設(shè)置（尤52.患者支付（反向）：部分流程優(yōu)化降低了患者的治療時(shí)間及治療花費(fèi)，但可能因?yàn)閺纳鲜龇治隹梢钥闯?，配置AI后的短期時(shí)間中醫(yī)院和醫(yī)生大部分情況下利益不一致，入科室，逐一分析具體臨床環(huán)境下的AI應(yīng)用與商業(yè)化進(jìn)7第二章：臨床?？迫斯ぶ悄埽夯颊攉@益顯著，若無(wú)政策支持，需在院外場(chǎng)景探索支付方圖表3胸外科門診情況及人工智能分布8之路已成為一種AI賦能科室的范式。在后續(xù)外科科室的數(shù)智化賦能之中，我們都能或），9肺小結(jié)節(jié)術(shù)前輔助定位技術(shù)中國(guó)專家共識(shí)（2025版）圖表4AI穿刺的價(jià)值圖表5AI-3D建模工具與傳統(tǒng)2D建模工具在耗時(shí)與準(zhǔn)確率上的對(duì)比型準(zhǔn)確度精度高。食管外科/普外科在早期食管癌診斷方面有企業(yè)研發(fā)了基于內(nèi)鏡的AI圖表6胸外科各環(huán)節(jié)AI服務(wù)商圖表7心內(nèi)科工作全流程秒級(jí)響應(yīng)。AI可在數(shù)據(jù)上傳后數(shù)秒內(nèi)完成心電圖分析，自動(dòng)識(shí)別房顫、心梗、早搏等校驗(yàn)采集質(zhì)量減少無(wú)效數(shù)據(jù)傳輸與重復(fù)診斷，圖表8介入治療場(chǎng)景中的人工智能應(yīng)用對(duì)比圖表9心內(nèi)科各應(yīng)用場(chǎng)景AI服務(wù)商現(xiàn)階段醫(yī)保支付體系很少專門為AI立項(xiàng)，僅部分城市對(duì)個(gè)別項(xiàng)目制定了相應(yīng)報(bào)銷政策不過在本次調(diào)研的醫(yī)生看來(lái)，心臟相關(guān)AI依然存在以下商業(yè)的可能。圖表10骨科常見疾病類型及治療方案為更好地探究骨科醫(yī)生在臨床工作中AI的應(yīng)用現(xiàn)狀，我們將圖表11骨科臨床醫(yī)生日常工作拆分圖表12骨科醫(yī)生主要工作環(huán)節(jié)的難度及耗時(shí)程度著AI的深入融合，行業(yè)也出現(xiàn)了新的解決方案，如巴科斯生物醫(yī)學(xué)的研發(fā)創(chuàng)新就是將AI技術(shù)融入服務(wù)全流程，不僅在提升建模效率、縮短制造周期中深入應(yīng)用，更是將AI圖表13骨科應(yīng)用場(chǎng)景AI產(chǎn)品服務(wù)商圖譜圖表14骨科各AI產(chǎn)品價(jià)值量化情況圖表15骨科在疾病治療板塊的熱門應(yīng)用對(duì)多方的價(jià)值分析建模及打印的AI產(chǎn)品輔助下得到明顯時(shí)間和難度上的緩解；后者屬于臨床醫(yī)生的共性有不少信息化廠商開發(fā)了相關(guān)AI小插件助力醫(yī)生減輕該板塊的工作量及難度，其圖表16神經(jīng)外科常見疾病分類臨床反饋總體較為積極，尤其是AI手術(shù)入路的設(shè)計(jì)，調(diào)研訪談被臨床專家認(rèn)為能輔助判斷手術(shù)存在的風(fēng)險(xiǎn)并給出相應(yīng)的風(fēng)險(xiǎn)規(guī)避方案。例如，西門子醫(yī)療中國(guó)團(tuán)隊(duì)研發(fā)的影像以逼真的三維形式呈現(xiàn)，為臨床教學(xué)、術(shù)前規(guī)劃與患者溝通提供沉浸式體驗(yàn)。其高圖表17神外疾病治療板塊的部分AI應(yīng)用手術(shù)定位相關(guān)的AI應(yīng)用在神外有較高的使用率并在縮短手術(shù)時(shí)間方面，展現(xiàn)出優(yōu)圖表18神經(jīng)外科各AI產(chǎn)品價(jià)值量化情況圖表19神經(jīng)外科應(yīng)用場(chǎng)景AI產(chǎn)品服務(wù)商圖譜圖表20內(nèi)分泌科常見就診疾病及就診量占比圖表21AI在糖尿病管理的各環(huán)節(jié)中的應(yīng)用與價(jià)值相較之下，訓(xùn)練有素的AI應(yīng)用不僅可以以內(nèi)分泌科最為主要的糖尿病及目前最為熱門的肥胖管理為圖表22內(nèi)分泌科場(chǎng)景中數(shù)字化慢病管理服務(wù)商上述企業(yè)的聯(lián)動(dòng)使得醫(yī)療AI完成了各個(gè)科室各個(gè)場(chǎng)景的覆蓋其是部分臨床醫(yī)生不愿分享數(shù)據(jù)）難以開發(fā)的應(yīng)用，推動(dòng)醫(yī)院成為醫(yī)療AI應(yīng)用開發(fā)的目前，已有不少企業(yè)通過與醫(yī)院的開發(fā)收獲了階段性成果。