“发展未来产业要有新打法。”

正如近期国家发展改革委宏观经济杂志社撰文指出的，未来产业的技术创新必须从跟随模仿转向原创引领，场景建设必须从展演应用转向实操实效。

作为人工智能深度赋能的前沿赛道，医疗AI同样正处在技术突破与产业落地双线推进的关键阶段。伴随AI for Science走出实验室、走向产业化，行业竞赛的内涵也发生深刻变化。2026科学智能大会上，近50位院士判断AI4S已从早期的“方法探索”阶段，迈入“体系重构”与“产业落地”的新时期。AI不再只是提升效率的工具，而是成为一种能在真实世界中持续学习、优化和进化的基础设施，各行各业的竞争焦点也随之升级为底层基础设施的体系对抗。

在此背景下，医疗AI行业涌现出一类新型基础设施公司——它们不再止步于单一技术或注册证，而是以“新打法”搭建一套支撑医疗AI全产业链持续生长、协同共进的生态体系。

医疗影像数据平台，正是这一体系的底座，回应的也正是这一时代命题。

钱、人，尤其是作为第五大生产要素的“数据”，正加速涌进医疗AI。

医疗影像，指的是在临床诊疗、医学研究及健康管理等医疗行为中产生的各类影像资料，包括以X线、CT、MRI、超声、核医学等为代表的放射科影像，以及内镜、病理图像等。

在所有医疗数据中，医疗影像数据是规模最大、价值最高、标准化程度最强的板块。它由上述影像资料经数字化采集、存储后形成，涵盖原始影像数据、标注数据、三维重建数据等图像信息，以及与之关联的影像报告、结构化字段等文本信息。

当前，数据已成为增速最快的新型生产要素，其独特优势在于乘数效应——它不遵循传统的线性消耗逻辑，而是在流通与复用中不断创造新价值。

医疗影像数据正是这一效应的集中体现，已成为驱动全球医疗AI产业发展最核心的燃料。一方面，随着高端影像设备分辨率的持续提升，单次检查所产生的数据量已从数十MB增长至GB级别；另一方面，全国每年影像检查量已突破数十亿人次。精度与规模同步跃升，为我国医疗AI产业发展积累了海量数据——这是其他国家难以复制的独特优势。

科研范式的演进亦是如此。AI for Science被学界视作继实验、理论、计算、数据科学之后的“第五科研范式”。当AI4S走出实验室迈向产业化落地，产业竞赛的内核也随之拓展：不再局限于AI制药层面的“造药”，更进一步走向“读懂生命信息”，海量医疗影像数据也由此成为推动科研范式变革的核心燃料。

但数据量大，不等于可用。高价值的医疗数据资源，并未释放出与之匹配的高质量、高效率的可用性——数据要素的价值释放，仍面临三重关卡。

第一个堵点是源头的数据流转。全国近3.9万家医院沉淀了百亿级影像数据，覆盖临床诊断90%的场景，但因隐私敏感与合规风险，这些数据长期陷入“不敢供、不愿供”的困境。换句话说，数据出不了院，价值就无法真正兑现。

第二个堵点是，即便拿到了数据，数据清洗和标注本身就要消耗大量研发周期，直接影响着中游的模型研发和下游的临床应用。按传统“一病一模型”模式，仅全品类标注就需耗时逾千年——这还不算数据的高速增长。更棘手的是，标注并非一劳永逸：模型迭代、新设备、新病种的每一次延伸都在叠加新的标注需求，时间成本呈滚雪球式攀升。

工具断链，是摆在产业面前的第三个堵点。从数据预处理、模型训练、调参验证到部署测试，用户往往需要在碎片化的工具间来回切换，每一步应用都是一次“断链”。倘若一条单病种管线需要三年才能完成闭环验证，届时窗口期早已关闭，商业化节奏也将被严重拖慢。

以十年为尺，行业用这套打法只覆盖了不到40个病种，99%的需求仍未被触及。不是数据不够多，不是技术不够好，是这套打法本身撑不起规模化的需求。

今年以来，政策端正以前所未有的力度与速度，从顶层设计为这条路清障。从6月《“医保影像云”基础规范》、7月《数据产权登记工作指引（试行）》，到8月《“医保病理云索引”编码规范》，医疗影像数据正从沉睡变为奔涌的活水，开始真正流向医疗AI产业链的每一个环节。

