AI助力药企开拓“药品+数字服务”新空间

资讯 腾讯网 作者:腾讯网 全文 2616 字 · 约 7 分钟读完 分类医疗 AI

随着人工智能技术快速迭代,加之人们对慢病管理需求的持续攀升,药企单一卖药的传统模式正在发生改变。今年以来,依托AI与大数据技术,不少药企联动互联网健康平台或搭建自有体系,探索“药品+数字服务”新模式,将业务从药品销售延伸至患者全周期健康管理。这一模式打通了药品供给和健康服务的断点,有望形成可持续的慢病...

所属频道 行业落地

随着人工智能技术快速迭代,加之人们对慢病管理需求的持续攀升,药企单一卖药的传统模式正在发生改变。今年以来,依托AI与大数据技术,不少药企联动互联网健康平台或搭建自有体系,探索“药品+数字服务”新模式,将业务从药品销售延伸至患者全周期健康管理。这一模式打通了药品供给和健康服务的断点,有望形成可持续的慢病管理闭环,为行业开辟新增长曲线。值得注意的是,尽管前景向好,药企业务转型的真正落地仍面临不少现实阻碍:数据孤岛与隐私合规要求推高治理成本,AI算法快速迭代叠加药品、数字服务监管边界模糊,带来不小的合规压力,数字服务的商业化收费模式也尚未跑通。

AI加持

药企布局“药品+数字服务”

随着人口老龄化加速和生活方式的改变,慢病管理需求正持续快速增长,与此同时,AI和大数据技术也正从“能用”迈向“好用”,加速渗透千行百业。记者观察到,今年以来,越来越多的药企开始携手互联网健康平台或自建载体,以AI为底座,打造“药品+数字服务”新模式,把业务重心从卖药延伸到患者全周期健康管理。

2026年1月,老字号企业达仁堂与腾讯健康启动战略合作。自此以后,双方合作不断深化,依托“数字运河”平台持续扩容中医药慢病数字化服务,推进近千家药店终端落地,探索老字号中药企业AI慢病服务路径。

“达仁堂本次升级,核心是从‘卖药’转向经营慢病会员、从药品供应商转型为健康赋能方。”津药达仁堂集团首席信息官叶辉在接受《经济参考报》记者专访时表示,依托由CDP(客户数据平台)、MA(营销自动化平台)、SCRM(社交客户关系管理系统)、MAGIC Agent 2.0及智能回访、AI话术等构成的完整AI体系,可完成数据标签、患者旅程编排、私域药师运营、智能人群运营等动作,并把体质辨识、养生干预、用药指导数字化,与中成药销售实现协同,打通服务闭环。

不只是达仁堂,2月28日,悦康药业与国内“AI+慢病服务”平台方舟健客签约,双方聚焦AI+慢病服务场景,推进全周期健康服务升级。5月12日,上海腾瑞制药也与方舟健客达成合作,围绕AI慢病服务、全周期健康管理,共建慢病数智服务生态,推动慢病管理走向专业化。7月15日,生物制药公司云顶新耀与京东健康签约,双方将围绕创新药首发、患者服务、数字营销、互联网医疗协同等方向展开深度合作,依托药师外呼、社群随访等数字化手段,持续跟进患者用药,提升创新药可及性与用药规范性。

还有部分企业也正在不断加码布局,提升自身的数字化能力。8月,力生制药在投资者互动平台披露,公司持续加码主动健康管理,设立控股子公司天津市三鱼数智健康科技有限公司,搭建数字化健康科技平台,布局大数据、健康咨询业务;同时依托旗下药房与社区健康驿站,探索社区场景下的增值健康服务。

“在AI时代,算力与算法并非我们的强项,因此我们将重心放在价值巨大的健康数据挖掘上。在业务版图中,‘药品+数字健康服务’通过线上平台提供数据智能能力,线下驿站承接落地干预,二者相辅相成。”力生制药证券事务部负责人刘子珑表示。