例如悅唯醫(yī)療研發(fā)的伽奈維醫(yī)療則與浙江大學(xué)醫(yī)學(xué)院附屬第一醫(yī)院超聲醫(yī)學(xué)科團(tuán)隊(duì)組成的醫(yī)工交叉研發(fā)團(tuán)今年9月發(fā)布了醫(yī)千詢2.0，破解了AI缺乏可解釋性的共識(shí)問題，推動(dòng)大第三章：臨床支撐人工智能：醫(yī)技落地模式成熟，信息需與系統(tǒng)深度融合圖表23企業(yè)獲第三類醫(yī)療器械注冊(cè)證的影像科輔助診斷應(yīng)用分布情況評(píng)數(shù)據(jù)庫(kù)開展人工智能醫(yī)療器械性能評(píng)價(jià)要求；還聯(lián)影智能元智醫(yī)療影像大模型使用數(shù)千萬(wàn)級(jí)醫(yī)療影像數(shù)據(jù)和數(shù)十萬(wàn)級(jí)醫(yī)療級(jí)高質(zhì)量標(biāo)圖表24放療科工作全流程傳統(tǒng)的手工靶區(qū)與危及器官勾畫耗時(shí)冗長(zhǎng)且存在主觀差異：通常情況下，人工勾畫需放療計(jì)劃設(shè)計(jì)是平衡腫瘤劑量與器官保護(hù)的復(fù)雜優(yōu)化過程現(xiàn)階段AI是實(shí)現(xiàn)這一愿景的核心，它能將圖表25基于大模型的在線ART算法圖表26放療科AI應(yīng)用服務(wù)商尤其適合大分割放療等對(duì)位置要求高的場(chǎng)景。它能有效降低技師因疲勞或疏忽導(dǎo)為治療精度與個(gè)體化提供技術(shù)儲(chǔ)備。盡管自適應(yīng)放療和療效預(yù)測(cè)尚未規(guī)?；涞兀Ｐ头夯芰Σ蛔?、數(shù)據(jù)質(zhì)量參差、倫理與免疫組織化學(xué)和特殊染色技術(shù)，冷凍切片僅用于術(shù)中快速檢驗(yàn)指導(dǎo)手術(shù)方案，而后兩者圖表27病理科各項(xiàng)檢驗(yàn)的對(duì)比圖表28病理科醫(yī)生工作內(nèi)容及耗時(shí)占比圖表29病理檢驗(yàn)制片各環(huán)節(jié)中的自動(dòng)化與AI應(yīng)用現(xiàn)狀圖表30病理科AI輔助診斷軟件服務(wù)商圖表31病理數(shù)字化場(chǎng)景應(yīng)用的產(chǎn)品獲證情況在醫(yī)療場(chǎng)景中，宮頸癌輔助診斷AI主要解決的是醫(yī)療資源供應(yīng)問題。我國(guó)病理師缺口還需要判斷類型，這類診斷對(duì)AI的要求屬于生成式類型，學(xué)習(xí)聯(lián)合概率，這對(duì)AI訓(xùn)練的數(shù)據(jù)量和算法都提出了更高的要求，再加上組織病理作為腫圖表32判別式和生成式AI的對(duì)比型擁有極強(qiáng)的泛化能力能夠識(shí)別并處理這些圖像。病理大模型通常是與頭部教學(xué)醫(yī)院共究被《柳葉刀.腫瘤》收錄。該團(tuán)隊(duì)借助大模型建立病理圖像特征與基因突變之間的聯(lián)圖表33該研究團(tuán)隊(duì)自研大模型展示基因突變空間分布盡管存在上述優(yōu)勢(shì)，檢驗(yàn)科AI產(chǎn)品的商業(yè)化仍相對(duì)滯后。其中一個(gè)關(guān)鍵限速圖表34檢驗(yàn)科各類檢驗(yàn)的對(duì)比圖表36檢驗(yàn)科各類型檢驗(yàn)的自動(dòng)化和AI應(yīng)用情況對(duì)比相較于臨床科室，信息科涉及AI價(jià)值的考察比較困難。一方面，不同等級(jí)醫(yī)院的用戶數(shù)量、醫(yī)生能力、運(yùn)營(yíng)發(fā)展方向不同，對(duì)于AI需求的側(cè)重點(diǎn)不同。信息科作為成本部）， 算結(jié)果復(fù)制出來(lái)并錄入報(bào)告系統(tǒng)。