一次医学影像检查的价值，能够延伸多远？对诊断，它是判断病情的依据；对随访，它是比较疾病变化的参照；对临床研究和医疗AI，它又可能成为观察疗效、验证模型的输入。

然而，医学影像数据的高度异构性，限制了单次检查价值的持续释放。

同一种检查，不同医院、不同技师使用不同设备和序列参数，可能形成不同的层厚、分辨率、噪声和对比度。即使影像进入PACS或影像云，这些差异仍会增加纵向随访、多中心研究和AI研发的难度。

为打破壁垒，充分挖掘影像数据的价值，部分医疗AI企业正在已有产品与数据体系上构建新的“数据基座”。他们聚焦采集及归档前的处理环节优化质量、规范数据组织，让分散、异构的影像形成更易比较和复用的数据基础。

在这一过程中，单点AI持续解决具体临床任务，平台连接工作流与多模态信息，基础模型拓展跨任务能力，数据基座则支撑数据的持续产生和使用。几类能力相互配合，推动AI价值沿临床流程延伸。

医学影像AI的赋能范围，由此从分类、分割和辅助诊断，跨越到了影像数据的产生、组织与持续使用。

围绕基座能力的构建，市面上的路径并不唯一。

在国内，一脉阳光依托第三方影像服务网络，将影像中心、解决方案和云服务与医疗机构、患者连接，为数据积累、模型验证与规模化应用提供场景；德适科技则围绕染色体核型分析等临床任务形成产品，并布局iMedImage医学影像基础模型。

海外方面，Tempus在原有临床检测与数据平台业务基础上，先后整合Arterys的放射影像AI能力，以及Paige的数字病理产品、数据和基础模型积累。这些临床入口与分子、病理及临床信息结合，进一步拓展精准医疗、医药研发和生命科学服务。

近期再获TIME评选的“全球顶尖健康科技公司”称号的AI企业深智透医（海外商号Subtle Medical Inc、商业化主体商号深智见微)则将重心放在影像数据产生的源头，正在把已有的采集优化、增强和质控等产品能力，整合为多模态影像数据基座。

在深智透医的布局中，多模态影像数据基座是连接影像设备与PACS、影像云及医院数据中心的一层AI数据生产与质量管理能力。

通过跨模态、跨设备的能力组合，基座将扫描优化、质量增强、自动质控、标准化、信息补全与合成前移至采集及相邻处理环节，以First Time Right为目标，尽可能在首次检查中获得满足临床用途、可供后续计算与复用的数据。

深智透医创始人宫恩浩博士团队在期刊《Applied Radiology》发表的《Beyond Reconstruction: The Next Frontiers in AI Imaging Acquisition》，讨论了AI从图像重建向智能采集拓展的方向。该研究结合临床工作流，可从三个方面理解源头治理影像数据的价值。

首先是为区域检查互认提供质量基础。跨设备、跨医院的质量评价与标准化，可提高影像可比较性，支持在满足临床要求和互认规则的前提下，减少可避免的重复检查。

其次是支持医院高质量数据资源建设。经过治理的多中心、多模态影像，可与HIS、电子病历EMR、LIS及PACS中的检验检测和临床信息关联，服务纵向随访、集团质控、临床试验入组及AI模型训练。医院获得的增量价值，来自质量、效率和数据利用能力的提升。

最后，持续积累的高质量影像可用于机会性筛查、疾病风险预测、多模态AI及基础模型研究。更进一步，通过与病理、基因组学和蛋白质组学联动，可优化多模态数据对齐，一次检查有望产生超越原始检查目的的价值，支持患者分层、疗效评价和医药研发。

临床网络连接真实场景，基础模型拓展跨任务能力，多模态平台整理不同类型的信息，采集端数据基座则改善数据质量。几条路径各有侧重，也为彼此的应用提供基础。

多模态影像数据基座作用于智能采集的具体路径

从构想到落地，多模态影像数据基座的实现需要成像AI、放射学与全球产品化能力的结合。

深智透医已形成覆盖各类影像检查的产品组合。SupMR服务MRI加速与增强；SupPET/ECT改善低计数PET与SPECT核医学影像，支持经验证方案下的低剂量或加速扫描；SupCT支持CT降噪、质量改善及扫描方案优化，也可进一步赋能冠脉CT FFR及机会性筛查等高端应用；SupQC将质量评价连接到日常管理。结合SupSYNTH、SupBoost等最新的生成式AI技术能力，产品沿采集优化、信息利用和质量管理持续拓展。

其中，SupBoost是产品组合中的代表，展示了AI如何利用多模态信息，进一步释放数据采集的价值。

具体而言，该技术强化了MRI中真实采集的对比增强信息，在不增加钆对比剂剂量的情况下，改善病灶可见性。围绕更低对比剂剂量等方案的应用探索，则需结合相应研究与产品验证推进。

近期发表于《Journal of Magnetic Resonance Imaging》的多中心、多阅片者研究显示，SupBoost处理后病灶可视化评分由3.16提高至3.73，整体图像质量评分由3.07提高至3.55。相关技术已与Bracco形成AiMIFY产品，取得美国FDA许可和欧洲CE MDR认证，进入临床及商业化应用。

