墨尔本的屏幕，芝加哥的数据，杭州的大模型： 医疗AI的万亿价值从何而来

随着人工智能不断拓展人类认知与创造的边界，一个让科技更好地造福人类的新时代，正徐徐展开。

编辑丨李希

一位患者做完胸部CT，医生先调出影像，翻看过去的检查和治疗记录，再判断眼前的变化意味着什么。未来的医疗AI，可能在这三个环节诞生万亿级公司：每天被医生打开的工作系统、贯穿患者病程的数据，以及不断产生新诊断能力的模型。

沿着这条线看全球市场，有三座城市值得记住。澳大利亚墨尔本的Pro Medicus（ASX: PME）从影像工作流切入，美国芝加哥的Tempus AI（NASDAQ:TEM）从诊断和患者数据切入，中国杭州的德适科技（02526.HK）从医疗影像大模型切入。三家公司的市值（2026年10月6日），约为人民币780亿元、875亿元和220亿元。

三家公司各有自己的业务起点：Pro Medicus主要卖影像软件，Tempus的主要收入来自分子诊断和数据服务，德适把医疗影像大模型推向临床与医院。把它们放在一起，可以回答一个共同的问题：当工作流和数据已经被高价定价，能持续生产临床能力的模型，会不会成为医疗AI的第三种高价值资产？

本文的判断是：德适争取的，正是这个位置。从一个获证场景走向更多专科与医院，让临床专家借助同一个模型底座持续创造、部署并使用万千专用子模型，将“专家”的能力通过AI模型无限放大，影像大模型就会从产品技术成长为平台资产。

01

时代转折：健康需要回答，更需要证据

大模型进入医疗，先改变了人与健康信息的关系。OpenAI在2026年推出可在用户授权下连接病历和Apple Health的健康功能，并称每周有超过3亿人向ChatGPT询问健康问题。健康管理因此可能从偶尔搜索，变成持续理解、提醒和追问。但大语言模型即使可以解释一份报告，却不能靠这些数据确认肿瘤是否缩小、器官是否受损、更不用说对疾病未来进展进行准确预测。

另一端，AI正在进入药物发现。Google DeepMind的AlphaGenome研究基因变异对分子性质的影响；英伟达与礼来宣布未来五年最高10亿美元的联合投入；英矽智能参与开发的候选药物Rentosertib在2026年启动III期试验。从分子假设到临床试验，模型正在参与发现和研发决策。健康管理要知道身体发生了什么，药物研发要知道治疗究竟改变了什么，两者都离不开可重复观察的临床证据。

医疗影像作为临床诊疗的最重要证据来源，包含CT、MR、超声、内镜、病理、显微影像、皮肤镜以及眼底影像约14000项临床诊断项目，占全球临床数据量的80%。世界卫生组织统计，全球每年进行超过250亿次影像医疗检查。如此庞大的检查量，使影像成为医疗系统最丰富、最可靠的观察入口之一，而病历数据等只是这些核心信息的人类语言表述记录而已。

模型研发与临床试验正在医疗影像领域相遇。Google的MedGemma 1.5研究三维CT、MRI和病理等影像理解，微软的CARE-X研究胸片理解与病变定位；瑞典MASAI随机试验覆盖约10.6万名女性，在特定乳腺筛查流程中，AI辅助方案发现乳腺癌的比例更高（敏感度80.5%对73.8%），误报控制相近（特异度均为98.5%）。技术能力和临床证据正从两端向中间推进。决定产业价值的下一个问题是：这些能力如何进入医生每天使用的系统，并得到持续付费？

02

墨尔本Pro Medicus的屏幕：

影像信息管理软件，

把自己放进医生每天的动作里

这里的“屏幕”，指医生调阅、比较、分析影像的整套工作流管理软件。Pro Medicus的Visage 7将影像调阅、归档和工作流程连接起来。医生每天都要在系统里打开、浏览和比较影像；未来的发展方向是，医院一旦围绕它组织读片、报告及跨院协作，软件就可能进入临床生产的核心环节。

