在AI驱动的第四次工业革命浪潮中，每一次“首发”都在重新定义行业的坐标系。

2025年第四届全球数字贸易博览会“首发首秀”舞台上，iMedImage^®医疗影像基座大模型正式发布，被弗若斯特沙利文认证为全球参数规模最大、首个实现商业化部署的跨模态医学影像基座模型。2026年7月，iMedLoop™医疗影像AI研究与生产加速平台接踵而至，推动医疗AI从“单点突破”迈向“工业化量产”时代。

近日，以“遇见AI未来”为主题的第五届全球数贸会现场，全球医疗影像AI领军企业德适科技（DIAGENS）再度站上“首发首秀”舞台：联合动脉智库及行业伙伴，正式发布《中国医疗影像数据平台建设白皮书》先导版（以下简称“白皮书”）。

这份白皮书系统界定了“医疗影像数据平台”的内涵，并给出从“数据进”到“价值出”的闭环建设框架，旨在回答行业绕不开的核心命题——当医疗影像AI走到规模化临界点，究竟需要什么样的基础设施。同期，未来学家、《连线》（Wired）杂志创始主编凯文·凯利与德适科技董事会主席、首席执行官宋宁也就此展开了深度对谈，将讨论从技术与产业进一步推向了医疗普惠与全民健康。

从“首个”通用基座模型，到“首座”闭环数据平台，再到“首份”行业建设白皮书与一场跨越未来视野与产业实践的前沿对话——在全球聚光灯下，德适科技以一年内的三次连续“首发”，完成了从技术底座到产业范式的系统性布局。

医疗AI的下一个十年，正从远景拉近为可触可感的现实。

医疗AI的临床价值与商业价值，已经不再需要“证明”，需要的是“放大”。

过去十年，中国医疗影像AI产业完成了从实验室原型到商业化临床工具的跨越。据《白皮书》统计，中国医疗影像AI市场规模五年复合增速超80%，190张三类证构筑了合规基础——这一细分领域由此成为医疗AI获批产品数量最多、商业化落地节奏最快的赛道，多元化商业模式初步成型。

《白皮书》在肯定上述进展的同时，直指行业迈向规模化的深层卡点，散布于环环相扣的全链路之中。

“上游”每天产生大量CT、超声、病理切片，但这些数据以原始形态躺在院内服务器里，格式不一、质量参差、缺乏标注，隐私与合规要求又抬高了使用门槛。数据被困在院内，进不了研发环节。“中游”的困境是同一枚硬币的另一面。模型在医院的数据上训练，换一个院区、换一台设备，性能就可能打折。算法没有变，变的是数据分布。“下游”的研发方式放大了前两个环节的损耗——每个病种都要重建一条从数据到模型的链路，周期长、投入大；数据流通和收益分配机制缺位，医院、专家、企业之间难以形成可持续的分工。

《白皮书》据此提出判断：行业需要从“单点突破”走向“全链路协同”，而医疗影像数据平台，正是这一跨越的载体。它是贯通影像数据采集汇聚、标准化治理、智能标注、模型训练、模型评测、应用部署、临床反馈回流的一体化基础设施，推动医疗影像数据从原始资源转化为可用于模型训练、科研分析和合规合作的高质量数据资产。

医疗影像数据平台架构

图源《中国医疗影像数据平台建设白皮书》

这套基础设施靠三个闭环运转。

数据生产闭环，将原始影像经过汇聚、治理、专业标注和质量控制，转化为高质量、可复用的数据资源；应用反馈闭环，依托基座模型开展专科模型训练、评测、部署和临床验证，并将专业反馈用于后续优化；合规交易闭环，为数据确权、供需撮合、交易结算和收益分配提供支持，使跨机构协作能够持续开展。

三个闭环连接数据、专家、模型与应用，完成从“数据进”到“价值出”。

平台之上，《白皮书》列出五个医疗影像AI的重要发展方向——数据资产化、可信数据空间普及、医疗AI平台化、生产方式智能化和多方共赢的产业生态。

它们共同指向一种变化：医疗影像AI需要建立能够持续供给数据、生产模型、验证应用并组织协作的基础能力。真正的建设门槛也正在这里。标注、训练、评测、部署和合规交易，每一项都需要长期的专业积累；让这些环节协同运转，还需要临床资源、合规机制和生态组织能力。

《白皮书》没有停留在框架建设。它将德适科技打造的iMedLoop™全球医疗影像数据平台评价为“当前覆盖链路最完整、临床与产业落地规模领先的全链路闭环代表”。这个判断是否成立，要看iMedLoop™这个平台上跑出了什么。

