德适科技IPO后首次亮剑：推动医疗AI从“手工作坊”到“工业化”的范式革命

在健康中国与数据要素行动计划两大国家战略交汇之下，医疗影像数据本应是智慧医疗落地、AI 产业突围的核心生产资料。

但很长一段时间里，海量 CT、核磁、病理影像等数据都沉睡在各家医院机房，隐私红线、权属空白、产业链割裂的三重枷锁，让临床数据难以转化为产业创新动力。

行业困局积弊已久，如何构建覆盖数据确权、合规流通、模型训练、价值分配的全域基础设施，成为医疗AI突围的刚需。

2026年7月初，北京钓鱼台国宾馆，四位院士、三甲医院、地方卫健委、头部AI厂商、高校科研院所等关键角色齐集，德适科技举办了一场开创性发布会，并亮出其全新的医疗影像数据生态平台——iMedLoop。

这不仅仅是一场简单的产品发布会，更是德适科技试图为整个医疗AI行业提出的基础设施解决全案。

一场旧范式的革新正在展开。

01

基座能力与时间博弈

作为今年3月刚敲钟的“全球医疗影像AI大模型第一股”，德适科技CEO宋宁的开场并非宏大的市场叙事，而是直接抛出了一组极具压迫感的数据。

他指出，全球医疗影像检测项目至少有3000项，若细分至组织病理等层面，甚至超过14000项。而训练一个传统的AI模型，往往需要10万张标注数据。如果按传统AI“一病一模型”的路径，让全国25万影像医生每天抽1小时做标注，完成所有项目需要1200年。

根据2025年11月国家卫健委等五部委联合发布的《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》，要求到2030年实现二级以上医院医疗影像基本智能化普及。

而1200年的“时间黑洞”，是横亘在医疗AI规模化落地面前最现实的困境。医生的时间极其宝贵，他们不应该成为低效的“数据标注员”。

显然，靠人海战术是无法完成政策目标的。

德适科技给出的答案是iMedImage。这个在2025年5月发布的全球参数规模最大的医疗影像基座大模型，核心价值在于降维打击。它不再需要海量的标注数据来“从零开始”学习，而是基于已经学习过的海量医疗影像知识，进行“迁移学习”。

具体而言：训练一个特定的垂直模型（如肺结节、胃癌预测），所需数据量从10万张锐减至500张，仅为原来的1/200。相应的研发周期、成本和算力支出不到原来的1/10。

据宋宁透露，过去一年，德适科技已与87家三甲医院合作，训练了145个垂直模型，其中30个达到全球领先水平。

“通过iMedImage，将1200年的漫长等待，缩短至6年。”

除了技术的革新，这更是对行业资源的极大节约。

02

数据高质量标注的死结

国内医疗影像 AI 已经走过数年落地周期，算法、单病种产品层出不穷，但行业始终没能跑出规模化增长曲线，除了需要解决数据量的瓶颈，数据标注的“质”，也是决定性因素。

过去，即便有数据，传统的手动标注方式效率极低且精度堪忧。医生用鼠标在二维平面上“描边”，面对三维CT影像时，往往需要一张张切片去画，耗时数小时。

更可怕的是人为误差——不同专家对同一病灶的标注，交并比（IoU，衡量预测框与真实框重叠程度的指标）仅有65%，这意味着35%的差异，将直接导致模型跑偏。

为此，德适科技发布了iMedStudio——一个全模态智能标注平台。它像一个全能的智能工厂，兼容全球几乎所有的医疗影像格式。

其核心突破在于交互方式的变革。专家在三维CT影像中，只需点击一次鼠标，AI便能瞬间理解并完成数百张切片的连续标注，边缘精准，可重复性高。

原本数小时的工作被压缩至1分钟内。更重要的是，AI的介入极大地统一了标注标准，将不同专家的标注交并比提升至99%。

此外，iMedStudio还引入了“智能仲裁”功能。当多位专家标注结果不一致时，AI可以一键分析汇总，并给出初步判断，辅助审核专家进行高效取舍。

这彻底改变了过去靠“开会讨论”来解决标注分歧的低效模式。

03

如何唤醒沉睡的百亿级数据资产？

当矛盾的外壳层层剥开，医疗AI的瓶颈已不是算法和算力问题，而是迫切需要持续产生的高质量数据源。

如何让沉睡的海量影像数据，在合规的前提下流动起来，并产生行业价值，这背后有两个无法自洽的底层矛盾。

其一，医疗AI的发展依赖于高质量的标注数据，这是行业的共识。但一个尴尬的现实是，中国绝大部分的医疗影像数据“沉睡”在各家医院的服务器中。

根据《2025中国卫生健康统计年鉴》数据，2024年全国医院数量已接近3.9万家，这些机构沉淀了覆盖临床诊断90%场景的百亿级多模态影像数据。

鉴于隐私敏感性和合规风险，这些数据大多被本地封存，形成了一个个“数据孤岛”。高校、企业若想做科研或开发模型，往往拿不到合规的高质量数据源；而顶级医院和顶尖专家的诊断经验，无法转化为可复用的行业资产；基层医生更难以获得优质的诊断工具，导致漏诊、误诊现象频发。

