從"一病一模型"到"一底座千模型"，德適科技的醫(yī)療AI "難而正確" 之路

作者：萬怡

來源：科技最前線 (kejizqx)

等待，是彌漫在醫(yī)院空氣中的常態(tài)。

做完CT的病人盯著手機反復(fù)刷新，一份影像報告的出具，往往要等上數(shù)小時，病情的不確定性讓擔(dān)憂隨時間一同發(fā)酵；

辦公室里的影像科醫(yī)生同樣煎熬，結(jié)節(jié)、陰影、異常密度區(qū)反復(fù)比對確認，眼睛干澀、腰椎僵直是職業(yè)常態(tài)。

而試圖用AI破局的工程師們，也被困在時間的牢籠里：想做一款乳腺影像分析的AI，要從零標(biāo)注上萬張脫敏數(shù)據(jù)、搭建分布式訓(xùn)練集群、調(diào)試適配醫(yī)療場景的視覺算法；而想要再做一款腦部MRI的輔助診斷工具，還得從頭再來一遍。

醫(yī)療影像數(shù)據(jù)占據(jù)了臨床數(shù)據(jù)總量的80%，卻也是效率提升最慢的領(lǐng)域之一。當(dāng)通用大模型在文本、代碼領(lǐng)域狂飆突進，智譜、MiniMax們相繼叩開資本市場大門，一個問題始終懸而未決：

AI何時才能真正穿透醫(yī)療影像這道厚重的壁壘，讓等待縮短、讓精準下沉、讓醫(yī)生的價值回歸診斷本身？

2026年3月，德適科技登陸港交所，成為全球醫(yī)療影像大模型第一股。上市僅三個月后，在其舉辦的醫(yī)療AI全域生態(tài)創(chuàng)新研討會，德適科技正式發(fā)布iMedLoop全球醫(yī)療影像數(shù)據(jù)平臺，一場關(guān)于醫(yī)療影像AI的底層重構(gòu)，正在浮出水面。

“豆包”們的能力邊界

專業(yè)領(lǐng)域的力不從心

遇事不決問AI，成為被各路AI狂撒金幣“收買”后的當(dāng)代人常態(tài)。

不知道吃什么，問豆包就能有美食推薦；不確定去哪兒玩，千問能規(guī)劃好整天行程；寫周報沒靈感，元寶、DeepSeek輪流用，總有一個能讓你點頭。

通用大模型把生活里的小糾結(jié)一個個熨平，但在為“風(fēng)花雪月”提供便利之外，面對一些更需要專業(yè)知識的問題，搭載通用大模型的“豆包”們顯得力不從心，比如醫(yī)療影像。

見過山川湖海、認得城市建筑的通用大模型們，在面對CT片時，能識別 "這里顏色亮”“那里有影子"，卻很難判斷出是普通炎癥還是惡性腫瘤的早期征象。

這中間差的，不是單純的數(shù)據(jù)訓(xùn)練量，而是一套囊括解剖學(xué)、病理學(xué)、影像學(xué)等在內(nèi)的專業(yè)知識體系。

但想要將這些硬功夫融入到大模型里，讓它們更快速地輔助醫(yī)生看診，減少患者等待時間，卻沒想象中那么容易。

畢竟推薦的餐廳不合口味，下次換一家；寫的文案不夠好，改改也能用。但臨床診斷沒有"差不多"的空間，每一個判斷都關(guān)系到患者的治療方案，甚至是生命。

數(shù)十萬張高質(zhì)量影像數(shù)據(jù)的投喂，才能建立起醫(yī)療影像AI對某一類病灶的穩(wěn)定識別，更遑論嚴格的數(shù)據(jù)合規(guī)要求、漫長的醫(yī)療器械注冊審批流程。

這注定了，在消費互聯(lián)網(wǎng)領(lǐng)域創(chuàng)造過無數(shù)產(chǎn)品神話的"快速迭代、小步快跑"節(jié)奏，在醫(yī)療影像領(lǐng)域幾近失效。

