AI 正在改写医学，下一家全球医疗巨头会是谁？

一张产检报告，可能改变一个家庭接下来几个月的生活。一次癌症筛查，可能决定治疗从什么时候开始。对病人而言，医学进步最终要回答几个朴素的问题：能不能早一点发现，判断得更准确一些，少跑几家医院，在自己生活的地方得到 可靠的诊疗，钱付得起。

瑞典一项纳入约10.6万名女性的乳腺癌筛查随机试验，已经展示出具体的变化。2025年发表的结果显示，与标准双人阅片相比，AI辅助筛查的癌症检出率提高约29%，医生的阅片次数减少44.2%。AI帮助分流检查、标出可疑区域，医生继续参与判断。这个结果提供了一个有力信号：发现更多疾病与减轻医生负担，可以同时发生。

这种变化的意义，远超过一款软件提高了效率。过去，医疗机构要扩大优质服务，通常需要增加设备、招募医生、培养专家。AI开始在这条链条中加入一种能够反复使用的能力：把已经积累的医学知识 、影像规律和专业判断，转化为更多医生可以调用的工具。

由此产生的产业问题同样重大：谁能持续创造这种能力，把它可靠地送进临床，并把使用中发现的问题转化为经过验证的改进？

下一代医疗巨头，很可能从这个问题的答案中产生。理解德适科技（02526.HK），需要把它放在这一历史性进程中。

一、AI正在改变医疗能力的创造方式

过去十多年，医疗AI已经证 明，算法可以完成一些边界清晰的任务，例如寻找某类影像异常、勾画病灶或者辅助分类。但当医院提出另一个问题时，团队往往还要与科技企业经历漫长且代价高昂的数据整理、病灶标注、模型训练、调优与验证，最终还会卡在准入阶段长达数年 。优秀的单项工具不能说没有，医疗服务覆盖面的扩张仍然缓慢。

医学的需求往往高度分散。肿瘤医生关心复发风险，产科医生关心早产，病理医生需要辨认细胞和组织中的微 小变化。同一个专科，不同医院的设备、患者构成和诊疗流程也有差别，肝脏术中冰冻病理需要的首先是速度、准确也很重要；但同一台手术上肝脏术后石蜡包埋病理需要的是临床金标准的确诊，但速度却很慢，两个检查看似相似，需要的医生看片能力却大相径庭 。倘若每一种需求都需要重新承担完整的研发成本，大量有价值的任务就难以获得经济可行的解决方案。

医疗影像基座大模型改变的是这笔账。

与熟知的ChatGPT等生成式大语言模型完全不同，医疗影像基座大模型需要基于严肃的医疗图像提供临床级诊断判断。简而言之，它先要从大量医疗数据中学习可以复用的特征（核心的大模型训练），再用特定任务的数据和专业反馈进行适配（众多子模型强化训练与开发）。它不意味着一个模型天然精通所有疾病，而是让众多子模型能够站在已有能力之上被快速开发。算力进步、 自监督学习和多模态技术，共同扩大了这种复用的范围；医疗机构多年来形成的数字化资料，则提供了真实世界的学习材料。

2024年发表于《Nature》的 Prov-GigaPath研究就是一个例子。研究者利用超过17万张全切片病理图像进行预训练，再把同一基座模型用于癌症分型等不同任务。它给产业带来的启发，比某一项榜单成绩更重要：基座能力可以跨任务使用，研发投入有机会被更多应用共同分担。

这种变化也在向治疗端延伸 。AlphaFold 3 已能预测蛋白质与核酸 、小分子等组成的复合结构，为疾病机制研究和药物设计提供工具；前述病理基座模型也在探索从切片中识别与治疗有关的基因突变线索。这些研究有望帮助寻找新的治疗路径，为区分不同患者的治疗需求提供更多信息，具体用途仍需实验和临床验证 。

当开发一种医疗能力的成本下降，受益的不只是已经存在的大市场，那些过去因为病例少、标注难、投入产出不合算而被忽略的需求，也可能得到回应。对医疗资源不足的地方而言，这意味着获得专业支持的门槛有机会降低；对疑难疾病患者而言，这意味着更多细分问题有机会被认真解决。

