把1200年压缩到6年：医疗AI等来了自己的生产力平台

周末的钓鱼台国宾馆，一场医疗AI发布会值得科技投资圈认真看一眼。

不是因为现场来了多少嘉宾，也不是因为又出现了一个新平台，而是因为这场会把医疗AI最难的一件事摆到了台面上：行业不缺几个能展示的模型，缺的是能持续生产模型、验证模型、发布模型、落地模型的生产力系统。

7月4日，瞭望周刊社瞭望财经联合德适在北京钓鱼台国宾馆举办医疗AI全域生态创新研讨暨 iMedLoop™ 全球医疗影像数据平台发布会。主管部门、权威媒体智库、行业协会、数据交易机构、三甲医院、科研院所、AI企业和多位院士专家同场，这个阵容本身说明了一件事：医疗AI已经不再是单家公司、单个科室、单个模型的故事，而是在进入政产学研医用共同参与的新阶段。

图：医疗AI全域生态创新研讨暨 iMedLoop™ 全球医疗影像数据平台发布会现场。

一、最值得看的，是这场会的价值链

这场发布会的流程很有意思。前面是领导致辞，讲的是健康中国、数字经济、可信数据空间和医疗AI生态；中间是三位院士的主旨报告，讲的是大模型、智慧医院、AI医院和临床场景；随后是宋宁博士发布 iMedLoop™，给出具体产品和技术抓手；再往后是平台启动、战略签约和圆桌讨论。

换句话说，它不是一个孤零零的产品发布，而是一条完整链路：政策方向、学术共识、技术底座、产业协同和临床场景被放到同一张桌上。

对科技财经媒体来说，最值得抓住的不是“德适又发了一个平台”，而是：医疗AI正在从项目制、样板化，走向平台化、工业化、生态化。

二、医疗AI的矛盾：需求是工业级的，供给还是手工作坊

宋宁博士现场抛出了一道算术题。全球医疗影像按适应症分类超过3000项，如果进一步细分，场景更多。传统AI模型训练通常需要数万张甚至数十万张标注图像，而每一例医学影像标注都要耗费医生大量时间。

如果让全国约25万名影像、病理、检验等相关医生每天拿出1小时做标注，完成人类所有医学影像检测项目的数据标注和模型训练，测算需要1200年。

这个数字真正说明的问题，不是医生不够努力，也不是模型不够聪明，而是医疗AI原来的生产方式太低效。过去做一个医疗AI模型，往往是一家医院、一批数据、一个病种、一个项目，从数据收集、专家标注、模型训练、临床验证到部署交付，一步一步重新来。

这种方式能做出“样车”，但很难支撑整个医疗影像体系智能化。医疗AI要走向普及，必须从手工作坊进入生产线。

三、iMedImage®先把模型训练门槛打下来

德适的第一块底座是 iMedImage® 医学影像基座模型。宋宁博士介绍，基于该模型训练专病专科模型，所需标注数据可以降至传统方式的二百分之一，开发周期缩短至十二分之一，开发成本与算力支出均降至十分之一。

过去12个月，iMedImage® 已获得6项国家级及省部级重大专项，并与近百家三甲医院合作训练145个垂直模型。这个数字背后的意义，不是“模型数量很多”，而是模型开发开始从个案能力变成规模化能力。

图：iMedLoop™ 生态合作伙伴与核心能力，包括 iMedMaaS、iMedImage® 和 iMedStudio。

如果说通用大模型解决的是语言和知识的泛化问题，医学影像基座模型要解决的就是医疗影像领域的适配效率问题。医疗AI最难的不是做出一个模型，而是让一批模型更快、更低成本、更可验证地被生产出来。

四、iMedStudio 补上最容易被低估的一环

但光有大模型还不够。真实医疗AI研发里，标注是第二堵墙。

医学影像标注不是外包画框。一个病灶边界怎么画、一个区域是否有诊断价值、一个病例是否适合进入训练集，背后都是医生多年经验。标注质量决定模型上限，标注效率决定模型产能。

iMedStudio 的价值，就是把医生从重复、低效、高强度的“数据苦工”中解放出来。它支持多模态融合、人机协同、精准分割和智能仲裁。宋宁博士现场演示，三维CT标注过去需要几个小时，现在医生点击一次，AI即可在数百张图像上完成三维标注，不到一分钟完成。

更关键的是一致性。手动标注时，不同专家对同一病例的标注交并比约为65%;在 iMedStudio 辅助下，不同专家标注同一病例的交并比可达到99%。速度和一致性同时提升，才意味着医学知识可以更稳定地沉淀为模型训练数据。

五、iMedLoop™ 真正要做的，是把三件事接成闭环

图：iMedLoop™ 医疗智能闭环：数据生成模型能力，应用反馈推动进化。

iMedImage 解决模型训练门槛，iMedStudio 解决标注效率和质量，iMedLoop™ 则把二者与 iMedMaaS 在线模型训练与发布平台接成闭环。

这个闭环包括两条线：左边是数据生产闭环，数据进入平台后完成治理、标注、修正和质控；中间是 iMedImage® 医学影像基座模型，承接数据和知识；右边是应用反馈闭环，模型通过 iMedMaaS 定制、微调、部署，进入临床和科研场景，每一次应用又反过来成为下一轮模型进化的起点。

所以，iMedLoop™ 不只是“数据平台”，它更像医疗AI的生产力底座：把数据、专家、模型、应用和反馈接到一条线上。

六、真正的飞轮，才刚刚开始

平台型公司的价值，不在一次性交付，而在持续沉淀。

更多医院加入，带来更多真实场景；更多场景带来更多高质量数据；更多数据需要专家标注；更多标注训练出更多专病模型；更多模型进入临床验证和科研应用；更多验证结果形成论文、产品、注册证和商业收入；这些成果又会吸引更多医院、专家和产业伙伴加入。

这就是医疗AI的飞轮。单个模型可能被追赶，单个算法可能被复制，但一个连接数据、专家、模型、临床验证、部署能力和生态伙伴的生产系统，不容易被短期复制。

从资本市场估值维度测算，国内医疗影像数据、模型训练、临床服务一体化平台长期市场空间超千亿港元。德适iMedLoop™搭建行业稀缺全闭环生产力底座，覆盖数千家医院、上万种病种模型开发需求，叠加SaaS订阅、模型授权、医疗器械注册商业化多重收入曲线，长期具备支撑千亿市值的产业基本面与增长空间，也是港股18A医疗AI赛道稀缺的平台型千亿级潜力标的。

配图：iMedLoop 平台官网

七、这可能是医疗AI的“福特时刻”

汽车工业早期不缺能跑的车，但真正改变产业的是流水线。流水线让汽车从少数人的手工品，变成可大规模生产、可持续迭代、可进入大众生活的工业品。

医疗AI今天面对的是类似问题。行业不缺样板模型，缺的是生产力平台。

iMedLoop™ 要打开的，不只是一个平台市场，而是一套医疗AI生产体系。向临床释放，它提高诊断基线；向科研释放，它提高医学发现速度；向产业释放，它让医疗AI从“一个病种、一个项目、一个模型”的手工开发，进入可持续、可验证、可规模化的平台化生产。

把1200年压缩到6年，听起来像一个夸张的数字。但它真正指向的，不是速度本身，而是生产方式的变化。

如果这条生产线跑起来，德适就不只是“做医疗影像AI的公司”，而是在组织医疗AI的生产资料、生产工具和生产场景。医疗AI的下一场竞争，不只是模型之争，而是生产力之争。