這不是一個可以靠"大力出奇跡" 快速跑通的賽道，但也正因為慢、因為難，肯沉下來啃的公司，護城河才更深。

看病認專家，

但“一病一模型”太慢

其實，看病這件事，不少人骨子里都有一種執(zhí)念：去最好的醫(yī)院、掛最權(quán)威的專家號。

一個普通結(jié)節(jié)，能去市級三甲就不找區(qū)醫(yī)院；能搶到主任醫(yī)師號，就不想只跟主治聊。專業(yè)的壁壘讓那些把經(jīng)驗熬成直覺的專業(yè)人才更受青睞，畢竟一個看了三十年肺片的主任拿到片子的那一刻，幾乎能本能地調(diào)動起腦子里每一個"不對勁"的瞬間。

從醫(yī)學(xué)院到規(guī)培到獨立執(zhí)業(yè)，培養(yǎng)一位醫(yī)生至少需要八年。作為醫(yī)療體系中稀缺且寶貴的資源，把他們困在重復(fù)性的"大海撈針"式讀片里，無疑是巨大的浪費。為他們配備能承擔(dān)基礎(chǔ)工作的智能幫手，迫在眉睫。

傳統(tǒng)醫(yī)療AI，走的是“一病一模型”、下探深耕的路子。想看肺結(jié)節(jié)，從零訓(xùn)一個肺結(jié)節(jié)模型；想看頸椎，再從頭養(yǎng)一個頸椎模型；想看乳腺癌，又得重新來。每換一個病種，解剖知識、影像特征、判讀邏輯全部重學(xué)。

"慢工出細活"的謹慎在醫(yī)療領(lǐng)域十分重要，但放在整個AI行業(yè)的尺度下看，效率成了大問題。在百模大戰(zhàn)如火如荼，通用大模型家族今天一個2.1版本，明天一個2.2版本的現(xiàn)在，過去十年，AI累計僅深度覆蓋約35個檢測項目，和龐大的臨床需求相比，幾乎是九牛一毛。

德適科技看到了問題關(guān)鍵：一個個做專病模型耗時太長，不如先建好通用基座，再團結(jié)產(chǎn)業(yè)鏈上下游的合作伙伴，為臨床專家提供低門檻的專病大模型“煉成術(shù)”。

iMedImage醫(yī)療影像基座大模型正是其交出的答卷，這不是針對某個具體病癥的工具，而是通用底座。

它已經(jīng)通過預(yù)訓(xùn)練，系統(tǒng)學(xué)習(xí)了人體各器官的解剖結(jié)構(gòu)、正常與異常的影像特征、不同設(shè)備的成像規(guī)律，打下扎實的通用醫(yī)學(xué)功底。等到在它的基礎(chǔ)上再訓(xùn)練針對特定病種的專科模型時，變得容易了N倍：

單病種模型訓(xùn)練所需的標(biāo)注數(shù)據(jù)從10萬張降到 500 張，研發(fā)周期和算力成本同步下降10倍以上。

“預(yù)訓(xùn)練+輕量化微調(diào)”的核心邏輯，改寫了動輒上千萬資金、數(shù)萬張標(biāo)注影像數(shù)據(jù)的高投入、長周期、窄覆蓋困局。

德適科技CEO宋寧算過一筆賬：全球醫(yī)療影像按適應(yīng)癥分類超過3000項，讓全國數(shù)十萬影像醫(yī)生每天騰出一小時做標(biāo)注，完成所有項目的智能化，需要1200年，而iMedImage能將這項工作縮短到6年。

200倍的效率提升，按下了加速鍵，那些原本因為成本太高、周期太長而無法被覆蓋的疾病，有了被納入智能化體系中的可能；等待一份精準影像報告的時間，也可能被壓縮再壓縮，而等待少一分鐘，焦慮就少一分鐘，安心就多一分鐘。

