医疗影像 AI 的工业化转身

从"一病一模型"到全链路生产线，2026 年医疗 AI 的新坐标

字数：约3267字 | 阅读时间：约8分钟

摘要： 医疗影像 AI 正卡在一道高墙前——3000 多种适应症，靠医生人工标注，全国医务人员每天腾出一小时，也要上千年。2026 年，行业开始换一种解法：从"一病一模型"的手工作坊，转向以千亿参数基座为核心的工业化生产线。7 月 4 日，iMedLoop 全球医疗影像数据平台在北京发布，让这场转身有了一个具体样本。

一、上千年：一道全行业共同面对的墙

3000 多种适应症，标注一例一小时，全国数十万医务人员每天腾出一小时——做完需要上千年。

这是德适科技董事会主席宋宁 7 月 4 日在北京发布会上甩出的一组数字，也是整个医疗影像 AI 行业共同面对的那堵墙。它与某一家公司能不能做出好模型无关，是一道产业结构性的难题。

二、行业之困：卡在数据高墙上

医疗 AI 真正的瓶颈是数据——准确说，是能喂给模型的高质量标注数据。算法和算力都不是核心制约。

矛盾的结构性在于供需错配。医院一侧，每年沉淀海量影像数据，数据治理、合规授权、隐私脱敏、结构化处理门槛极高，绝大多数数据躺在 PACS 系统里沉睡。AI 企业一侧，手握算法和模型能力，却苦于拿不到真实、合规、可训练的临床数据，模型迟迟走不出实验室。

更大的瓶颈在标注。医疗影像的标注是判断，不是画框。一位资深医生对病灶边界、影像特征、诊断路径的判读，本身是高度专业化的知识。这种知识过去无法批量沉淀、无法复用，每标注一例就要消耗一位专家一小时。

大模型浪潮把矛盾推得更尖锐。2025 年仅前五个月，国内就发布了 133 个医疗大模型，超过 2024 年全年的 94 个。模型越来越多，真正能训练它们的高质量标注数据并没有同步增长。

国家数据局 2026 年 6 月专门印发《关于推进行业高质量数据集建设行动的实施意见》，把"行业高质量数据集"明确定义为可直接用于 AI 模型训练、能有效提升模型性能的数据集合。政策层已经在为这道墙铺路。

高质量数据的稀缺，不止于数量，更在于真实与可信。本号曾追踪过医疗 AI 领域的数据造假事件——被广泛引用的脑卒中、糖尿病预测数据集被查出严重失真，"任何声称几乎完美的临床数据集本身就值得追问"。数据治理要解决的，正是从源头守住这条生命线。

破壁的第一刀，落在标注工具上。iMedLoop 平台给出的思路是用智能标注工具 iMedStudio 升级"人海战术"——多模态融合、人机协同、精准分割、智能仲裁四项能力，让医生只在真正需要判断的环节介入，把重复性操作交给机器。目前平台已吸引超过 3000 名专业标注人员入驻。专家的临床判读经验，第一次有了被结构化、可复用、可标准化训练的可能。

三、范式之变：从"一病一模型"到千亿基座

数据是原料，模型是引擎。引擎本身也在换代。

过去十年，医疗影像 AI 的主流范式是"专用小模型"——一个模型解决一个病种，肺结节一个、糖网一个、骨折一个。每做一个模型都要从标注开始重走流程：数十万张图、几百人月、上千万元成本。这种"手工作坊"的天花板，就是宋宁算的那笔"上千年"的账。

2025 年起，行业集体转向"基座大模型"路线：先训练一个覆盖多模态、多病种的通用底座，再针对具体疾病做少量数据的微调适配。国内头部企业都在这条路上。

德适的 iMedImage® 走得更极端。1040 亿的参数规模，是弗若斯特沙利文认定的"全球参数规模最大的通用型医学影像基座模型"，也是全球首个商业化跨模态医学影像基座模型（据德适招股书及弗若斯特沙利文报告）。

参数差距背后是开发效率的代差。基于这个底座，一个专病模型的开发被压缩到约 200 例数据、2-3 个月周期，研发成本下降近九成。宋宁在发布会上给出的对比是：标注数据需求量降到原来的二百分之一，开发周期缩短到十二分之一，开发成本与算力支出降到十分之一。过去 12 个月，德适与 87 家三甲医院合作训练了 145 个垂直模型（据宋宁 7.4 发布会介绍）。