換句話說醫(yī)生在實(shí)際使用中常常需要在多個(gè)AI頁(yè)面集、生成文本使用的技術(shù)和最終的準(zhǔn)確度存在差異，整研究?jī)r(jià)值、產(chǎn)出AI-Ready的數(shù)據(jù)、無(wú)代碼自助式開發(fā)創(chuàng)新的算法模型、建立專屬的科圖表372011—2024年高等級(jí)電子病歷評(píng)級(jí)通過趨勢(shì)圖表38與評(píng)級(jí)相關(guān)的人工智能指標(biāo)匯總），基層醫(yī)療是現(xiàn)階段AI賦能下少有的機(jī)構(gòu)圖表39基層醫(yī)療需求拆解不同于等級(jí)醫(yī)院追求?？苹€(gè)性化的方案設(shè)計(jì)邏輯，基層醫(yī)療AI圖表40基層場(chǎng)景AI應(yīng)用服務(wù)商醫(yī)療AI大模型，用以解決慢病、小病診療需求，為基層診療提供智基層醫(yī)療AI的商業(yè)化之所以能率先突破，是我國(guó)醫(yī)療體系轉(zhuǎn)型、技術(shù)創(chuàng)新迭代與市場(chǎng)第四章數(shù)據(jù)資產(chǎn)化：暗藏醫(yī)療AI可持續(xù)增長(zhǎng)的破局路徑圖表41數(shù)據(jù)集建設(shè)難點(diǎn)圖表42數(shù)據(jù)要素的重要性過程存在大量重復(fù)工作，理論上可以構(gòu)造特圖表43以東軟飛標(biāo)醫(yī)學(xué)影像標(biāo)注平臺(tái)為例的醫(yī)學(xué)影像標(biāo)準(zhǔn)平臺(tái)解決方案險(xiǎn)、驗(yàn)證/確認(rèn)、上市后變更等活動(dòng)，連接為可追溯、可審計(jì)的閉環(huán)，顯著降低企業(yè)在圖表44部分上架線上交易所的健康數(shù)據(jù)交易標(biāo)的門信息再利用條例》規(guī)定范圍的數(shù)據(jù)再利用設(shè)置收?qǐng)D表45醫(yī)保行業(yè)的可信數(shù)據(jù)空間在醫(yī)療場(chǎng)景中的數(shù)據(jù)治理方面，紅湖可信數(shù)圖表46北芯數(shù)智紅湖醫(yī)療可信數(shù)據(jù)空間架構(gòu)了系統(tǒng)的擴(kuò)展性和容錯(cuò)能力。通過這種體系化建設(shè)模式，打造了這些數(shù)據(jù)完全歸屬于廠商自己，他們不需要處理第五章企業(yè)案例圖表47深睿醫(yī)療智慧醫(yī)院新生態(tài)技進(jìn)步獎(jiǎng)二等獎(jiǎng)及山東、河南、浙江、重慶等多個(gè)圖表48東軟添翼醫(yī)療健康智能化全系解決方案2.0架構(gòu)六大特性，其AI能力源于高質(zhì)量數(shù)據(jù)、實(shí)現(xiàn)業(yè)務(wù)無(wú)感融合、具備持續(xù)創(chuàng)新與生是國(guó)家醫(yī)療數(shù)據(jù)要素化的標(biāo)桿。在科研轉(zhuǎn)化方面，東軟已助力客戶行業(yè)頂尖的大數(shù)據(jù)與人工智能能力賦能精準(zhǔn)診療圖表49京醫(yī)千詢2.0升級(jí)詳情（循證數(shù)據(jù)、臨床病歷、醫(yī)患交互仿真引擎；全科醫(yī)生、專科醫(yī)生、健康A(chǔ)gent、影像模型）破解了AI缺乏可解釋性的共識(shí)問題，也由此從全科領(lǐng)域的咨詢服務(wù)，進(jìn)入到更基于國(guó)家呼吸系統(tǒng)疾病臨床醫(yī)學(xué)研究中心等機(jī)構(gòu)的周期線上醫(yī)療服務(wù)、全供應(yīng)鏈整合能力及大模型技源鏈接及底層平臺(tái)技術(shù)賦能的使命。未來(lái)，京東健康將繼續(xù)聚焦核心問題，持續(xù)推進(jìn)基于該使命，水木醫(yī)療成立了系列子公司精準(zhǔn)服務(wù)全鏈條各環(huán)節(jié)。2023年，水木金昇的組合，減少重復(fù)勞動(dòng)與人為差錯(cuò)，幫助中小創(chuàng)新團(tuán)隊(duì)用更低成本達(dá)成與頭部企業(yè)同等的合規(guī)與質(zhì)量管理能力；同時(shí)為監(jiān)管溝通提供可檢查、可復(fù)用的結(jié)構(gòu)化證據(jù)，提升創(chuàng)新圖表50水木金昇合規(guī)SaaS服務(wù)平臺(tái)界面切實(shí)解決了行業(yè)從研發(fā)到生產(chǎn)的關(guān)鍵瓶頸、打通主要限速環(huán)節(jié)；運(yùn)用AI縮短創(chuàng)新醫(yī)療圖表5