发布于: 修改于:雪球转发:0回复:5喜欢:4

$润达医疗(SH603108)$ 类似于金桥信息(司法、催债)的垂直细分领域垄断者(医疗AI诊断),3年10倍。转发:申万 润达医疗2023.3.14

主业有几个预期差,分类上分为商业企业,但公司与传统配送商代理商还是有很大区别,公司有非常大的维修工程师团队,信息化软件团队。公司更像是医院的管家,提供试剂采购服务。

IVD行业的增速比试剂行业更高,公司的毛利率、净利率高于所有的同业公司。未来几年增速的中枢明显更高,市场给予公司商业企业估值不合理。公司能力是非常宽的,积累了丰富的资源,这几年在工业产品上的增速非常显著。现在工业板块已经有了非常客观的利润。

AI软件产品是会诊,经历了十余年的数据积累,数据壁垒看起来非常好,能够打造好这个产品。低估值不合理。

公司的AI诊断案例有几十个医院了。公司是专注于检验领域的公司,深耕了20多年,服务公立医院检验科,让客户低成本高质量拿到检验数据。客户低质量高成本拿到检验数据,公司提供了很多服务,公司3000多名人员,其中在这个方向投入了500多个工程师,400多个市场培训。最开始我们也想通过人来提供这个服务,后来发现依靠人力无法标准化,智能化,正好公司创始人是软件工程出身的,思维里有IT的基因,后来做服务过程中很多服务的难点都通过软件来作为管理载体,人作为辅助功能,这样就把医院业务标准化,可复制化了。

我们发现中国医院现状是很多检验报告看不懂,不知道如何看检验报告单,后来就请专家培训,发现效果很差。所以我们的AI团队在13、14年就在这个方向做一些尝试,跟专家合作,一起开发通用型算法模型(去年推出),现在能覆盖4000多种项目,1000多种疾病。

目前客户认可度还是蛮高的,在全国装了49家三家医院了,医疗临床评价很高,后面我们会利用集团渠道,给产品做赋能,更快推向市场。

我们的业绩与医院息息相关,过去3年医院不好过,所以我们22年是最难的一年,占比超过60%的华东地区业务受到重创,业务刚性,疫情放开后恢复快。

我们花了非常多时间来训练,这个模型不是专项模型,而是全科模型,需要用多项检测指标共同训练。因为单项检验数据很多时间无法出具诊断意见,单个学科根本不行,必须要全院所有科室共同合作。

我们的沟通层次也很高,都是与院长级别领导沟通,不是小公司能做的。

 $金桥信息(SH603918)$ $恒信东方(SZ300081)$

全部讨论

2023-06-08 22:58

其实Ai早就在阅读CT上应用了,能读出看不到的结节,防止医生漏看

Q:三甲医院用我们系统会产生哪些效用?
A:提升诊断效率,三甲医院分科太细,而且三甲医院也有很多年轻医生。
患者端的功能是三甲医院非常喜欢的,因为有知识性解释,还可以帮医院做分诊引导。同时可以提升医院收入,因为医院在做DRG,为了提升医院收入,就需要把患者疾病搞清楚,如果患者有多种疾病,就可以写多种疾病,提高适应症DMS系数。
全周期服务是公司功能的延伸,智慧检测是入口,然后全周期服务是延伸,可以用第三方平台来运营,我们来收费。
Q:数据所有权是各家医院的?使用医院获利,这些医院的好处在哪里?
A:是的。数据不是越多越好,现在已经够用了,很多县医院的诊断数据不好,我们也不需要更多数据了。我们使用我们的模型来做验证,数据权利跟他们认可过了,发论文大家都有研究合作成果。大家都也认可我们的做法,学术界需要研究成果,工业界需要产品。
Q:会检产品的进展?
A:结合了影像、化验结果等多维度数据形成了患者画像,形成千人千面的诊断能力,医院会很愿意买我们的服务。
互联网医院的推送转化率千分之一,我们的公立医院公众号精准推送产品接收率16%,转化率10%以上。互联网医院的推送基本上跟接收者没有什么关系,所以转化率很低,而我们每一条的推送都与患者相关,可以做到千人千面的推送。
Q:系统开发的过程?如何做知识图谱?如何做算法的迭代?如何进行数据标注?
A:知识图谱进行人工机器结合,有手工的也有机器做的。影像标注都是人标注的,检验结果都是化验直接生成的结果,不需要标准。所以我们的训练没有太多的标注过程,所以我们只是需要考虑如何挑选数据,如何设置观测窗这些问题。我们的产品与病理AI诊断不太一样。
Q:国家政策在检验科自动诊断上是什么态度?
A:检验科有ISO 15189,国际标准,早就有,只是大家没做到。人工智能技术对各科室都适合,在电子病历5-6级里有检验高级知识库,这个标准就适合我们。我们希望在行业里形成共识,这个月底有文章投稿。
Q:团队的背景?现在40人左右是否有压力?
A:chatgpt的团队只有87人,我们的团队里面大部分都是IT人员,一部分后端,一部分前段,5个医生背景的人。这么多年都是筛选的能够独挡一边的人,从来不画设计图,因为有时间画设计图,代码都写完了。今年大规模商业化。