二、全球竞争：设备入口、临床数据与模型底座

GEHealthCare等传统医疗影像装备企业的优势来自硬件设备本身。CT、核磁等设备的使用成为医院日常工作的一部分。

Tempus走的是另一条路 。它以临床检测切入，把获得适当使用权、经过去标识化和整理的分子、临床等文本数据，转化为药企研究可以使用的服务。2025年，其数据与应用业务收入达到3.164亿美元，同比增长30.9%。这提供了一个已经进入财务报表的例子：医疗服务完成之后，经过治理的数据仍能支持新的研究和商业应用。

DIAGENS（德适科技）作为模型底座的全球领先企业，德适以自研iMedImage医 疗影像基座模型为核心，把专科模型的开发和交付组织成一项平台业务，让全球的医生都可以自己随心所欲的开发专用诊断子模型，在确保诊断准确性能的同时 ，将最终确认的钥匙交回到医生手中。公司业务正以每年翻倍的速度快速发展。

这三条路径揭示了产业价值重新分配的方式：设备入口依然重要，能够连接临床问题的数据更加珍贵，而基座模型的进步，正在把竞争推向数据质量 、专业验证和实际交付。

一家新公司要在其中建立地位，需要拥有足够明确的作用：既能够吸收底层技术进步，又能解决医院无法只靠下载一个模型解决的问题。

三、德适已经从专业产品走向模型平台

据2025年报披露，由德适科技研发的全球领先的医疗影像大模型 iMedImage已达到1040亿参数规模，覆盖19种影像模态和26个临床专科。这些数字呈现的是公司建设医疗影像通用底座的范围：从显微影像到CT、磁共振和超声，底层能力有机会为不同专科任务提供共同起点。它的发展方向因此清楚：让不同专科任务复用基座能力，扩大同一研发体系可以服务的范围 。

医院有病例、专家和问题，却很难为每一个专科需求长期配置完整的算法、数据工程和软件交付团队。平台的价值，是把这些共用能力组织起来，让医生集中参与最不可替代的部分：提出问题、判断样本、定义临床价值和评价结果。医院由此从AI产品的采购者，进 一步成为医疗AI能力的共同创造者。

这与全球产业的一项变化相呼应。麦肯锡在2026年9月的医疗AI研究中，把医院利用自身专业知识与数据建立差异化能力、将临床经验转化为可提供的服务，列为未来的一条发展路径。

医院的知识正在获得新的使用方式，为这种转化提供工具和持续支持，也就成为新的产业机会。

这类需求已经带来商业回报。2025年，德适收入达到1.644亿元，同比增长133.7%；技术许可收入约8434万元，同比增长331.7%，超过医疗影像软件与设备销售，成为最大收入来源。

到2026年上半年，公司总收入约1.087亿元；其中模型服务收入约9454万元，同比翻倍。这项业务由原技术许可类别扩展而来，包括模型与技术许可、云端服务和本地化交付 。连续两个报告期的变化显示，客户为模型能力付费，已经成为公司业务的主要部分。

截至同期，公司推出的医生版影像诊断模型开发平台iMedMaaS推出以来，累计开展158个模型项目，与99家医院建立合作关系，其中65家为三甲医院，这一数量已超过去10年全国同类企业开发模型数的总和；项目覆盖43个人体器官或应用部位、61个疾病适应证。这里的项目包括研发与合作，其产业意义在于，同一平台已经接触多 种疾病 、器官和真实工作场景，积累单一产品难以覆盖的问题经验。

把这些事实连起来，可以看到一种新的企业结构：基座模型提供共同能力，医院合作带来专业问题，模型服务形成实际收入。德适已经建立起这三个相互衔接的起点，后续产品和业务能够沿着它们继续生长。

公司公开展示的合作已经延伸到宫颈超声早产风险预测 、胸腺肿瘤CT分析等方向。它们处于各自的科研或开发阶段，但提示了业务边界的变化：一套底层能力，可以支持不同专科提出的问题。

