醫療影像AI正在進入一個與早期不同的發展階段。

過去，市場關注的重點是模型在測試集上的準確率；如今，行業更關心的是，模型能否進入真實醫療流程，能否在不同醫院和設備之間穩定運行，能否在數據合規的前提下持續產生服務收入。

智通財經APP獲悉，9月11日，德適-B(02526)發布自願性公告稱，公司與浙江省安診兒醫學人工智能科技有限公司簽訂合作框架協議，合作期為三年。雙方擬圍繞診前諮詢、影像初篩和報告解讀，共建浙江省級「數智影像」能力基礎，並探索「檢查在基層、識別在雲端、審核在省級」的影像服務模式。

安診兒作為浙江省級醫療健康 AI 基礎設施平台，同時運營國家人工智能規模化應用中試基地（醫療）。公告同時提到，雙方將共同開發高質量醫療數據集、人工智能訓練語料及科研和數據分析產品，並探索按Token用量計費的模型服務模式。

從表面看，這是一項企業之間的業務合作；從產業角度看，其更值得關注的地方在於：德適的醫療影像模型能力，可能被放入一個覆蓋基層醫療機構、區域雲端和省級專家審核的協同網絡中。

醫療AI發展中的四個關鍵問題

而這一模式，正對應了當前國際醫療AI研究正在探索的四個關鍵問題。

一，給醫生 「減負分流」：AI如何重新分配醫生工作？  

醫療AI進入臨床，並不意味着完全替代醫生。更現實的路徑，是讓AI承擔初篩、分診、定量分析和風險提示，將複雜病例和最終判斷交給專業人員。

醫療 AI 從來不是為了替代醫生，而是做醫生的「效率助手」：把閱片初篩、數據整理、定量測算這些耗時間、重複性的工作接過來，讓醫生騰出精力，專攻複雜病例研判、最終診療決策這些最需要專業判斷的環節，相當於給醫療資源重新 「排兵佈陣」。

《柳葉刀・腫瘤學》2023 年刊登的瑞典 MASAI 研究很有說服力：這項覆蓋近 8 萬名女性的乳腺癌篩查研究顯示，AI 輔助閱片後，醫生的閱片工作量直接減少 36.1%，癌症檢出率反而相對提升 28%，假陽性率和傳統流程基本持平。另一項針對基層糖尿病視網膜病變篩查的研究也證實，AI 系統的敏感度達 87.2%、特異度達 90.7%，能大幅補上基層的能力缺口。

德適與安診兒打造的分級影像服務模式，正是這一國際前沿理念的本土化落地標杆。基層醫院負責拍片、採集數據，雲端 AI 先完成影像初篩和報告初稿，複雜病例再流轉到省級專家手裏審核把關。這樣一來，德適的 AI 就不只是一款安裝在醫院裏的軟件，而是深度嵌入了整個區域的影像診療流程，成為分級診療體系裏的核心支撐環節。

二，跨機構泛化驗證：模型能否跨醫院穩定運行？

醫療 AI 有個公認的行業難題：在 A 醫院訓練得很好的模型，換到 B 醫院、換個品牌的設備、面對不同的患者人群，準確率可能就打折扣。單中心的高分不算真本事，跨機構、跨設備、跨人群都穩定，纔敢說真正能落地。

2020 年《Nature》雜誌的一項跨國研究就印證了這一點：分別用英國和美國的乳腺癌篩查數據驗證同一套 AI 系統，結果差異顯著。這也說明，只在一家醫院做測試，代表不了真實的臨床水平。2022 年《Nature Medicine》發布的行業權威指南也明確提出：評判醫療 AI 好不好，不能只報實驗室裏的漂亮數據，得看它在真實看病流程裏安不安全、醫生用着順不順、漏診誤診率如何、臨床接不接受。

安診兒覆蓋全省的醫療機構協同網絡，為德適的模型提供了天然的多中心驗證場域。不同層級的醫院、不同品牌的設備、不同特徵的患者人群，構成了最真實的 「臨床考場」。雙方將在這個體系裏持續驗證、迭代模型，讓 AI 越用越準、越用越穩，為後續大範圍推廣扎牢臨床根基。

