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。

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。

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。

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”。

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。

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。

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。