Q:现在针对1000多种疾病已经有80%多的准确度了,后续还会更高,模型持续升级如何实施?
A:检验报告解释方法有两种,第一种是基于医学知识的解释;然后基于数据推理的解释是有概率的,所以我们的AI有的病例是100%准,有的是80%准确。
对于数据模型,我们会针对医院不同疾病来优化模型,提高准确率。比如长海医院是泌尿外科强一些,然后中山医院是肝胆外科强一些,所以我们进入不同医院医院以后,针对医院数据进行模型优化,就会提升模型效果。
然后我们还在推广一个新系统,不止是读检验数据,还会去读患者以往的数据,去对患者病情进行预测。在多维度数据做到软硬一体,针对不同医院不同地区训练不同模型,做到千人千面。根据不同地域不同人群做出不同的判断,未来我们会做更加智能化的系统,会学习医院所有的经验。具体的技术路线有的,预计完成的时间也不会很远。
Q:模型原理?
A:我们叫做多维度数据,在通用的检验报告解读里使用通用模型判别,这样就导致有的准有的不准。第二个我们升级的模块就是专病模块,就提高了准确了。我们在做的第三层,就是现在正在开发的,读取医院里所有的病例数据。Y= F(x),这个模型可能是逻辑回归、也可能是SVM支持向量机,也可能是神经网络。我们有一套方法来遍历大量可选模型,然后选择其中最有效果的模型来建模。
Q:我们是否考虑使用大模型?
A:你们可能对这个东西有误解,我们的系统不是为了生成文本,而是为了诊断疾病,所以我们也不需要那个大模型。
Q:需要多少数据量才能做成这个系统?
A:小模型来说,训练数据量是参数量的10倍才能做好这个模型。大概需要几十万人的数据。比如一个血常规的化验单里面有几十个参数。我们训练里使用到的病例数据大概有400-500万人次。
我们的模型不是用检验数据训练出来的,Y=F(x),Y是病例病种,x是其所有的检查结果和用药。
模型不是用病历数据做的,因为病历里面的数据有大量的错误。

2023-06-26 15:29

非常有潜力

Q:80%准确率PK什么级别医院?
A:风湿化验指标大多数医生都看不懂,但我们看的懂,虽然不能指导专家,但我们能够PK所有中级以上的医生,这个不能对外讲,但我们论文验证过了。因为医生不是全科,但我们的诊断能力全面。大专家是这样的,小医院就更不用讲了。
Q:产品价格?
A:100-300万之间单套系统(平均150万一套)。产品22年才推广,所以22年还是亏损状态,23年如果能装100多家(3亿收入),应该是可以盈利的,后面随着使用量增长,摊薄人员成本,利润率会上升。团队没那么贵,单人薪资成本远不到100万。22年装了十几家,亏损700万。
预计稳态下,毛利率70%-80%,净利率30%-40%。
2年内我们是躺着卖的,没有竞争对手,2年后不好说。
Q:市场上是否有竞争对手?
A:现在没有看到。雅培要帮我们卖到中东去,现在还没有宣布。