当政府、市场、行业三方同时发力，真正的瓶颈就只剩一个——谁能率先把数据、标注、训练、评测、应用、反馈的完整产业链串联起来，谁就握住了定义下一阶段规则的话语权。

医疗影像数据平台，要解决的正是数据价值释放的堵点。

近期，德适科技联合动脉智库，汇聚多家行业权威机构共同发起《中国医疗影像数据平台建设白皮书》，旨在破解全链条系统性痛点，搭建医疗影像AI一体化产业协同底座。

这份白皮书首次对医疗AI“体系竞争”时代的基础设施——医疗影像数据平台，给出了系统性定义：它是覆盖影像数据采集汇聚、标准化治理、智能标注、模型训练、模型评测、应用部署及临床反馈回流全流程的一体化产业基础设施，核心是将医疗影像数据转化为可训练、可交易、可产生价值的数据资产，是释放影像数据要素价值的核心载体。

医疗影像数据平台架构

图源动脉智库《中国医疗影像数据平台建设白皮书》

白皮书同时指出，底层基础设施的重构不仅重塑了医疗服务体系，更催生了科研范式的深刻变革——医疗AI正跨越传统工程应用边界，从辅助诊断工具向支撑医学科研的底层基础设施延伸，全面拥抱AI for Science。

按照这一定义与打法，医疗影像数据平台的能力覆盖六个核心环节。

一是打通院内多设备、多科室影像数据孤岛；二是搭建标准化、可复用的高质量训练数据集——通过AI辅助标注平台与专家协同机制，将标注效率从“逐像素手工勾画”提升至“AI预标注+专家复核”模式，解决高质量医学标注数据供给不足的产业瓶颈；三是依托平台型基座模型实现垂直AI应用批量落地——医疗机构既可采购大模型底座进行私有化部署，也可通过MaaS（模型即服务）模式在线调用底座能力，进而在该底座基础之上，快速部署或开发不同科室的专病小模型；四是构建覆盖安全底线、诊断准确性、临床泛化性等多维度的标准化评测体系，确保只有通过验证的模型才能部署至真实场景；五是建立合规可控的数据流通交易机制；六是实现影像数据资产价值转化。

六个环节，共同构成从“数据进”到“价值出”的完整闭环。

这套闭环也揭示了一个更底层的判断：医疗AI面向产业的最终入口，不会是复杂的操作后台，而是一个基于自然语言的对话界面。这一“端口”的设计，决定了医疗AI能力能否真正被终端大规模调用，也决定了“平台”在产业生态中的连接深度——白皮书此次发布的“医疗影像数据平台”，正是未来产业“新打法”在医疗AI领域的实践范式。

全国卫生产业企业管理协会会长窦熙照，曾在医疗AI全域生态创新研讨会指出，当前医疗AI正从单一产品应用向全场景、生态化方向加速演进，行业竞争已不仅限于算法和模型的比拼，更是数据资源、标准规范、应用场景、创新生态与综合服务能力的较量。

这与白皮书对“医疗影像数据平台”的定义，一脉相承。

放眼全球，各国正加速抢滩布局医疗与人工智能前沿，一幅“多国布局、竞相发展”的产业热力图已然铺开。

数据，作为驱动经济高质量发展、催生新质生产力的核心动力，不能在别人的地基上落地生根，更不能在别人的框架里兑现价值——这正是德适科技联合动脉智库，携手行业伙伴共同发起《中国医疗影像数据平台建设白皮书》的初衷，也是医疗AI产业的底座必须自主可控的逻辑所在。

概念清晰之后，医疗AI的价值才真正显现。

全球与国内医疗影像AI市场正同步驶入快车道。据弗若斯特沙利文数据，全球市场规模预计从2026年的28亿美元增长至2035年的251亿美元；中国的增长曲线更为陡峭——从99亿元攀升至781亿元，增速显著领跑全球。

