证券简称:安必平 证券代码:688393
广州安必平医药科技股份有限公司
投资者关系活动记录表
编号:2025-006
投资者关系 活动类别 □特定对象调研 □分析师会议 □媒体采访 □业绩说明会 □新闻发布会 □路演活动 □现场参观 其他
参与单位名称 天风证券、浙江益恒投资、上海禧弘私募基金、上海合远私募基金、海南旗泓私募基金、申万宏源证券、江海证券、富国基金、北京乐心资管、华宝基金、上海途灵资管、太平资产、新疆前海联合基金、上海名禹资管、富荣基金、友邦人寿保险、中欧基金、上海肇万资产、杭州拾年投资、华夏财富创新投资、东方睿石投资、凯石基金、杭州明见投资、光大保德信基金、上海泓盛资管、上海原泽私募基金、中国对外经济贸易信托有限公司、观富(北京)资管、杭州萧山泽泉投资、恒生前海基金、红塔红土基金、循远资产管理(上海)有限公司、杭州睿银投资、浦银安盛基金、Pleiad Investment Advisors Limited、国都证券股份有限公司、上海七曜投资管理、广东正圆投资、天弘基金、玄卜投资(上海)有限公司、海通国际、北京天时开元股权基金、浙江浙商证券资产、蜂巢基金、北京睿石泓远投资、北京金百镕投资、北京宏道投资、上海趣时资产、长城财富保险资管、HSBC Global Asset Management、华泰保兴基金
时间 2025年3月6日-3月7日
地点 线上沟通
公司接待人员 董事、副总经理:蔡幸伦 数智化产品线总监:张浩 证券事务代表:杜坤
投资者关系活动主要内容介绍 公司的产品研发策略是什么? 答:我们将继续推动病理行业的自动化和智能化双重提升。虽然智能化重要,但人工操作环节过多会影响制片的质量,因此我们需维持硬件和AI的共同发展。近年来我们的研发投入较大,去年推出的细胞学流水线在大型医院试用后收获好评,相比于现有技术有显著提升。未来将探索在免疫组化、荧光原位杂交产品线也能实现“样本进—结果出”的应用场景。我们考虑与一些医疗AI公司进行合作,我们不做基座模型的开发,而是与科研机构以及专业公司进行交流与探索。 公司免疫组化产品线的研发进展如何? 答:公司去年在免疫组化平台获得三张伴随诊断三类证,分别是 HER2抗体试剂、ER(雌激素受体)、PR(孕激素受体),对应乳腺癌免疫组化法检测套餐。公司免疫组化产品线共获得4个三类注册证和300多个一类产品备案证,获证数量处于国家免疫组化厂家前列,并且公司拥有200余种自产抗体克隆原料,大大降低成本与供货周期,这对于公司后续在市场推广和提升免疫组织化学在中国市场占有率具有积极的意义。其次是设备上,公司推出自主研发的 HYPER S9 免疫组化全自动染色系统,未来我们的三类证产品以及伴随诊断、药企服务业务均会围绕创新设备进行密切绑定,推动装机和入院,形成完整的闭环,我们希望通过装机上量带动整个免疫组化产品线实现收入扩容。 医院选择与企业合作时,主要考虑哪些因素? 答:医院选择合作伙伴时会综合多种因素,除了产品性能,也会关注科研影响力、临床影响力和产业转化能力。他们更倾向与能够高效地进行科研活动并有能力转化成果的公司合作。作为一家深耕病理领域20年的公司,我们在行业内的口碑较好,并且与多家顶尖医院开展科研合作,尤其是在细胞学AI的项目上得到了专家认可。这些医院看重我们的项目能否达到预期目标,以及项目执行团队的专业能力,我们通过实际案例来提升医院的信任度及合作意愿。 哪一方面的训练数据是最关键的?开源数据和医院合作在模型中的贡献如何? 答:我们需要从训练、验收和场景三个角度看待数据。训练角度上,数据规模、来源广泛性及质量是重要评估维度。开源数据质量可能较低,但来源丰富,可以提高AI模型的能力。医院提供的数据质量高,更加精准,但来源有限。我们需要通过不同的数据种类来完善数据循环,并通过数据增强方法设计更多有效数据。验收方面,我们会建立内部数据基准,确保模型的验证符合实际应用。场景上,AI模型不仅用于诊断,基于不同场景我们需针对具体需求定义数据要求和验证集。因此并没有单一的最重要数据类型,我们需要各类数据的综合应用。 公司的一体机设备是用在哪个平台的?应用场景是什么? 答:公司去年推出的一体机是应用于液基细胞学平台的。病理科诊断具有自动化程度低、诊断时间长的特点。病理诊断可分为取样、制片、染色、诊断四个环节,制片染色过程又包括了打号、震荡、离心、染色、封片等多个步骤,制片及染色后成片是否清晰都会直接影响最终的诊断结果,因此对制片的技术人员专业水平具有较高要求,需要更多的专业人力投入。病理科的自动化、标准化能在制片和阅片的过程减少人工干预,提高样本一致性,促进医疗机构的诊断结果互联、互通、互认。 液基细胞学一体机可以融合此前多机功能,不仅能节省病理科设备的空间占用,同时可以提高样本的流转效率,减少人工依赖。通过流水线全自动化制片过程,再加上扫描仪和AI判读,实现自动化、智能化操作,最终实现样本进-结果出的应用场景。