这条路线和同行有微妙的分野。联影、深睿、数坤的核心商业逻辑，仍是用 AI 产品服务医院、靠 NMPA 三类证驱动付费。德适把基座模型做成了"产业底座"——让医院和 AI 企业在它之上开发自己的专病专科模型。一个是卖产品，一个是造底座。

四、产业之需：行业不再需要又一款孤立产品

把镜头拉远，2026 年是观察医疗 AI 产业的一个特殊节点。

这一年是国家数据局等 17 部门《"数据要素×"三年行动计划（2024—2026 年）》的收官之年，目标要打造 300 个以上数据要素典型应用场景，医疗健康是重点行业。可信数据空间正在各地长出形状。

行业需要的，已经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 诊断产品。

这正是 iMedLoop 想做的事。它把数据归集、专家标注、模型训练、模型服务、临床应用串成一条全链路可信生产线，据德适介绍已加入杭州市城市数据可信空间，以可信合规体系作为底层支撑。

7 月 4 日的发布会上，杭州数据集团、联想控股、温州市卫健委、郑州人民医院、推想医疗等数十家机构与德适完成签约——30 多项战略合作覆盖数据生态、标注生态、模型共建三类伙伴，分别补上"合规数据入口、专家知识结构化、专病模型训练落地"几个关键工位。医疗 AI 行业过去最被诟病的"碎片化"，第一次有了被一种工业化方式整合的可能。

2026年7月4日，iMedLoop全球医疗影像数据平台发布会，北京

五、阶段总结：一个交汇节点上的样本

回看医疗影像 AI 这几年的演进，脉络清晰。数据从"静态存储"走向"合规可用"；模型从"一病一做"走向"基座复用"；产业从"单点产品"走向"基础设施"。三条线在 2026 年交汇。

本号 4 月曾判断，中国医疗 AI 应跳过 1.0 单点提效，走向 2.0 系统级重构和 3.0 全院级 AI 智能体。如果说单点工具是 1.0、系统级重构是 2.0、全院级智能体是 3.0，那么 iMedLoop 想做的，是这一切之下那条数据生产线——没有它，2.0 和 3.0 都建在沙滩上。

德适是这条交汇路径上一个值得解剖的样本。它 2016 年从遗传生殖赛道起家，用全球首款智能染色体核型分析系统（5 分钟完成过去人工需数天的核型分析）站稳脚跟；2025 年 5 月把多年沉淀的医学影像能力抽象成 1040 亿参数的 iMedImage® 基座；2026 年 3 月作为"医学影像大模型第一股"登陆港交所（02526.HK，首日收涨 111.72%）；7 月再把基座、标注、训练整合成 iMedLoop 平台。

德适扮演的角色，更像一个 破壁者 ——把医院沉睡的数据、医生头脑里的经验、模型里的能力，从各自的墙后解放出来。

从针尖突破，到千亿基座，到全链路生产线。

医疗影像 AI 的工业化时刻，可能就藏在这条路径里。

---

延伸阅读

《拆解医保影像云基础规范》 （2026-06-24）—— 国家级影像数据基础设施的 1+32 架构

《OpenEvidence 国产医疗AI》 （2026-04-11）—— 中国医疗 AI 的 1.0→2.0→3.0 路线判断

《微软梅奥临床数据库数据伦理》 （2026-06-07）—— 医疗数据合规流通的伦理基础

《医疗AI数据造假》 （2026-04-28）—— 数据质量是医疗 AI 的生命线

---

话题标签： #医疗AI #医学影像 #大模型 #数据要素 #可信数据空间 #德适 #iMedLoop #景桁医见

---

参考链接

瞭望财经《当医疗遇见 AI，一场全域生态变革正加速到来》

中国科技网《"医学影像大模型第一股"德适登陆港交所》

国家数据局《可信数据空间发展行动计划（2024—2028 年）》

国家数据局《关于推进行业高质量数据集建设行动的实施意见》

杭州德适生物科技股份有限公司港交所招股章程（02526.HK）

新浪财经《德适生物递表港交所——自研 iMedImage 通用型医学影像基座模型》

Bian Y, et al. Artificial intelligence in medical imaging: From task-specific to foundation models. PMC, 2025.

de Almeida JG, et al. Foundation Models for Radiology — The Position of the AI for Health Working Group. Insights into Imaging, 2025.

《"数据要素×"三年行动计划（2024—2026 年）》

景桁 | 构架愿景，创造未来

闻道 · 致知 · 格物 · 见智 · 守正 · 明医

—— 景桁医见 ——

明医·理性看待医学，科学管理健康

本文由 景桁医见 原创，欢迎转发分享

转载请注明出处，商业合作请联系作者

本文配图由 AI 辅助生成