图2：Chatgpt Health 工作界面：解释检测结果，提供医疗建议

摘要
Ø OpenAI发布了ChatGPT Health，由AI主导的全民AI医疗大时代已经来临。ChatGPT Health 在系统架构设计上具备优势，构建“数据隔离”增强隐私性；联合了来自全球 60 个国家的 260 余名医生，历时两年对相关模型进行打磨优化，提升准确度。Ø AI for Science为人工智能重要方向之一。2024年，英伟达在GTC大会上将AI for Science（AI4S）与大语言模型、具身智能并列为人工智能三大核心方向。AI4S旨在利用人工智能从海量科学数据中发现规律、加速科研进程，已从实验室阶段迈向产业化，成为全球科技巨头竞逐的新战略领域。重点覆盖医药研发（如预测蛋白质功能、发现新靶点）、材料科学（设计新材料）、能源化学等领域。Ø 风险提示：AI应用落地不及预期、市场需求不及预期、行业竞争加剧、宏观经济波动、新技术研发不及预期。OpenAI发布Chatgpt HealthAI for Science开启医疗新时代相关标的风险提示OpenAI发布Chatgpt Health，AI医疗进入全民化新时代Ø 事件：2026年1月，OpenAI发布了ChatGPT Health，这是专门面向医疗健康领域的产品。用户可以将医疗记录、健康 App、甚至是 Apple 健康数据连接起来，然后用 AI 辅助阅读复杂的体检报告、准备就医问题清单、甚至规划饮食运动。该产品为用户提供各种医疗分析，例如：可以让ChatGPT Health分析个人核磁共振报告，给出更好的治疗建议；可以帮助你定制各种减肥、运动等健康计划等。Ø 由AI主导的全民AI医疗大时代已经来临。目前，健康信息往往分散在各类门户网站、应用程序、可穿戴设备、PDF文件和病历笔记中，这使得人们难以全面掌握自身健康状况，只能独自应对复杂的医疗体系。无数用户反馈，他们会借助ChatGPT梳理这些零散信息。事实上，健康咨询已成为当前人们使用ChatGPT最常见的场景之一。根据OpenAI对去标识化对话的分析，全球每周有超过2.3亿人通过ChatGPT咨询健康与保健相关问题。ChatGPT Health在此基础上进一步优化，让回应能结合您的健康信息和具体情境。图1：Chatgpt Health 工作界面：日常健康解读、连接应用程序和医疗记录图2：Chatgpt Health 工作界面：解释检测结果，提供医疗建议Chatgpt Health：准确度和隐私性方面具备优势Ø ChatGPT Health 在系统架构设计上具备优势，构建“数据隔离”增强隐私性。ChatGPT Health 在 ChatGPT 内部构建了一个独立的、加密的沙盒环境（Sandboxed Environment）。根据 OpenAI 的技术披露，这个架构实现了普通场景和医疗场景下的“数据隔离：1）Health to General: 用户在医疗健康 模式下的对话、上传的病历、连接的 数据，绝对不会流向主模型的上下文；2）General toHealth: 普通场景交流的文件和记忆也无法被 Health 模式调用。OpenAI 采用专用加密及隔离（Purpose-built encryption andisolation）的手段，在存储和推理阶段都进行了逻辑上的切割，确保医疗数据隐私安全。此外，OpenAI 明确承诺，Health 模式下的任何对话数据，都不会被用于训练其基础模型。Ø 医疗精确度有所提升。ChatGPT Health 是与全球医生紧密合作开发的，旨在提供清晰且有⽤的健康信息。OpenAI 联合了来自全球60 个国家的 260 余名医生，历时两年对相关模型进行打磨优化。参与的医生覆盖数十个专科领域，累计为模型提供了超 60 万次反馈意见。从需要及时提示用户就医的关键场景，到如何将专业医疗术语转化为通俗易懂的表述，相关细节均得到了全面考量。OpenAI发布全新的开源健康基准，进军AI医疗行业Ø 事件2：2025Q2，OpenAI 正式发布一个全新的开源健康基准：HealthBench，用于评估大模型在真实医疗场景中的表现。HealthBench由 262 名医生共同开发，涵盖 5000 个多轮医疗对话，涉及 60 个国家、26 个专业，支持多语言。该基准通过医生自定义的评分标准，全面考察模型在准确性、沟通质量、上下文感知等多个维度的能力。它更像是为医疗等垂直领域的 AI 打造的评分标准，准确性和实际场景的相关性远比 “流畅对话” 更重要。Ø AI医疗逐渐崛起，或可成为AI最深远的应用领域：1）OpenAI 已经组建了健康和医疗团队，医疗成为他们接下来的重点方向；2）HealthBench 的核心其实是 Evals。AI 的下半场，将从 “解决问题” 转向 “定义问题”。在这个新阶段，评估（Evals）比训练更重要。（图一：在参战的所有顶尖模型中，o3拿下了最高分，Grok 3位列第二，Gemini 2.5 Pro位列第三。）图3：Open AI 根据新的健康基准对各个大模型在医疗方面的表现打分图4：Evals框架包括用户问题-AI 的回复-以及针对回复的评分标准和等级AI医疗模型的可靠性至关重要Ø 医疗AI模型的可靠性至关重要。AI改善人类健康的期许越来越高，要完成这一目标，首先必须确保模型的安全性。