银发慢病市场扩容

药企转型开辟新增长点

通过“药品+数字服务”一体化链条,持续打通药品供给与患者健康服务之间的断层,逐步落地为可运营的慢病服务闭环,已成为医药行业新的增长方向。

在力生制药董事会秘书马霏霏看来,如今卫生健康工作正在从“以治病为中心”向“以人民健康为中心”转型,慢病长期管理、老年健康维护的市场空间不断扩容,为传统药企打开了转型新空间。

“老年慢病群体需要的不只是一片药,还有持续、易懂、可落地的健康管理陪伴,力生制药多年深耕慢病用药领域,聚焦心脑血管等刚需赛道,具备天然的场景衔接优势,能够把药品供给延伸到慢病随访、合理用药科普、健康宣教等主动健康服务链条,开辟差异化增长路径。”马霏霏表示。

达仁堂方面指出,集团布局院外慢病数字化业务并非跟风,背后是院内市场空间在收缩、合规监管趋严、旧的发展模式难以为继。这一布局将推动企业商业模式实现深层重构:从“卖药”转向“提供全周期健康服务”,最终惠及急需照护的中老年慢病群体。

达仁堂方面表示,“中医药+AI慢病管理”这个赛道在政策、市场、技术三个维度同时打开了空间。首先是政策层面,国家鼓励发展数字中医药,推进医疗卫生强基工程与分级诊疗,处方外流全面推进;其次是市场层面,达仁堂方面指出,院外药品零售规模预计从2024年的6400亿元增长至2030年的7372亿元,私域“数字运河”带来的交易机遇约为921亿元至1229亿元;最后是技术层面,慢病适合长期调理,中成药与之天然适配,而AI可以将中医“辨证论治、治未病、体质调理”的经验数字化、标准化、可复制。据透露,目前集团与腾讯健康合作的1.0模式已经跑通,并有望从心脑血管赛道复制拓展至呼吸、消化、皮肤、肌肉领域,形成“五大健康服务矩阵”。

新业务模式规模化落地

仍面临多重因素制约

AI赋能之下,药企布局“药品+数字服务”前景广阔,但落地过程中仍面临多重瓶颈与挑战:医疗数据孤岛、隐私合规约束抬高数据治理成本;AI算法持续迭代,加之药品与数字服务的分类监管边界尚不清晰,合规验证负担较重;此外,数字服务也缺乏稳定的收费路径。

在达仁堂方面看来,中医药+AI慢病管理,是院外市场最具确定性的机会之一。但其也坦言,中医药企业转型仍面临多重难点:一是存在中医药数据标准化难题,辨证缺少统一结构化标准,症状、体质、舌象难以建模,不同连锁门店的数据接入与归因口径也有待统一;二是药师服务能力配套不足,一线店员能力参差不齐,需要搭建L1至L4分级培训认证、星级评价体系并辅以AI赋能,中小连锁还存在工具打通的技术短板,门店落地执行效果容易衰减。

此外,达仁堂方面认为,患者教育方面面临的挑战突出,中老年群体数字素养有限,患者依从性依赖长期持续陪伴,同时企业必须严守内容合规以及患者数据“可用不可看”的合规底线。与此同时,新业务模式的规模化复制,还需要专职团队以及跨部门项目制的组织机制作为支撑。“谁能把这些难点做成标准,谁就能把中医药数字化变成可以复制、可以规模化的运营体系。”

马霏霏则指出,当前药店普遍面临人流量下滑的困境,力生制药充分发挥社区健康驿站的引流作用,吸引居民走进药店,通过线下驻点服务增强互动体验,基于AI持续提升专业服务能力,拉近与居民的距离,建立情感信任,培育患者黏性,以此创造经营收益。(记者 李保金)

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 蚂蚁数科Agentar医疗版正式发布 打造面向医生的一站式AI智能工作台

    在2026世界互联网大会乌镇峰会期间,蚂蚁数科正式发布Agentar医疗版,聚焦医生核心工作场景,打造集病历质控、辅助诊断、患者360视图等能力于一体的智能医疗工作台,帮助医务人员与医疗机构提升诊疗效率与服务质量,让诊疗更高效、更精准。凭借在医疗AI落地方面的创新实践,Agentar医疗版同时入选本届互联网之光博览会“

    来源 TechWeb
  2. AI阅片,补上眼病筛查短板

    科技日报记者 符晓波 上传一张眼底影像,几分钟内AI就能完成病灶识别、病变分级,并给出辅助诊断参考。相关结果交由临床医生复核确认后,一份筛查报告就此生成。 便捷的眼科诊疗体验,得....