这条路已有清晰的商业结果。Pro Medicus在2026财年取得约2.617亿澳元收入、约1.275亿澳元经营现金净流入，披露未来五年的最低合同收入约13亿澳元。被市场赋予远高于当期收入的价值。长期合同、深入工作流的产品和已经出现的现金创造能力，构成了这个估值的业务基础。

墨尔本证明了第一件事：在医疗这种高频且高信任要求的场景里，医生每天使用的入口，本身就是一种昂贵的资产。但影像被顺畅地看见，只解决了工作环节；要判断它对一个具体患者意味着什么，还需要患者的诊断、检查和治疗背景。

03

芝加哥Tempus的数据：

把一次检查放回患者的一生

Tempus提供的是第二个参照。它以分子诊断——通过基因等分子信息理解疾病——为主要收入来源，把检测结果、临床记录、数据应用和药企研发需求连接起来。它给行业的启发是：当文本数据连接了患者的长期病程、治疗选择和真实结局，价值才可能向诊断之外延伸。

2026年第二季度，Tempus收入3.825亿美元，其中诊断业务2.893亿美元、数据与应用业务9320万美元；公司还披露向阿斯利康交付肿瘤基础模型的首个版本。Tempus的估值对应诊断业务形成的数据、把数据用于医生与药企的能力，以及持续增长的收入规模。

04

杭州德适（DIAGENS）的大模型：

让医生从使用者变成创造者

我们可以从公司创始人宋宁博士与全球科技先知、著名杂志《连线》（WIRED）创始主编凯文·凯利在近期的一次深入交流看到，医疗AI的壮阔未来。宋宁借用了“印刷厂到Office办公软件”的变化举例：过去制作一份文件，要交给印刷厂排版印刷，耗时且成本高昂；当文件制作工具进入每个人的电脑，再通过打印机，人类能够创作的文件短时间内爆炸性增加。反观全球医疗行业，仍由企业选定病种、独立开发、再交给医院使用，3年花3亿开发一款疾病影像诊断AI属于常态。宋宁设想的下一步，如同“印刷厂到Office办公软件”的变化，让影像医生基于最先进的通用影像模型底座，快速、高精度、低成本训练符合自己专科需要的疾病影像诊断AI专用模型，他用“百花齐放”来形容这样的医疗科技生态未来。凯文·凯利在认同这一创造性实践的同时，强调了对于一家全球领先的AI医疗企业，实现这一美好未来的过程本身就是企业最强的护城河。

医疗影像大模型的作用，可以用“先学通识，再学专科”来理解：先从CT、超声、病理等大量影像中学习器官结构和病变特征，再用某个专科的病例，适配一项具体判断。共用底座承担最昂贵的第一步，新任务便可以复用已有能力。德适披露，其iMedImage影像底座的研发范围涉及19类影像类型、26个临床专科；在部分低样本场景中，使用约200份影像、花两至三个月即可训练一款专科模型。配套的iMedMaaS模型平台支持医生使用本院数据进行零代码训练和本地部署。医院由此可以从购买现成算法，走向自己提出问题、参与创造工具。

要让这种生产方式运转，影像数量只是第一步，医生的知识还要进入数据。公司披露，iMedImage使用超过8000万张医疗影像训练；其iMedLoop数据平台形成约2895万份已标注数据记录，有3000多名专业人员参与。这里的“份”指样本记录，一份可能包含多幅图像，就像一次CT检查会生成连续切片。原始影像让模型见过更多形态，专业标注告诉它病灶在哪里、应如何分类；标注、质控和评测使数据成为可训练的临床知识。医院还可以用本院数据在本地训练模型。截至2026年中，德适已与99家医院合作推进158项模型项目。医院提出的新问题，以及专家共同制定的标注与评测方法，都能成为下一项应用的起点。值得一提的是，德适1年完成训练的模型数量，已经超越过去10年中国医疗影像AI模型的总和。

