AI 大语言模型在肿瘤全周期精准医疗中的应用研究项目深度契合公司现有肿瘤精准医疗业务体系，依托公司在基因组学、高通量测序及肿瘤精准诊断领域的技术积淀，致力于进一步提升技术应用的深度与精准度。

公司目前已具备扎实的肿瘤基因检测与精准治疗技术基础，本项目通过引入大语言模型等先进人工智能技术，重点优化在肿瘤早筛、微小残留病灶监测及晚期肿瘤生物标志物识别等领域的研究方法，从而提升诊断与监测的准确性及效率。

项目的核心创新在于运用大语言模型对多源基因数据进行深度解析与知识整合，结合公司成熟的高通量测序平台，构建更智能、更精准的临床决策支持系统。该技术的融合将显著增强现有产品的数据分析能力与临床适用性，进一步推动肿瘤精准医疗领域的技术迭代，巩固并提升公司的市场竞争力。通过本项目的实施，公司将实现现有技术资源与前沿人工智能能力的有机整合，驱动产品技术升级，强化在国内外肿瘤精准医疗领域的领先地位。

1、项目情况

本项目计划投资 13,850.00 万元，项目研发周期 3 年，建设地点为江苏省南京市江北新区华康路 128 号。实施主体京世和基因生物技术股份有限公司。

本项目旨在响应肿瘤精准医疗领域对早筛、MRD 监测及晚期生物标志物识别日益增长的需求，通过创新应用大语言模型技术，推动肿瘤全周期管理的智能化研究与产业化进程。项目计划构建基于大语言模型的三大垂直模型：

（1）肿瘤早筛模型：整合多源基因与临床数据，在现有基础上进一步提升多癌种早期筛查的灵敏度与便捷性，服务于高危人群。

（2）MRD 智能判断模型：深度挖掘基因组微小变异，实现 MRD 状态的自动化研判与复发风险预警，助力治疗策略动态调整。

（3）晚期肿瘤生物标志物识别模型：从多组学数据中挖掘并验证新分子标志物，以指导精准治疗方案制定并支持新药研发。

通过大语言模型与高通量测序技术的深度融合，本项目将显著增强肿瘤数据分析的深度与决策支持的精准性，从而推动全周期精准医疗的技术升级与临床转化。

2、本次投资项目的必要性

（1）推动技术迭代，满足检测精准化的内在需求

在面对日益复杂的多组学及临床信息整合时，传统生物信息学分析方法在低频突变检测、复杂变异模式解析、多基因协同作用分析等方面逐渐显现局限性，难以完全适应临床对检测精准度与解读深度提出的更高要求。

随着高通量测序技术普及与成本下降，数据维度与复杂性呈指数增长，公司需要进一步提升数据解析的准确性、系统性与智能化水平。尤其在 ctDNA 痕量检测、MRD 状态研判、复杂突变谱系临床解读等关键环节，现有算法尚有明显优化空间。通过引入大语言模型技术，有望大幅提升这些核心模块的性能，为客户提供更可靠、更具临床洞察的检测结果，从而夯实产品的技术护城河与应用价值。

（2）顺应行业智能化趋势，抢占技术演进先机

从近年学术发展动向看，人工智能与基因组学的深度融合已成为精准医疗领域明确的技术演进方向。为保持公司在行业技术浪潮中的领先性，避免在下一轮技术迭代中落后，有必要前瞻性布局大语言模型等前沿技术，系统推动分析流程向智能化、自动化升级，以适应基因检测行业从“数据生成”向“智能决策”转型的必然趋势。

（3）构建数据驱动的差异化竞争壁垒

目前，大语言模型在肿瘤基因数据分析领域的应用仍处早期阶段，这为公司建立差异化竞争优势提供了重要时间窗口。通过自主研发面向基因组学专业场景的大语言模型，公司可在当前同质化竞争激烈的检测市场中，形成以“智能解读”为核心的技术壁垒。

更重要的是，该类模型具备显著的数据积累与闭环优化效应：每一份检测报告、每一条临床反馈、每一例预后追踪数据均可持续反哺模型训练，使其解读准确性随业务规模扩大而不断提升，由此形成“检测样本越多—模型越精准—临床价值越突出—客户粘性越强”的良性循环，构建起难以被短期模仿的技术与数据护城河。

3、本次投资项目的可行性

（1）数据资源优势突出，为模型训练提供坚实支撑

公司经过多年临床检测业务沉淀，积累了大量基于真实临床样本的基因突变谱、拷贝数变异、融合基因等分子信息，为大语言模型的训练提供了高质量、结构化数据资源。同时，依托自主研发的 VISIONS 数据管理系统，实现数据的可视化、结构化与多维度管理。相比于公开数据库，公司专有数据更具临床代表性与本土化特点，可确保模型在复杂真实场景中的准确性与实用价值，为项目落地奠定坚实的数据基础。

（2）技术团队结构完整，具备跨学科研发与转化能力

公司已组建以生物信息部与医学事务部为核心的专业技术团队，成员多拥有国内外知名高校的博士、硕士学历，在基因组学、生物信息学、临床医学、数学及人工智能等领域具备扎实的理论功底与丰富的项目经验。

公司建有先进算力集群，已针对高灵敏度液体活检、多模态肿瘤早筛、智能病理影像、药物靶点挖掘等业务场景开展 AI 模型布局，积累了相关研发实践经验，能够为本项目实施奠定坚实基础。