另一篇发表于《AJNR》的多中心研究，则评价了SupSYNTH技术利用已有T1、T2影像合成脊柱STIR序列数据的效果：合成影像的图像质量评分更高，并在研究评估的诊断任务中与传统长时间扫描的STIR序列具有诊断等效性。

从SupMR、SupPET、SupCT的图像质量与效率优化，到SupSYNTH的跨对比度合成、SupBoost的真实增强信息优化，再到SupQC等质量管理技术，这些产品共同提升医学影像数据采集的利用效率，也为多模态数据的持续使用打下基础。

这些产品背后，是创始人宫恩浩博士在医学影像及AI技术领域长期研究积累、联合创始人斯坦福大学医学院Greg Zaharchuk教授的临床放射学、神经影像背景，以及全球管理团队的产业化经验。几类能力共同支撑配对数据采集、独立验证、跨设备适配和长期部署。

深智透医创始人宫恩浩博士率团队荣获英伟达AI大奖，与联合创始人Zaharchuk教授获黄仁勋等颁奖

医疗AI进入临床后，能否持续融入工作流、交付被客户认可的临床价值与收益并形成付费，是其必须攻克的商业化重要考验。

对于深智透医而言，得益于现有业务的商业化支撑，数据基座具备需求与交付的双重基础。

据公司介绍，其商业模式包括AI SaaS订阅和AI影像后处理硬件系统销售。持续订阅将软件服务与日常检查连接，要求公司长期交付质量、效率及运营价值。按公司最新披露口径，相关产品已进入全球1500多家医院和影像中心，累计获得11项FDA许可，积累超过50篇临床验证相关论文，年度经常性收入（ARR）约2000万美元。部署、临床证据、监管许可与持续付费，共同构成第一增长曲线的基础。

在此基础上，深智透医将采集端能力持续拓展，可概括为Acquire Less、Acquire Smarter、Acquire Anywhere三个方向，分别围绕采集成本、检查范式和应用场景，探索新的增长空间。

Acquire Less贡献最基础的临床价值：扫描加速、在经验证方案下降低剂量、减少额外采集，兼顾质量与效率。结合自动质控和流程支持，还可更早发现问题，减少返工，降低高质量检查对人员经验的依赖。

Acquire Smarter进一步将生成式AI与成像物理结合。SupSYNTH利用已有序列合成特定MRI对比，SupBoost强化病灶增强信息，SupQC识别质量问题；配合标准化与数据对齐能力，探索以更合理高效的序列组合获得高质量、多对比度结果，并结合DLR重建与超分辨率方法优化影像信息利用。

在此基础上，多模态应用可进一步连接影像、检验检测、病理、基因组学、蛋白质组学及临床记录。通过患者、样本和时间点的准确关联，结合多模态AI开展数据对齐与联合分析，AI可为患者分层、疗效预测和研究入组提供支持，也为医疗IT平台补充高质量影像及质量记录。

Acquire Anywhere打开赋能场景。面向从超低场便携设备到超高场、高端设备的全谱系覆盖目标，以增强、重建与标准化能力适配不同条件。

超低场方向可探索床旁检查，并将结构影像结合脑电等多模态神经信号，为脑机接口、神经介入及神经调控提供多模态研究基础；超高场MRI、光子计数CT等方向，则关注精细结构显示与信息利用。不同设备类型及新用途按研究、验证与注册进展逐步推进。

这三个方向连接着新的检查范式与应用场景：以既有临床产品为入口，将数据基座能力接入持续服务，让产品组合随客户需求扩展。

由此，深智透医有望从单设备影像软件，延伸至设备与医疗信息系统集成、医疗集团质量管理及多模态研究服务，推动影像质量改善贯穿检查、随访、介入与研究全过程。

多模态影像数据基座可为“检测数据＋临床数据＋AI算法”补充高质量影像及处理能力，并通过与医院信息系统协同，支持数据沿诊疗流程持续使用。

对医院和影像集团，这是从单次图像处理延伸至持续质量管理；对设备及医疗IT企业，是可集成的采集优化、影像处理与质控能力；对药企、CRO和AI团队，则是更可靠的多中心影像输入与任务验证支持。部署连接需求，产品组合与集成拓展应用，持续服务和反馈再支持改进，构成第二增长曲线的增长循环。

这一方向最终指向每次检查数据的持续利用。宫恩浩博士表示：“过去我们用AI优化医学影像；未来我们希望用AI重新定义高质量医学数据，让每一次采集的数据都能最大化其临床价值和全生命周期价值。”

《医药工业发展“十五五”规划》提出强化原始创新、深化人工智能赋能升级和数智化转型。影像数据源头创新与这一方向呼应：既将质量优化前移至数据产生环节，也推进底层技术自主创新与全链条应用，通过提高现有设备利用效率，让更多地区获得优质影像服务。

因此，深智透医已与全球多家医疗IT公司开展合作。对于正在推进智慧医院、医疗大模型和数据智能战略的医疗IT厂商而言，深智透医位于数据流上游的多模态影像数据基座及相关AI应用，能够补齐影像数据提质增效环节，并进一步支撑AI对下游临床、科研和产业应用的赋能。

以已有临床需求、持续付费业务和全球部署为基础，进一步连接设备、检验与医疗IT上下游，深智透医的第二增长曲线，将取决于这些能力能否转化为客户持续可见的临床收益与全生命周期服务价值。