临床诊疗智能辅助应用平台项目可行性研究报告
思瀚产业研究院 医药软件    2025-07-18

本项目计划构建一个内容丰富且数据完善的疾病诊疗教育知识库，并借助人工智能 AI 模型搭建知识图谱，最终开发构建临床诊疗智能辅助应用平台，在此基础上针对临床诊疗过程中专业人员的实际工作需求，开发各类应用系统产品，如：检索类知识库产品、病历质控类产品、疾病风险预警诊疗系统、临床决策类产品、专病科研平台等，为临床医疗人员推荐诊疗参考方案，提供临床诊疗辅助决策支持。项目实施主体为四川美康医药软件研究开发股份有限公司。

项目将在拟购买获得的房产中实施建设，通过购置一系列先进软硬件设备设施，实现临床诊疗智能辅助应用平台的开发落地。项目预计总投资 19,327.24 万元，计划投资期跨度 36 个月，拟采用募集资金 19,327.24 万元进行投资。

项目总投资中，房屋购置与装修投资 6,125.00 万元，设备购置及安装投资 1,773.98 万元，云资源租赁费 1,182.80 万元，研发费用投资 9,273.00 万元，铺底补充流动资金投资 700.00 万元，预备费投资 272.46 万元。

2、项目建设必要性

（1）专业要求高且细分的医疗行业，需要由高质量数据集构成的专业知识库，来助力 AI 大模型的本地化应用落地

我国从信息化时代，过渡到“互联网+”，再到现在的“AI+”。人工智能从 OpenAI 开发的 Chat-GPT通用大模型开始，到现在国内应用广泛的 DeepSeek、Qwen 系列开源模型，已经分化出适合各行业专用且高效的 AI 应用模型。具体到医疗行业，2025 年以来，国内医院、医保局陆续将 DeepSeek 等 AI 模型进行本地化部署，如：四川省人民医院、深圳医保局等。但如 DeepSeek 等大模型用于医院真实场景，仍然在“医疗决策结果内容的精简性与准确性”、“按诊疗规则进行复杂的逻辑推理”、“医学领域的专业知识库”等方面存在不足。

其中，“医学领域的专业知识库”储备不足，对于特定疾病的诊断标准、最新的治疗方案等问题，AI 模型可能无法提供完全准确或时效性强的信息，影响临床决策的可信度。当前公司在医药学领域积累了海量的专业语料，涵盖疾病诊疗知识库、药品知识库、临床数据等多维度内容。

公司正在构建的“疾病诊断知识库”含有约 880 余篇专业疾病诊疗用的论文知识数据，覆盖了医院常见的 22 个科室。

为了实现能高效且全面的对医院各科室常见疾病诊疗的辅助治疗，还需要对“疾病诊断知识库”的精度与深度，进行大规模的完善。本项目将继续扩大疾病诊疗知识库/疾病教育知识库规模，拟新增超 2,200 篇专业疾病诊疗用的论文知识数据。

（2）人工智能技术赋能医学类新产品，与在售药学类产品相辅相成，以“药学+医学”产品合力提升整体综合竞争力

随着医学诊疗技术的快速发展和相关信息的快速更新，医疗人员在临床工作中获取所需专业信息，以及辅助临床诊疗决策的需求与日俱增。因此，建设一个内容丰富、实用性强、时效性快且使用便捷的临床诊疗智能辅助应用平台，对各层级医疗机构、各专业技术等级医疗人员而言，都具有较强的实际需求和使用价值。

临床诊疗智能辅助应用平台，主要为临床医生、药师、护士等医疗人员提供检索类知识库产品、病历质控类产品、疾病风险预警诊疗系统、临床决策类产品、专病科研平台等。

本项目产品以医学、药学专业知识库为数据基础，以信息化应用的数据关系构建医药知识图谱，并结合 AI 技术，将智能化的决策支持手段与临床实践中患者病史、检验/检查结果、用药史等信息深度融合，从而为专业人员在临床诊疗全流程中，提供一系列实时、个性化的辅助决策工具，创新性地促进与实现临床诊疗行为的高效与合理。

因此综合研判后，公司选择以临床诊疗智能辅助应用平台为战略新布局点。在智慧药学领域之外，横向拓展医学领域的新产品谱系，以“药学+医学”产品组合，大幅提升公司产品在客户端的使用频次，增强客户对公司产品的粘性，为公司创造新的营收增长点。