在政策密集落地的窗口期，德适科技于2026年7月正式发布iMedLoop™全球医疗影像数据平台——它既是白皮书定义的首个落地样本，也是目前唯一将“数据进”到“价值出”完整闭环跑通并兑现为商业价值的医疗影像数据平台，旨在解决医疗AI无法规模化生产的行业共性难题。

从体系架构来看，iMedLoop™是面向医疗影像AI开发与应用全流程的基础设施。

iMedLoop™全球医疗影像数据平台

图源德适科技

该平台整合了iMedImage医疗影像基座模型、iMedStudio全模态智能标注与数据生产工作台、DoctorBench医疗大模型评测体系、iMedMaaS模型训练与部署平台四大模块，覆盖影像数据生产、合规确权、基座预训练、专科模型微调、标准化评测、临床部署、真实场景反馈、供需撮合与价值分配全流程，推动医疗AI由单点产品向平台化、生态化升级。

iMedLoop™的独特之处在于：一方面，它将单一环节的能力做到了极致——数据生产端有专业标注与质控体系，应用反馈端有千亿参数基座模型支撑；另一方面，它又不止于单点能力。区别于其他平台将各模块简单堆砌，iMedLoop™实现了数据生产、应用反馈、合规交易三大环节的打通与协同，形成了一套持续迭代的完整体系，推动医疗AI从“一病一模型”走向“工业化量产”。

基于iMedLoop™呈指数释放的平台化能力，德适科技已沉淀100余个成熟专科AI模型，覆盖26个临床科室。医疗影像数据平台作为“新打法”已不只是纸上的概念，商业价值正在加速兑现。

尤其在AI4S浪潮下，iMedLoop™不仅是临床工具，更是科研数据的“加工厂”——为从基础科研到临床应用的整个医疗创新链条提供底层支撑。

德适科技首席执行官宋宁博士近日在“通用人工智能与医学应用联合实验室”揭牌仪式上指出，“AI for Science正在重塑全球医疗AI产业格局，人工智能为人类理解生命健康密码、攻克复杂疾病诊断与预测提供了堪比‘登月计划’的挑战与机遇。”

这一愿景正是香港理工大学与德适科技共建实验室的起点。

联合实验室的核心目标，便是打通科研端与产业端的壁垒，让前沿科研成果根植于真实产业场景，在大规模落地实践中完成验证、迭代与优化。科研与产业不再是传统意义上的上下游承接关系，转而形成同一创新闭环内“彼此定义、互相加速”的协同力量。同时，联合实验室还将积极推动AI4S与智能体技术融入医疗研究与产业实践，探索下一代生产方式与创新范式，推动AI4S与医疗AI进入新的发展阶段。

香港理工大学高级副校长赵汝恒教授（牌左）与德适科技首席执行官宋宁博士（牌右）

平台能力的指数级释放和与生态协同的纵深价值，已经映射在财务数据上。据德适科技2026年中期业绩，德适科技模型服务收入达9454.1万元，同比增长101.1%，占总收入86.9%，综合毛利率达74.1%。市场的反应也在同步提速——8月下旬四个交易日，公司股价最高涨逾120%，印证了公司在医疗AI赛道中的稀缺价值与长期潜力。

一个行业真正成熟的标志，从来不是某一家公司的单点突破，而是所有玩家都能站在同一套基础设施上协同运转。眼下，医疗AI正在经历这个转折。

医疗AI是医疗普惠的必然趋势。《中国医疗影像数据平台建设白皮书》的编撰，让医疗AI的基础设施第一次有了可落地的标准框架与建设范式。与此同时，平台搭建者也将成为定义行业规则的人，扛起产业范式迭代的重任。

当AI for Science从概念走向产业，医疗影像数据平台的价值边界也在从临床诊断延伸到医学科研——一个平台，托起的是临床诊疗、科研创新、产业赋能的三重价值。

站在AI与医疗交汇的历史性关口，中国不仅拥有全球最丰厚的数据生产要素，以德适科技为代表的中国创新者，更率先跑通了从数据到平台到商业化的完整闭环——领跑的身位已经确立，接下来要做的，是把生态底座扎得更深、让复利飞轮转得更快，全面加速全球医疗影像行业的智能化发展。