啃落地閉環(huán)硬骨頭

優(yōu)質(zhì)醫(yī)療資源下沉新方式

但基座模型解決了訓(xùn)練效率的問題，并不意味著萬事大吉。

過去，一家醫(yī)院想用上AI輔助診斷，路徑通常是攢數(shù)據(jù)——找合作方標(biāo)注——找AI公司訓(xùn)練模型——部署到本地系統(tǒng)——走審批——真正用起來。

高質(zhì)量標(biāo)注數(shù)據(jù)從哪來？跨機構(gòu)數(shù)據(jù)怎么合規(guī)流通？訓(xùn)練好的模型又如何快速部署落地？如果每一步都需要各家醫(yī)院、各家創(chuàng)業(yè)公司自己從零打通，AI落地到臨床的美好目標(biāo)，恐怕遙遙無期。

這不是危言聳聽。實驗室里跑分漂亮，一到真實臨床場景就水土不服的不是沒有；換一家醫(yī)院的設(shè)備、換一批患者數(shù)據(jù)，準確率就可能斷崖式下跌。數(shù)據(jù)孤島、標(biāo)注瓶頸、合規(guī)門檻，一道道緊箍咒，把醫(yī)療AI困在了"看起來很美"的泥潭里。

凡是問題，必有解法。

一方面，頂層設(shè)計逐步推進。2026年6月，國家數(shù)據(jù)發(fā)展研究院組織召開“醫(yī)療影像數(shù)據(jù)產(chǎn)權(quán)配置規(guī)則指引”課題研討會，圍繞數(shù)據(jù)流通的典型場景和產(chǎn)權(quán)配置方案展開深入討論；7月，國家數(shù)據(jù)局發(fā)布會上披露，全國已完成醫(yī)保影像云數(shù)據(jù)共享路徑部署，累計歸集4.3億條影像索引數(shù)據(jù)，并明確將向市場主體開放合規(guī)脫敏數(shù)據(jù)。

這意味著，醫(yī)療影像數(shù)據(jù)的合規(guī)流動正在從企業(yè)實踐上升為制度設(shè)計，基礎(chǔ)保障正被一步步夯實。

另一方面，經(jīng)歷了前期從0到1的開荒式積累，醫(yī)療大模型紛紛邁入了“亮肌肉”階段：訊飛醫(yī)療升級發(fā)布星火醫(yī)療大模型V3.5，依托全國產(chǎn)算力完成算法與工程雙重突破；聯(lián)影智能自主研發(fā)的"元智"醫(yī)療影像大模型入選行業(yè)成果；潤達醫(yī)療推出的醫(yī)療大模型已具備多模態(tài)融合推理能力。而德適科技不僅有iMedImage基座大模型，更是基于該模型推出了全球最大的醫(yī)療影像數(shù)據(jù)平臺iMedLoop，將基座大模型的能力開放共享，從數(shù)據(jù)可用不可見到數(shù)據(jù)標(biāo)注、模型訓(xùn)練和發(fā)布應(yīng)用，構(gòu)建了獨特的閉環(huán)生態(tài)，在這場關(guān)于效率與生命的競賽中，占據(jù)了一個極具韌性的生態(tài)位。

具體而言，德適科技的iMedLoop平臺包含iMedImage基座大模型、iMedStudio智能標(biāo)注工具、iMedMaaS在線模型訓(xùn)練與發(fā)布平臺，改變了醫(yī)療AI落地的傳統(tǒng)流程：

