德适-B(02526)AI for Science的稀缺性 可能藏在医学世界模型的雏形里

一台肿瘤手术开始前，医生最需要的，是尽可能知道自己将面对什么。

胸骨后方的肿块，只是贴着心包和血管，还是已经长了进去？能否完整切除?是否需要先接受其他治疗?这些问题关系到手术方案，而一些可靠答案往往要等术后病理检查才能得到。

智通财经APP获悉，德适(02526)参与的胸腺研究，正在尝试把有价值的信息提前到术前。这也是理解AI for Science最直接的入口：让AI帮助研究者处理人工难以逐一分析的信息，检验影像与疾病之间的联系，让更多医学问题做得起、做得快。

具体到这项研究，论文里的Masaoka–Koga分期，可以理解为“肿瘤越界地图”：I期仍在包膜内；II期开始突破边界，部分侵犯需要显微镜确认；III期侵入心包、肺或大血管等邻近结构；IV期则出现播散或转移。

这张地图会影响完整切除的难度、手术准备与治疗顺序。难点在于，CT上“靠得很近”，不等于组织已经被侵犯。最终分期通常依赖手术和病理信息。

能够完整切除、身体状况允许的患者，通常优先考虑手术；如果初始完整切除难以实现，就可能先做诱导治疗，再重新评估。更早理解肿瘤与周围器官的关系，可以让医生和患者准备得更充分。

AI带来了另一种探索方式：同时计算病灶的纹理、形状及周围组织的三维关系，从术前CT与术后结果中学习复杂的组合特征。医生难以逐项比较的信息，由此可以批量分析、检验。

这项研究以iMedImage为基础，结合影像组学，在323例胸腺上皮肿瘤中开展分期预测，258例训练、65例内部测试。模型区分I–II期与III–IV期两组，测试准确率95.38%，AUC为0.9328。成果于2026年7月发表于《European Journal of Radiology Open》。

(从术后确证到术前预测，分期任务准确率对应65例内部测试。资料来源：德适2026年研究论文及临床文献)

这项工作的意义，是从临床已有的CT中，提取能够帮助术前判断的新信息。未来得到临床认可后，它有望为评估可切除性、准备手术和讨论治疗顺序增加依据。

同一研究还利用全部659例病例区分胸腺上皮肿瘤与其他病变，并在其中323例胸腺上皮肿瘤上开展WHO病理风险分组。一套CT资料，支持了对病变性质、侵袭程度和组织学风险的连续追问。

这一类的研究并不轻松。2023年一项研究回溯三家医院十年病例，增强CT分析纳入373人；2024年另一项187例研究，分割及逐层校正每例约需30分钟。几百例数据背后，是长期积累和大量专业劳动。

同一张CT，AI让更多信息进入计算，也让更多医学问题进入研究。

乳腺癌复发预测，则把研究推向未来。患者术后最关心的，是癌症会不会回来。相同分期的患者，长期结局可能不同。

病理切片呈现细胞与组织形态，超声呈现肿瘤的另一面，临床资料记录患者情况。AI把这些信息放进同一框架，系统比较大量细微特征的组合与后续结局，让研究者有机会找到传统分组之外的个体差异。

德适中期业绩路演信息显示，公司已经进行了673例研究将病理、超声与临床信息结合，用AI寻找细微特征与复发风险的联系。优化后的模型五折交叉验证C-index为0.76，评价的是风险排序能力。未来得到临床认可后，这类工具有望帮助医生更细致地评估个体风险，支持长期管理与风险沟通。

从理解当前病变，到预测未来结局，AI4S正把更多医学问题变成可计算、可检验的研究。

德适的关键，在于支持这些研究的共同基础。iMedImage先在多类影像上预训练，把可迁移的特征带到新课题；iMedLoop将数据处理、标注、训练、评测和交付组织起来，减少每个团队从头开发的重复投入。

这可以理解为“先打共同基础，再做专科训练”。新课题的几百例病例，主要承担具体任务的学习；此前积累的影像特征，已经成为它的起点。医生也就能够把更多精力放在提出问题、判断结果与设计下一轮研究上。

从公司年报披露的数据看，垂直模型开发最低可使用约200份影像，开发周期为2至3个月。iMedMaaS上线约15个月，截至2026年6月底累计开展158个模型项目，合作99家医院，覆盖61个疾病方向。

(共同基础降低新课题的开发门槛)

当研发门槛下降，有限的预算就有机会支持更多课题。变化的不只是研究速度，还有一个医学设想能否成为现实。2026年上半年，德适模型服务收入约9454万元，同比增长101.1%，也为持续研发提供了商业支点。

对投资者，这意味着一个可以持续扩展的过程：已有能力服务当前客户，共同技术基础支持更多课题，新的研究再为未来可交付的模型与服务提供来源。

这一进程仍在向前推进。2026年9月，德适与香港理工大学成立通用人工智能与医学应用联合实验室，聚焦医学影像、医疗基础模型和自动化技术，连接基础研究与临床转化。

把这条路径再向前推，德适的想象空间可能落在“医学世界模型”的雏形上。世界模型学习环境如何变化、行动如何影响结果；医学世界模型的愿景，则是根据患者状态推演病程，进一步探索不同干预的影响。

胸腺研究学习影像对应的疾病状态，乳腺研究探索当前特征指向的未来风险。如果这些能力进入应用，并持续接入随访、治疗与真实结局，就有机会走向病程模拟；当模型能够可靠地学习干预与结局的关系，医生便有望预演同一位患者在不同治疗顺序下可能经历的变化。

医学世界模型最动人的想象，是让一次真实的诊疗决策，得到更多次计算中的预演。

诊断提供当下状态，随访检验此前预测，真实结果推动模型改进。未来若形成这样的循环，更多难以在现实中反复试验的问题，就有机会先在计算中探索。

正如“硅谷教父”凯文·凯利在与德适董事会主席、首席执行官宋宁的对谈中所提出的，持久的资产可能是持续产生新医疗AI的过程。德适的模型与平台，正在为这样的过程提供基础。

它的AI4S稀缺性，或许正藏在这里：把一个个医学问题变成新能力，继而向理解和推演疾病的更大体系迈进。