另一方面，数据端的链条也是割裂的。数据供给、标注、模型训练、临床落地往往由不同主体负责，缺乏统一的平台进行确权和利益分配。这导致绝大多数企业只能从零搭建项目，单独搞定标注、算力、临床验证，AI模型开发周期长、成本高，且难以规模化。

简单来说，行业并不缺乏需求，而是少了一套能让数据安全流通、并让参与者都能获利的“操作系统”。

04

iMedLoop的解法

德适科技推出的 iMedLoop 平台，试图扮演这个“操作系统”的角色。

如果说iMedImage完成了“大脑”的使命，iMedStudio则是解决了“手”的瓶颈。它们与模型训练引擎iMedMaaS一同整合进了iMedLoop生态闭环中。

iMedLoop的核心逻辑在于构建了一个从数据确权到收益回流的完整闭环。

首先，解决“信任”问题。iMedLoop 接入了杭州市城市可信数据空间，这意味着所有数据的流转都在官方监管框架内进行，所有影像数据全流程脱敏、流转留痕、权属清晰，充分实现了“数据可用不可见”。对于医院和医生而言，这打消了隐私泄露的顾虑。

其次，解决“生产”问题。自研医疗影像大模型iMedImage是平台的技术底座，配套的iMedStudio标注工具和iMedMaaS模型训练引擎。这使得第三方机构只需要少量的标注样本，就能在数月内产出适配特定科室的专用AI模型。同时，德适科技已沉淀了100+成熟专科AI模型，覆盖26个临床科室，可无缝对接医院PACS、RIS、HIS系统。

最后，也是最关键的，解决“商业分配”问题。iMedLoop内置了一套收益结算体系。当基于这些数据训练的AI模型产生商业价值（如软硬件销售、服务费）时，数据供给方（医院）、参与标注的专家、模型研发方都能从中获益，足以支撑生态的长期稳定运转。

以往医疗AI呈现的“项目制”和“定制化”等高成本模式，会转向一种更可持续的“平台化”模式。

iMedLoop也并非单一 AI 工具，而是德适科技基于影像赛道多年积累打造的医疗AI基础设施，是一套“底层大模型基座+中层数据与训练引擎+顶层全域应用闭环”的工具组合和协同平台。

它整合了标注、治理、验证等全流程能力，这在医疗AI行业也是第一次出现。

2026年是 “数据要素×”三年行动计划（2024-2026年）的收官年，国家数据局宣布已提前完成目标，累计发布了417个典型案例和760个场景指引，医疗健康是重要行业领域之一。

全国的活跃数据总量、企业数据产品交易额、数据产品数量均大幅增长，可信数据空间也在各地快速发展，整个行业需要的是一套能让数据合规流通、让模型批量生产、让场景快速验证的基础设施，而不是又一款孤立的AI产品——这正是iMedLoop想做到的事情。

05

构建开放共赢的“AI朋友圈”

演讲的最后，宋宁强调：“iMedLoop不再是一个单纯的技术产品，而是一个开放的生态。我们希望创建的是一个繁荣、共赢、开放的生态。”

现场，德适科技分别与杭州数据集团、联想控股、温州市卫健委、郑州人民医院、推想医疗等机构完成签约，30多项战略合作，覆盖了数据生态、标注生态、模型共建三类伙伴，对应了合规数据入口、专家知识结构化、专病模型训练落地等关键要素。

医疗AI行业曾被诟病的碎片化，第一次采取了“工业化”的方式整合。

在这个“AI朋友圈”。大家提供数据、知识和场景，德适科技提供优质的“铲子”和“工厂”，共同挖掘医疗AI这座金矿。

当前，德适科技的AI能力已覆盖全国400多家医疗机构。随着平台的推广，其商业模式也从单纯的软硬件销售，迭代为“数据资产服务”在内的可持续收入体系。

06

从单兵作战到全域协同

医疗AI的商业前景毋庸置疑。

“据世界经济论坛发布的数据显示，预计2032年全球 AI 医疗市场规模将达到4910亿美元。而当前的市场只有1/10，全球不到400亿美元规模。” 宋宁抛出这样一组极具诱惑力的潜力数据。

医疗AI的竞争，已经从单纯的算法比拼，转向了对数据资源、生态协同和商业闭环的综合较量。

在4910亿美元的市场诱惑面前，德适科技没有选择短期市场红利，而是选择了解决最底层的“硬骨头”，试图用这套“基座+工具+生态”组合拳，成为中国乃至全球医疗AI产业智能化升级的“底座”。

透过 iMedLoop 平台，实际上是在为中国医疗AI行业铺设一条“数据高速公路”。这条路能跑多快、跑多远，取决于能否真正激活那些沉睡在医院里的海量数据资产，并让每一个参与建设的人都能从中获益。

从1200年到6年的跨越，从65%到99%的提升，这些数字背后，是医疗AI从“手工作坊”走向“工业化生产”的必然。

这或许才是这次产品发布会背后，更值得关注的行业信号。

*封面图片来源：AI生成

文｜刘东

微信｜liudong83112

添加时请注明:姓名-公司-职位

声明：动脉网所刊载内容之知识产权为动脉网及相关权利人专属所有或持有。未经许可，禁止进行转载、摘编、复制及建立镜像等任何使用。文中如果涉及企业信息和数据，均由受访者向分析师提供并确认。