數(shù)據(jù)層面，過去，影像數(shù)據(jù)是鎖在各家醫(yī)院服務(wù)器里的沉睡資產(chǎn)，有價值卻不敢動；現(xiàn)在，平臺接入了國家數(shù)據(jù)要素綜合試驗區(qū)之下的杭州市可信數(shù)據(jù)空間，在城市級互聯(lián)互通的基礎(chǔ)上，打造醫(yī)療影像行業(yè)可信數(shù)據(jù)空間，將分散的數(shù)據(jù)轉(zhuǎn)化為可用的生產(chǎn)要素，給數(shù)據(jù)流轉(zhuǎn)裝上“玻璃門，看得見、用得上，但拿不走，前置解決隱私合規(guī)問題；

標(biāo)注層面，過去，數(shù)據(jù)標(biāo)注不僅是苦力活，標(biāo)注質(zhì)量還難以把控，幾位專家對著屏幕一頓點擊，重合度只有65%。現(xiàn)在，AI成了標(biāo)注人員的幫手，點一下病灶就能自動勾勒出三維形態(tài)，還能設(shè)立統(tǒng)一的標(biāo)注標(biāo)準，把專家標(biāo)注的一致性拉到99%；

落地層面，基于這個平臺，醫(yī)院、科研機構(gòu)、AI企業(yè)甚至醫(yī)生個人，都可以完整跑通模型訓(xùn)練、驗證、部署和發(fā)布的各個環(huán)節(jié)，定制適配自己的醫(yī)療影像AI工具。

這些改變意味著什么？

對頂級醫(yī)院來說，科研優(yōu)勢可以更快轉(zhuǎn)化為臨床產(chǎn)品；次級醫(yī)院的科研團隊，能繞過百萬級算力投入和數(shù)年數(shù)據(jù)積累，直接調(diào)用基座能力做專科研究；專注細分場景的創(chuàng)業(yè)公司，不再需要從頭標(biāo)注十萬張影像，幾百張樣本就能驗證一個創(chuàng)新想法；甚至對某位有想法的專科醫(yī)生個人，也能低成本、高效率地獲得AI能力支撐。

從前，在基層醫(yī)院查出疑似肺結(jié)節(jié)，患者往往要經(jīng)歷一場身心的“長征”：輾轉(zhuǎn)幾百公里去省城掛號、排隊，甚至因為設(shè)備參數(shù)差異要重新拍片，等待結(jié)果。如果iMedLoop這類平臺能將專科模型快速“派駐”基層，本地醫(yī)生便擁有了一位不知疲倦的AI專家“助手”，讓患者少幾次奔波。

而每一段被省去的奔波，都意味著優(yōu)質(zhì)醫(yī)療資源正以新的方式實現(xiàn)下沉；每一段被壓縮的等待周期，都在將“早發(fā)現(xiàn)、早治療”的臨床黃金窗口，實實在在地還給每一個焦慮的患者。

醫(yī)療不是一個片面追求"快" 的行業(yè)，但每一次效率的提升，最終都指向生命質(zhì)量的改善。

更短的報告等待時間意味著更早的治療窗口，更精準的影像分析意味著更少的誤診漏診，更低廉的模型開發(fā)成本意味著更多基層醫(yī)院能夠用上智能診斷工具，醫(yī)療得以變準、變可及、變可持續(xù)。

AI正以前所未有的速度重塑醫(yī)療產(chǎn)業(yè)的底層邏輯，2026年，國家醫(yī)保局將12項AI輔助診斷項目納入全國統(tǒng)一醫(yī)保乙類目錄，這是從技術(shù)可行到商業(yè)閉環(huán)的關(guān)鍵一躍。

2030年，二級以上醫(yī)院普遍開展醫(yī)療影像智能輔助診斷，這是政策層面為行業(yè)定下的路標(biāo)。所以，行業(yè)真正需要的不是一款又一款孤立的AI產(chǎn)品，而是一套能讓數(shù)據(jù)合規(guī)流通、讓模型批量生產(chǎn)、讓場景快速驗證的基礎(chǔ)底座，而這恰恰是德適科技正在做的事。

難而正確，牢且扎實，這大概就是最動人的戰(zhàn)略底色。