今年7月发布的iMedLoop™全球医疗影像数据平台，将iMedImage^®医疗影像基座大模型、iMedStudio™全模态智能标注与数据生产工作台、DoctorBench^®统一评测体系和iMedMaaS^®模型训练与部署平台连接起来，把原本分散的数据、工具、专家和工程流程组织成一条医疗影像AI生产线。

iMedLoop™全球医疗影像数据平台架构

图源德适科技

数据首先要成为能够用于研发的资源。一张三维CT影像的精细分割，传统做法要数小时，不同专家之间还常有分歧。iMedStudio™把AI预标注和专家复核结合起来：专家点击一次鼠标，AI完成数百张切片的连续标注，工作时间压缩到一分钟以内，效率提升万倍。意见不一致时，智能仲裁汇总分析各方标注结果，辅助审核专家拍板。医生的精力从重复操作转向复核、纠错和质量控制，专业经验以更低成本进入训练数据。

上线两个月以来，iMedLoop™已汇聚3000余名专业标注人员，沉淀2895万条高质量影像数据，持续为医疗影像模型研究与生产提供数据基础，为医疗AI创新落地积蓄长期动能。

有了高质量数据，还需要让底层模型能力在不同任务中复用。iMedImage^®医疗影像基座模型拥有1040亿参数，使用8000万临床影像进行预训练，覆盖90%以上的医疗影像场景，可面向26个临床专科、4000余种疾病场景提供模型能力支撑。通过大规模预训练，iMedImage^®形成跨影像类型、跨病种、跨任务的基础模型能力，为不同疾病和临床任务的专科适配提供共同起点。在此基础上，iMedMaaS^®模型训练与部署平台支持专科模型的定制、微调、训练、评测、发布和部署；DoctorBench^®统一评测体系则用于评价模型能力、安全性和适用边界。临床问题由此能够沿着数据准备、模型开发、质量评价和应用部署的完整流程推进，减少不同项目重复建设数据和技术链路的投入。

这些能力已经形成实际产出。德适科技已与99家医院开展合作，其中包括65家三甲医院，累计开展158个模型项目。

iMedImage^®医疗影像基座模型

图源德适科技

不同影像类型和临床任务的研究，也展示了这套体系的适配能力。

早产风险预测研究中，平台仅用210例病例、567次产科超声资料就完成了模型构建，AUC达到0.75（越接近1越准确），优于国际权威早产预测工具QUiPP的最新研究表现。

胸腺瘤CT影像评估研究中，模型围绕良恶性分类、Masaoka分期及WHO风险分组开展多任务建模，良恶性分类AUC达到0.97，Masaoka分期预测AUC达到0.93。

病理影像研究中，平台基于病理芯片数据提取组织学特征，结合生存分析模型开展癌症预后预测，C-index达到0.78（越接近1越准确）。

PET/CT肿瘤分型与基因突变识别研究中，平台基于多中心临床数据，围绕肿瘤病理类型、分子亚型和EGFR基因突变状态开展预测研究，其中EGFR基因突变识别任务AUC达到0.85以上。

超声、CT、病理、PET/CT，同一套底座，回应早产风险、肿瘤分期、癌症预后和基因突变识别四类问题。平台化与项目制的分野，就藏在这组数字里。

让这条生产线持续运转，还需要解决数据怎样安全进入研发的问题。iMedLoop™与杭州数据交易所、杭州市数据要素创新中心合作，接入杭州城市数据可信空间，为数据授权、确权和可信流通提供支持，为破解跨机构协作中的“数据孤岛”提供了具体路径。平台同时支持数据提供方发布标注任务并进行定价，由认证专家申领任务并获得相应报酬，使数据资源与专业劳动能够在明确的协作机制中结合。

数据能够合规进入，专家知识能够转化为高质量标注，基座能力能够适配不同任务，模型成果能够进入评测、部署和反馈流程——不同能力的衔接，使平台具备持续生产、验证和改进医疗AI模型的基础。

iMedLoop™数据合规与平台撮合功能

图源德适科技

产品注册提供了另一层验证。2026年5月，基于iMedImage^®开发的AI AutoVision^®染色体核型图像辅助诊断软件取得国家药品监督管理局第三类医疗器械注册证。基座模型的能力，由此变成一件用途明确、边界清晰、结果可复核的医疗器械。