现有的评估体系存在以下缺陷：1）未能还原真实医疗场景；2）缺乏基于专家意见的严格验证；3）难以为前沿模型提供提升空间。HealthBench设计的初衷是为了改善以上缺陷，因此：Meaningful：评分应反映真实世界影响。突破传统考试题的局限，精准捕捉患者与临床工作者使用模型时的复杂现实场景和工作流程。Trustworthy：评分须真实体现医师判断。评估标准必须符合医疗专业人员的核心诉求与行业规范，为AI系统优化提供严谨依据。Unsaturated：基准测试应推动进步。现有模型必须展现显著改进空间，持续激励开发者提升系统性能。Ø HealthBench主要面对AI研究社区和医疗领域两个群体：1）AI研究社区：可推动形成统一的评估标准，激励开发出真正有益于人类的模型。2）医疗领域：更好地理解当前和未来AI在医疗中的应用场景与局限性。过去大多数基准都关注通用 LLM 的表现，而 HealthBench 更像是为医疗等垂直领域的 AI 代理量身打造的。在这些领域，准确性和实际场景的相关性远比 “流畅对话” 更重要。Ø OpenAI还推出了HealthBench系列的两个新成员：HealthBench Hard和HealthBench Consensus。HealthBench Hard专为更高难度场景设计，问题更具挑战性； HealthBench Consensus由多位医生共同验证，确保评估标准的专业性和一致性。AI for Science开启医疗新时代OpenAI发布Chatgpt Health相关标的风险提示AI for Science为人工智能重要方向之一2024年，英伟达在GTC大会上将AI for Science（AI4S）与大语言模型、具身智能并列为人工智能三大核心方向。AI4S旨在利用人工智能从海量科学数据中发现规律、加速科研进程，已从实验室阶段迈向产业化，成为全球科技巨头竞逐的新战略领域。重点覆盖医药研发（如预测蛋白质功能、发现新靶点）、材料科学（设计新材料）、能源化学等领域。2026年或可成为AI4S技术爆发元年。AI受到科技大厂和各国政策大力支持。科技大厂加速布局，切入相关赛道；技术落地案例包括缩短新药研发周期、优化材料合成路径等。科技方面：清华大学发布Science，联合团队创新研发AI驱动的超高通量药物虚拟筛选平台DrugCLIP，对比传统方法实现了百万倍提升；首次完成了覆盖人类基因组规模的药物虚拟筛选，为创新药物发现带来了新的可能性。DrugCLIP筛选速度对比传统方法实现了百万倍提升，同时在预测准确率上也取得显著突破依托该平台，团队首次完成了覆盖人类基因组规模的药物虚拟筛选，为创新药物发现带来了新的可能性。政策方面：2025年8月，国务院发布的《关于深入实施“人工智能+”行动的意见》将“人工智能+科学技术”列到重点行动首位。图8：基于AI的超高速全基因组虚拟筛选图7：AI驱动的超高通量药物虚拟筛选平台DrugCLIP医疗健康或可成为AI for Science最深远的应用领域Ark Invest发布《Big Ideas 2025》报告，预测AI将彻底改变多组学工具、药物研发、分子诊断，并显著改善药物的经济回报。如AI将使DNA等生物信息的读取和写入成本分别降低100倍和1000倍；AI将使药物开发成本降低4倍，并将研发投入的回报提高5倍；AI将使癌症筛查的效率提高20倍，并且将市场规模扩大10倍；AI药物的商业价值将比标准药物高20倍，比同类最佳的精准药物高2.4倍。提升癌症筛查效率。多癌症筛查技术通过一次血液检测即可识别多种癌症早期迹象，显著提升筛查效率。Shield™血液检测成为首个被FDA批准的结直肠癌主要筛查选项。ARK Invest预计随着监管和报销途径的完善，多癌症筛查将使美国癌症筛查市场规模翻倍，从当前约800亿美元增长近千亿美元。此外，微量残留病变（MRD）检测技术可比传统影像检查提前20个月发现癌症复发，未来有望成为癌症患者的标准护理方案。其产生的数据量将是英国生物银行的700倍。AI对药物经济学的影响：逆转投资回报率。新药研发通常需要投入大量时间和金钱，不仅使药企负担研发上的巨大成本，漫长的周期也消耗了药物专利期，进而对药物上市后的收入产生不利影响。这些因素共同导致药企经济回报受限，1982-2022年药物开发的回报率从约20%降至10%。AI 驱动的药物开发可能将上市时间从13年缩短到 8 年，同时将总成本从 24 亿美元降至 6 亿美元。这种效率的提升不仅能加快新药开发速度，还能提高研发投资回报率，推动整个医药行业的创新。图8：AI应用于药物研发，提升投资回报率图7：DNA测序成本下降，使得大规模基因组研究成为可能目录OpenAI发布Chatgpt HealthAI for Science开启医疗新时代相关标的风险提示相关标的AI+诊断。迪安诊断：诊断行业技术壁垒；国内稀缺的病历AI三类证；AI+医药。晶泰控股：AI制药赛道头部标的，持续合作海外优秀药企。艾可蓝：深度合作美国大厂艾昆维生物制药研发公司；AI+医疗信息化。讯飞医疗科技：G/B/C端业务均实现较快增速。AI医疗+脑机接口。中科信息：与华西医院深度合作，智能麻醉机器人已进入临床测试。目录OpenAI发布Chatgpt HealthAI for Science开启医疗新时代相关标的风险提示风险提示• AI应用落地不及预期、市场需求不及预期、行业竞争加剧、宏观经济波动、新技术研发不及预期。