    来源 腾讯网
  3. AI 会产生意识吗?微软高管给出否定答案并呼吁守住底线

    【TechWeb】微软人工智能业务负责人穆斯塔法·苏莱曼(Mustafa Suleyman)昨日在社交平台 X 上发表了一篇长文,明确表示当前的 AI 模型并不拥有意识,并强调人类应当让这一状态永久维持下去。苏莱曼在文中直言:“据我所知,如果开发出具有意识的 AI 在技术上是可行的,那么这样做将是不负责任的,我们不应涉

    来源 腾讯网
  4. 在座各位AI,都是“垃圾”

    AI公司还在冲刺万亿美元估值,信用评级机构已经开始泼冷水了。10月30日,据外媒披露,全球投资巨头黑石改变了对Anthropic未来信用评级的预期。此前黑石认为这家即将上市的AI公司有望在今年年底前获得投资级评级,如今却预计,即使完成IPO,Anthropic仍可能停留在被称为“垃圾级”的BB档。同一天,标普将Meta

    来源 腾讯网
  5. 「AI+医药」行业落地的“最后一公里”,藏在医院不愿提及的数据里:「医槌定因」深耕涉医法务AI及医疗数据底层

    医法交叉的团队和产品 「医槌定因」创始团队为跨学科复合背景:创始人李熙弋毕业于复旦大学临床医学肿瘤学,曾创办互联网医疗平台名医来了APP、第二意见平台「多问医生」,也是国内罕见同时拥有中医西医双临床学历的执业律师;COO李睿毕业于北京大学医学院外科系统,深耕外科教育20余年,是中国医学教育界的领军人物,也是全国知名医考

    来源 AI 行业观察
  6. 70GW“电力缺口”!美国电网、民众和AI巨头,总得有一方“让步”,天量资本开支“无法落地”

    人工智能的爆发式增长正与美国电网的物理极限发生激烈碰撞,由此产生的巨大电力缺口,正对全球科技巨头的基础设施扩张计划构成实质性威胁。需求与供给之间的严重错配意味着,市场预期的天量AI资本开支正面临“无法落地”的严峻风险,而电网、民众与科技巨头之间的博弈已进入白热化阶段。据摩根士丹利分析师Stephen Byrd的最...

    来源 腾讯网
  7. 沃顿教授谈AI冲击:管道工护士也难幸免,四种能力成关键

    沃顿商学院教授莫利克在新书《共存》中指出,大模型迭代速度远超认知,掌握 AI 使用技巧已不够。他提出四种不可替代的特质:深度专业认知、广博知识面、审美判断力和主观能动性。但更令人担忧的是学徒制的崩塌,企业和学校都需重构人才培养体系。#AI与就业#

    来源 IT之家
  8. 专家:给手术机器人装上“大脑” 远程手术走向临床新阶段

    中新网广州11月2日电 (记者 蔡敏婕)过去,手术机器人更像是医生双手的“延伸”,执行每一个指令;如今,技术发展的重心正转向为机器人装上“判断力”,让它在辅助诊断、术中血管边界识别、出血风险预警等方面主动发挥作用。 第二届南粤人工智能医学机器人论坛暨人工智能医学机器人临床应用规范化学习班暨第十三届南方泌尿论...