从2025年首发基座模型，到2026年呈现数据、模型与应用之间的闭环平台，并首发行业《白皮书》，德适科技以落地成果与推进节奏印证：医疗影像AI的规模化发展，需要建立能够持续产出成果的体系。而医疗影像数据平台，正是这套体系的核心载体——它让医疗影像AI从“手工作坊”走向“工业化量产”，第一次有了可复制、可规模化的路径。

医疗影像AI面对海量医院、复杂疾病和持续变化的临床需求，任何一个主体的数据与知识储备都不够。平台要服务更多场景，必须把掌握不同资源的参与者组织进来。

德适的生态建设，正沿着医疗AI产业的分工链逐层落地。

以医疗影像数据平台为产业基础设施构建的产业生态

图源《中国医疗影像数据平台建设白皮书》

数据与可信流通环节，杭州数据交易所、杭州市数据要素创新中心为数据生态建设提供支持，湖北大数据集团、福建省数据流通控股有限公司等伙伴参与推进医疗AI数据合作，让数据资源与研发需求建立连接。

智能标注与质量治理环节，西北大学第一医院、首都医科大学附属北京朝阳医院等伙伴围绕智能标注、质量控制、标准建设和高质量数据生产开展合作，使临床专家的判断与经验进入平台的数据生产流程。

模型共建与应用环节，温州市卫生健康委员会、国家介入医学创新联盟（IMIA）、推想医疗等伙伴围绕模型研发、临床场景验证、技术创新和产业应用开展协作，使研发更加紧密地回应真实需求。

产业技术伙伴进一步补充整个生态的支撑能力。德适科技与腾讯推进智能预标注及多病种专科模型训练协同，与新华三联合打造“存算训推一体化”AI医学影像解决方案，并与联想控股前瞻技术研究院围绕算力、智能硬件、新技术新算法及标准专利等方向开展合作。

科研是这套分工向源头的延伸。德适与香港中文大学卓越妇儿健康研究所围绕妇儿医学影像AI、专科模型训练和辅助诊断开展联合研究，与香港理工大学共建“通用人工智能与医学应用联合实验室”，覆盖医疗影像分析、医疗基础模型和科研流程自动化。

在AI for Science方向下，影像数据不只用于训练模型，还可以进入疾病机制研究、预后分析、治疗反应预测和知识发现。科研提出的新问题回流为数据和模型的新需求，平台则向科研输出工具和资源，形成一个双向赋能的“新闭环”。

更深层的变化，是医疗AI生产力范式的进一步变革。

德适科技已经实现从“一病一模型”向“一底座千模型”的跨越，正在通过与香港理工大学共建的“通用人工智能与医学应用联合实验室”，进一步探索让智能体参与医疗AI研发的全过程。

在医学专家主导下，人类将研究目标、专业知识和研发方法传授给智能体，让智能体理解任务、调用专业工具、开展模型实验、分析结果，并根据反馈调整研究方案。医疗AI的生产方式由此从人工主导的单点开发，逐步走向更加智能化、自动化和规模化的研发体系，让更多过去受成本和周期限制的医学问题获得研究机会，为“一底座＋多智能体＋万模型”奠定基础。

从数据合作到模型共建，从产业协同到前沿科研，德适正在以共同平台连接各方能力，推动创新从一家企业的积累，走向更多参与者共建共享的协作。

医疗影像AI，正在经历四阶段价值跃迁

图源动脉智库

医疗影像AI的未来，才刚刚打开一道缝。但历史反复证明，当一道缝被推开，后面往往是一整个时代——就像2012年的AlexNet，一个深度卷积神经网络模型论文推开的，是AI对几乎所有行业的重写。

医疗影像AI，正站在同样的位置。

这个时代不会自己到来，它需要有人先把底座搭起来，就像AlexNet重写世界，靠的也不只是一篇论文，而是全球开发者在这篇论文之上，一砖一瓦建起的生态。从2025年首发iMedImage®基座模型，到2026年发布白皮书与iMedLoop™平台，德适科技正在做的，就是为行业先行探路、搭台——让数据有标准、模型有路径、协同有机制，建设起覆盖全链路的医疗影像数据平台。

但“全链路”三个字本身就意味着——没有一家医院能独立完成数据闭环，没有一家企业能包打天下。从数据生产到模型训练，从临床验证到合规流通，每一个环节都需要更多医院、更多专家、更多开发者加入进来，把各自的能力接上去，让这条轨道真正跑起来。

医疗影像AI的下一个十年，不会在某一天突然降临。它会在一次次共建、一场场协作、一个个成果的叠加中，被我们一起推到面前。那道缝，已经有人推开了第一把；接下来，需要更多人一起，把它推成一扇门。