（3）购置自有办公场地，解决当前办公场所利用饱和及消除办公租赁带来的潜在不稳定风险

公司在前期的发展过程中，主要将更多资金和资源投向产品研发、市场开拓等核心环节，以相对“轻资产”模式开展运营，公司办公场所全部以租赁的方式解决。当前，公司租赁的办公场地已被完全规划使用。

一方面，本项目的实施将新增数据库编辑人员、软件开发人员，需要新增办公场地，且当前没有剩余空间为新机房安装提供支撑；另一方面，租赁场地虽有租赁协议约定合约各方，但仍存在被收回的风险。因此购置自有办公场地，将从根本上解决当前办公场所租赁带来的不确定性风险，为员工营造优良的工作环境，提高员工的企业满意度和忠诚度，留住和吸引优秀人才。

3、项目建设的可行性

（1）公司储备了项目所需的自然语言处理技术（NLP）、机器学习算法、数据挖掘等前沿人工智能技术

公司的技术团队，致力于研究和应用最新的自然语言处理技术、机器学习算法和数据挖掘技术，确保公司能够在快速发展的医疗信息化市场中保持竞争力。公司技术团队开发的 NLP 模型能够实现医疗文本的精准解析和自然语言生成，支持医学文档的自动摘要，支持临床诊疗智能辅助平台的精准决策支持，有效提升医院信息系统的智能化水平。

在机器学习和数据挖掘方面，公司技术团队利用逻辑回归、支持向量机（SVM）、随机森林、XGBoost、深度神经网络（DNN）、卷积神经网络（CNN）、长短时记忆网络（LSTM）、BERT、模拟学习（蒙特卡洛方法）等模型进行疾病预测和精准用药预测；

此外，技术团队利用无监督学习技术如 K-means 聚类和主成分分析（PCA）进行患者分群和降维分析，使用半监督学习技术，如：自训练和多视角训练，在标注数据有限的情况下提升模型性能。

（2）公司初具规模的知识库与科学的编辑体系，海量的专业数据语料，为项目底层内容与知识图谱逻辑搭建奠定了基础

当前，公司已有一定规模的疾病诊疗知识库，约 880 余篇专业疾病诊疗用的论文知识数据，覆盖了医院常见的 22 个科室。公司通过当前较为成熟的智慧药学类产品，积累并形成了完善的知识库内容编辑体系。

公司在医药学领域积累了海量的专业语料，涵盖疾病诊疗知识库、药品知识库、临床数据等多维度内容，为知识图谱的构建提供了丰富且高质量的数据基础。公司知识图谱技术不仅支持文本数据的处理，还能对多种格式的医学文献和临床数据进行精准解析，较大地丰富了知识的表达形式和应用场景。

目前，公司已成功将知识图谱技术应用于疾病诊疗、辅助诊断、AI 问答等等多个方面，有效支持了业务的创新和发展。因此，当前初具规模的知识库与科学的编辑体系，海量的专业数据语料，为项目底层内容的持续丰富，以及知识图谱逻辑搭建奠定好了基础。

（3）借助公司完善的自有营销网络和丰富客户资源，主动挖掘与引导客户需求，助力项目产品销售

公司市场营销架构完善，形成了售前、售中、售后的完整客户服务体系，在成都、北京、广州、上海、杭州、呼和浩特、合肥等地建立了销售网点，针对性的开拓当地市场客户。凭借覆盖面广的营销服务网络，公司目前已在全国范围内开拓了数千家医院，和超过 300 家的HIS 和 EMR 供应商成为合作伙伴；

并与国家卫生计生委合理用药专家委员会、国家药品监督管理局药品评价中心（国家药品不良反应监测中心）、国家药品监督管理局、国家药品监督管理局药品审评中心、国家药典委员会、中国药师协会、中国医师协会等形成了良好的产品开发合作关系。借助公司完善的营销网络和丰富客户资源，公司将主动挖掘与引导客户需求，助力新产品销售。

4、项目经济效益分析

本项目预计可实现新增年均营业收入 10,855 万元，新增年均净利润 2,951.81 万元，项目内部收益率为 12.06%（税收），投资回收期 8.31 年（税后，含建设期）。本项目具有明确的市场前景，项目投资收益较好，切实可行，能够给公司带来良好回报。

此为摘取部分，完整版根据发改投资规【2023】304号国家发改委关于印发投资项目可行性研究报告编写大纲要求，可定制化编制政府立项审批备案、国资委备案、银行贷款、产业基金融资、内部董事会投资决策等用途可研报告。