“问止中医”冲刺港交所 “中医大脑”“AI中医第一股”？_风闻

1月9日，问止中医科技向港交所递交招股书，拟在香港主板上市，由海通国际独家保荐。如成功上市，将成为“AI中医第一股”。

出品｜网经社

作者｜十一

审稿｜云马

布局线上线下医疗服务

据网经社企业库显示，问止中医隶属于深圳问止中医健康科技有限公司，注册于广东省深圳市宝安区，成立于2019年3月21日，法定代表人崔祥瑞。

据悉“中医大脑”是问止中医历时十余年研发的人工智能中医辅助诊疗系统，它构建了亿级数据标记位点的中医临床知识图谱，并能从真实诊疗案例及随访结果中学习新的临床技能。该系统以经方及古法丸散膏丹等经典中医为核心，结合尖端AI科技，为医生提供准确、个性化的治疗建议，极大地提高了诊疗效率和患者治疗效果。同时，“中医大脑”还具备自我学习和优化的能力，能够不断从临床中实时学习现代最新的诊疗方法。

此外，问止中医还建设了“问止中医人工智能互联网医院”和“问止中医重症医学中心”，提供线上线下的全方位中医医疗服务。同时，问止中医面向全行业对外开放“中医大脑”赋能，多家医疗机构已签约加入问止中医人工智能联盟。

精一学院是问止中医旗下的中医学习平台，提供线上线下中医课程，全面覆盖中医理论与实践。该平台采用线上线下相结合的教学模式，聘请了多位中医专家学者，采用启发式教学法，结合现代科技手段，如“中医结构分析”方法论和“中医大脑”技术，有效提高学员的学习效率和学习成果。精一学院的课程设置全面而丰富，注重理论与实践的结合，旨在培养具备深厚中医理论功底和临床实践能力的专业人才。

网经社电子商务研究中心数字健康分析师陈礼腾表示，AI新技术与传统中医的结合，可以带来很多变革。首先，通过AI技术，能够快速分析患者的舌象、面色、脉象等信息，结合大数据分析，提供关于体质类型、疾病倾向等方面的初步判断，大大提高中医诊疗的效率；同时，传统的中医诊断依靠医生的主观经验，AI技术的引入使得诊断过程更加客观，同时能为患者提供个性化的治疗建议。

营收增长 仍面临亏损挑战

据招股书显示，2022年、2023年、2024年前三季度，问止中医营收分别为0.62亿元、1.89亿元、1.73亿元。问止科技在盈利方面，仍面临一定的挑战。具体而言，在过去几年中录得了连续的亏损，2022年亏损额为1.54亿元人民币，而到了2023年，尽管营收实现了大幅增长，但亏损额并未能同步缩减，反而微增至1.94亿元人民币。这一趋势在2024年前9个月的数据中也有所体现，尽管营收继续保持强劲增长，但亏损额仍达到了5572万元人民币。

然而，值得注意的是，尽管面临持续的亏损压力，但问止科技的财务状况正在逐步改善。从亏损额的变化来看，尽管2023年的亏损额相较于2022年有所增加，但增幅已经明显放缓。而到了2024年前9个月，亏损额更是较去年同期有了显著的减少。

此外，问止中医目前在全国有8个自营诊所，3个自营煎药中心。2022年、2023年及截至2024年9月30日止九个月，问止中医的患者复诊率分别为61.2%、69.1%及71.6%，而根据灼识咨询报告，行业平均患者复诊率通常介于30.0%至40.0%之间。

陈礼腾表示，AI赋能中医技术发展的过程中，存在数据不足、标准化难题以及技术融合的痛点，在中医AI企业的经营发展过程中，也将面临资本投入和人才投入不足。值得注意的是，人工智能赋能的中医医疗服务市场也高度分散，前五大厂商仅占约5.4%的市场份额。有业内人士指出，行业集中度低、互联网医疗巨头的竞争，以及技术普及带来新玩家的涌入，将使中医AI企业面临激烈的市场竞争。

多重监管规定下的合规挑战

据招股书显示，问止中医须遵守适用于中国内地多个行业（包括医疗、医药、处方药、互联网及互联网医疗行业）的多项不断演变的法律及监管规定。相关法律法规主要涉及(医疗服务及产品质量，医疗专业人员执照，药品、医疗设备及医用耗材的采购、使用及储存，有关医疗服务的人工智能使用，医疗废弃物的管理，病历的保密及保管，数据隐私及保护，反腐败及反贿赂，及外商投资相关法规。

此外问止中医在发展中面临多重风险，包括行业监管的不确定性、激烈的市场竞争、消费者接受度的波动、持续的财务亏损、技术与创新的挑战，以及法律诉讼、赔偿和供应链管理等问题，这些风险可能对其业务运营、财务状况及未来发展产生深远影响，要求公司在合规运营、提升服务质量、控制成本、加强技术创新与数据安全、增强品牌认知度及消费者信任度、优化资本结构和融资能力，以及稳健管理供应链等方面做出持续努力。

陈礼腾表示，中医AI行业正处于技术融合与创新的快速发展期，越来越多的公司加入到中医AI的开发中，包括榕树家、慈脉、问止、脉景、聪宝、承启堂、固生堂、百度、华为等企业，这些企业正在积极探索AI技术在中医领域的应用，推动中医行业的现代化发展。

此外，AI赋能中医技术发展的过程中存在三方面痛点。首先，高质量的中医临床数据相对稀缺，限制了AI模型的训练和验证。其次，中医学的诊断和治疗往往依赖于个人经验，缺乏统一的标准，这给AI模型的建立带来困难。再者，如何更好地将AI技术与中医理论相结合，实现更深层次的融合，目前还处于初期阶段。