    来源 腾讯网
  9. AI资本开支见顶?高盛:拐点近了,AI正从“超级主题”变成“常规叙事”

    持续三年的AI超级周期叙事,或许正在悄然切换档位。高盛三位资深人士在最新一期播客对话中判断:AI资本开支的峰值增速已近在眼前,市场对AI主题的定价,已经从“只往好处想”的单边乐观转向“好坏两面都要算”的双面博弈。而与此同时,美联储的实际加息幅度很可能低于市场当前的定价预期。 录制于10月29日的这期《The Break

    来源 AI 行业观察
  10. 赛特智能李睿谈场景开放:医疗机器人覆盖300家三甲医院

    (赛特智能创始人、董事长兼CEO李睿)特约评论员 翁源2017—2018年,医疗机器人、环卫机器人还被市场视为“伪需求”,样机进了医院,也被认为只是装点门面的玩具。几年之后,赛特智能的医疗服务机器人覆盖全国超300家三甲医院、覆盖95%以上院内物资流转场景,无人清扫车综合作业效率较纯人工作业提升40%以上,还牵头编制团

    来源 腾讯网
  11. 李佳琦直播间首卖AI算力:Token登场,陈宇森做客

    (文/刘媛媛 编辑/吕栋)11月2日,观察者网获悉,今晚7点30分(11月2日),天猫双11李佳琦直播间将出现一个新面孔——Token。这是主播直播间首次开卖AI算力商品,阿里巴巴副总裁、千问办公CEO陈宇森将做客直播间。据了解,陈宇森是阿里巴巴最年轻的副总裁,与李佳琦同出生于1992年。公开资料显示,陈宇森毕业于浙江

    来源 腾讯网
  12. 算力不再是AI Agent的天花板,生态围墙才是?

    (本文作者为 硅碳变量,钛媒体经授权发布)文|硅碳变量,作者|胡一刀10月14日,豆包手机助手官方公众号发文称,《屏幕自动化操作声明协议》(SAEP,Screen Automation Execution Protocol)30天公示期已结束,平台将逐步放开第三方应用的屏幕自动化操作权限。 据公示,最新拒绝操作的应用清

    来源 腾讯网
  13. DeepSeek发布全新Agent架构 让AI指挥AI干活

    DeepSeek Harness团队在官方公众号发表技术文章《Super-agent设计探索:迈向更自主的Agent系统》,首次系统公开了其面向自主Agent的全新底层架构——Super-agent。

    来源 TechWeb
  14. OpenAI计划将数据中心更名为“AI计算园区”以应对舆论压力

    OpenAI正计划在周二中期选举后展开一场公共关系战略调整,考虑将传统意义上的“数据中心”全面更名为“AI计算园区”。这一动向旨在应对日益高涨的社会舆论压力与电力资源争议。 该公司首席全球事务官克里斯·莱恩表示,随着中期选举落幕,人工智能预计将成为2028年美国总统选举的关键议题。为此,OpenAI正酝酿一系列政策提案

    来源 AI 开发者社区
  15. 薛珍纳谈AI与量子计算:亚太数字经济需要低摩擦规则

    薛珍纳(Janet De Silva)关注的核心议题,集中于数字贸易规则、跨境数据流动、AI治理,以及量子技术对网络安全与金融体系的潜在冲击。她所推动的议题几乎全部指向一个核心命题:当AI、量子计算与数字经济开始突破传统经济体的发展边界时,亚太地区各经济体该如何在制度差异、技术鸿沟与监管摩擦中,重新建立一种可持续的协同

    来源 腾讯网
  16. Grafana 提出用 SLO 与错误预算衡量 AI 智能体行为可靠性

    Grafana Labs 提出使用一种熟悉的可靠性工程方法,解决现代软件中一个相对陌生的问题:如何衡量 AI 智能体的实际表现是否良好。在最近的一篇文章中,该公司介绍了如何使用评估、服务级别目标(SLO)和错误预算,将幻觉、任务完成度、毒性和成本等行为转化为可衡量的目标,并持续监控。 这一构想针对的是传统应用可观测性的

    来源 AI 行业观察
向下滚动自动加载更多