把生产能力带到临床，还需要真正的产品与客户。基于iMedImage开发的AI AutoVision，是一款辅助医生分析染色体排列图、查找异常的软件，于2026年5月取得中国第三类医疗器械注册证；在其临床试验中，“医生＋AI”平均判读用时11.3分钟，常规流程为34.1分钟。同年上半年，德适通过模型及技术授权、云端服务和本地化部署等方式取得模型服务收入9454.1万元，同比增长101.1%。获证产品展示了底座走向临床应用的路径，模型服务收入说明客户已开始为模型生产与交付能力付费。“百花齐放”由此有了商业含义：医生定义更多问题，平台用同一套工具持续交付新的专科能力。

05

万亿命题：从影像AI工厂，

到理解疾病的基础设施

这座“工厂”究竟要面对多少难题？医疗影像诊断按适应症分类，项目数量达到14000项。这里数的不是设备，也不是图片，而是不同临床目的下需要完成的检测。同样叫胸部CT，肺癌筛查、肺栓塞排查、肺炎评估对应的适应症不同，影像采集和医生判读的方式也完全不同。每个项目都要有相应的专业能力，医疗影像是一张庞大而分散的任务地图。

规模的另一面，是许多具体问题很难找到足够病例。一项发表于《Nature Communications》的研究，在4万余例病例中整理出5568类影像相关疾病与异常，其中许多类别不足30例。传统“一病一模型”的方式每增加一个任务，就要重新寻找病例、组织专家标注、训练与验证；面对上万项细分问题，成本和周期会不断累加。跨任务复用的大模型把共性的影像理解能力放进同一个底座，让医生用专科样本完成适配，才有机会在可承受的成本内逐步覆盖这片长尾。大模型真正扩张的，是能够被开发出来的医学能力总量。

这座工厂还能生产另一种能力：帮助研究者提出关于疾病未来的新问题。影像记录了身体已经发生的变化；与病理、基因、治疗及后续结局相连，模型便可以追问：哪些早期特征预示复发？哪些患者可能对某类治疗反应更好？这就是AI for Science（AI辅助科学研究）在医疗影像中的具体含义——从大量临床观察中寻找关联，提出可以继续检验的医学假设。已有《Nature Cancer》研究尝试从病理切片推断肿瘤基因表达，并据此预测治疗应答。

德适的研究开始沿这条路延伸。其iMedImage技术报告披露，团队结合增强CT、临床及病理信息，预测胰腺癌术后一年复发风险，在89例外院测试样本上取得AUC 0.78；这个指标越接近1，区分不同风险患者的能力越强。另一项研究将宫颈超声与孕妇病史结合，预测早产风险。模型研究的问题由“现在看到了什么”，走向“疾病之后可能怎样发展”。2026年9月，德适与香港理工大学成立联合实验室，研究医疗影像分析、医疗基础模型和科研流程自动化。

三座城市的逻辑由此闭合。Pro Medicus占据医生每天使用的信息软件入口；Tempus把文本结果放进患者的AI长期病程数据库，并服务诊断与药企研发；德适创造的，是让全球医生拥有不断创造新模型的生产平台。它的增长有两个直接维度：进入更多医院，以及在每家医院解决大量的AI专科诊断需求。共用底座降低新增任务的开发成本；从诊断走向预后、患者分层、疗效研究，还有机会服务科研机构与生命科学企业。由此，我们可以看到人类健康管理从治疗医学（Cure Medicine）迈向关爱医学（Care Medicine）的崭新曙光。

三座城市、三种路径、三组估值在人类健康的崭新未来中，都属低估德适的成长之路，将是人类如何更有效、更精准管理自身健康的探索之路。

墨尔本占据医生的一天，芝加哥连接患者的一生，杭州建设人类健康的新基准线。

穿越AI前沿，共启人类福祉新纪元，这是全地球村的人都在做的事情。

本文仅供产业研究交流，不构成投资建议。

未经「AI科技评论」授权，严禁以任何方式在网页、论坛、社区进行转载！

公众号转载请先在「AI科技评论」后台留言取得授权，转载时需标注来源并插入本公众号名片。