四、从模型到临床，专业壁垒怎样形成

一张生活照可以在被缩小后依然认出是谁。但医疗影像的难点却常常藏在像素级微小的细节 里：这在AI领域的难度差距类似通用模型可以欣赏并介绍梵高的《星空》，但不可能具备分辨画作是真迹还是赝品的能力，而医疗影像基座模型需要提供可靠的画作真伪鉴定能力，这需要从AI模型底层的创新重构。

德适中报披露的iMedImage升级方向，正是围绕完整检查、全切片和连续影像序列进行处理，保留空间关系和细微病灶，并将结果定位回具体影像证据。这种能力的价值，在于把模型输出接到专业人员可以检查、纠正和使用的工作过程中。

有了全球领先的基座模型，就可以在其之上快速生产专用诊断子模型了。公司在2025年报中披露，基于 iMedImage训练专科模型，最低约需200组影像数据，开发周期可为2至3个月。这是公司对平台开发能力的描述，相比传统AI技术训练一个专科模型，动辄需 数万组影像数据，开发数年，花费数亿来讲，其无疑具有极其显著的代际领先优势。它指出了一个重要的经济机制：已有基座能力，可以减少新任务重复准备和训练的投入，让更多专科需求有机会进入开发流程。

持续升级的意义也由此显现：一次底层图像理解能力的改善，可以为多个后续任务提供更好的起点。专科产品在完成各自适配与验证后，才把这种进步带到具体诊疗中 。基座模型研发与临床应用之间，因而有机会形成一对多的关系。

德适对临床的理解。也有具体的产品基础。

在14000多项临床影像诊断项目中， 以其中一项染色体核型分析为例，专业人员需要从图像里完成染色体的识别、计数、排列及异常判断。这关系到生殖健康和产前诊断，是一个专业性强、细节要求高的场景。公司2025年报披露，在涉及1518份真实世界样本的多中心临床试验中，AI AutoVision每例平均分析时间为11.3分钟，传统人工系统约为34.1分钟，按这两个均值计算，分析耗时减少约67%。同一试验中，结构异常检出的敏感度为94.05%、特异度为100%。这些结果呈现了试验条件下的分析效率和结构异常检出表现。

每例相差22.8分钟意味着什么？如果仅按上述试验均值计算，完成1000例相同分析任务，累计分析时间的差 额约为380小时。这是对分析环节的量级说明，实际工作安排还涉及采样、制片和复核。它让AI的价值变得具体：反复识别、排列的工作减少，专业人员就有机会把更多精力用于复杂病例和异常判断。

2026年5月，AIAutoVision获得国家药监局第三类医疗器械注册证，用于外周血和羊水样本的G显带染色体核型图像辅助诊断，最终报告须由专业人员复核确认。这一进展的分量，在于公司完成了从算法开发到有明确用途、质量要求和监管边界的医疗产品转化 。

从产品走到医院，团队会遇到训练集以外的问题：样本质量不一致，图像来自不同设备，技术人员的操作不同，软件需要适应现有流程，出现疑似异常时必须能够回查。解决这些问题的经验，随后又能进入数据标准 、测试方法和下一次交付。

医疗AI的专业壁垒，就在这种反复往返中形成：技术进入临床，临床把新的要求带回技 术。一家公司越能完整承担这段工作，越有可能把一次产品成功积累成下一次开发的优势。

德适的发展规划有吸引力，正在于它把基座模型、医院合作、临床产品和长期服务放进同一条增长路径。它要争取的产业位置，是让分散在不同医院和专科的需求，能够通过一套持续积累的体系获得回应。

伟大医疗企业的分量，最终来自它扩大了多少人的健康机会。历史的车轮已走过了医疗影像装备巨头的时代，在医疗AI万亿产业的星辰大海正在展露面纱之际，德适正在把专业经验转化为能够持续开发、验证和推广的医疗能力，把一项产品的进步连接到更多专科的未来。这正是它具备AI时代伟大公司潜力的产业依据。