三，安全效率兩頭顧：能否實現數據安全協作？

德適科技公告提出「識別在雲端」，並不意味着醫療數據會不加區分地集中上傳。

提到 「雲端識別」，很多人第一反應是數據安全：患者隱私能不能保障？醫院數據能不能隨便流轉？這也是全球醫療 AI 共同的課題：既要多家醫院聯合訓練模型，又不能把原始敏感數據隨便集中。

科研界早就有了成熟的解法：比如 「聯邦學習」 技術，通俗說就是 「數據不動模型動」—— 各家醫院的原始數據不用出本院，模型到各節點分別訓練，再把訓練結果匯總優化。2020 年《Scientific Reports》上的多機構腦腫瘤研究就證實，用這種方式訓練的模型，效果和把數據集中起來訓練幾乎無差，但隱私安全係數高得多。

德適與安診兒的合作，雙方將探索混合式數據協作架構，兼顧服務效率與數據安全。針對需要實時出結果的影像服務場景，在合規框架內通過雲端完成高效推理；針對模型訓練迭代環節，則探索聯邦學習、安全聚合等技術路徑，配套嚴格的權限管控和審計機制，在守住數據安全與隱私底線的前提下，最大化數據協作的價值。

四，數據資產標準化：如何激活數據長期價值？

很多人以為醫療數據就是存的片子越多越值錢，其實不然。零散的原始影像文件只是 「原材料」，經過標準化治理、合規授權、可反覆複用的數據，纔是真正有價值的 「資產」。

對標國際前沿實踐，美國 NIBIB 牽頭打造的 MIDRC（醫學影像與數據資源中心）已形成行業共識：高質量的醫療影像數據基礎設施，是涵蓋統一數據標準、去標識化處理、來源溯源、訪問管控、質量標註與標準化評測的完整體系，而非單純的數據堆砌。 它的核心不是攢了多少份影像，而是搭好了一套 「數據怎麼收、怎麼管、怎麼用、怎麼評」 的規矩，讓數據能安全流動、反覆複用。

這正是合作雙方探索 「醫療數據資產化」 的核心方向。德適與安診兒將共同開發高質量醫療數據集、AI 訓練語料與科研分析產品，本質是把零散的影像數據，加工成標準、合規、可複用的 「數據產品」。德適此前沉澱的 2895 萬 + 高質量標註影像、99 家醫院的合作網絡，剛好為這件事打下了深厚基礎，推動醫療數據從 「存着的文件」 向能產生價值的資產升級。

三層價值遞進，打開長期成長天花板

如果合作全面落地，將為德適帶來三層遞進的商業價值，有望打開全新的成長邊界。依託浙江海量門診與影像檢查資源，該模式具備 100 億級潛在市場想象空間。

一是影像服務落地，按用量付費更靈活。診前諮詢、影像初篩、報告解讀等場景，將形成持續的模型調用需求。Token 計量的服務模式則實現了模型能力的按需輸出，相當於「用多少算多少」，醫院不用一次性投入大額成本，大幅降低了使用門檻，也更貼合醫療機構的採購習慣，更容易規模化滲透，帶來持續穩定的服務收入。

二是區域平台複用，能放大能力成長邊界。隨着接入醫療機構與影像任務的持續擴容，公司在數據治理、模型訓練、部署運維、反饋迭代上的全鏈路能力，將實現跨場景複用。以前是一家一家醫院做項目，現在是整個省級平台批量落地，相當於把單項目模式升級成了平台複製模式。公司 2026 年上半年模型服務收入按年增長 101.1%、佔比達 86.9%，累計落地 158 個專科模型的深厚積澱，將在省級平台中實現價值放大。

三是合作還將從臨床服務延伸至科研創新領域。真實臨床場景裏的問題，將源源不斷轉化為高質量數據集、專病模型與科研工具，推動AI4S在醫療影像領域的深度落地，把醫療 AI 的價值邊界從輔助診療拓展到助力科研，打開更長期的價值賽道。

小結

醫療影像AI的競爭，正在從「誰能做出一個模型」轉向「誰能讓模型在真實醫療網絡中安全、穩定、持續地運行」。

德適與安診兒的合作，若能沿着臨床工作流、多中心驗證、數據治理和商業服務四條線逐步兌現，其意義將不止是增加一個合作項目，而是為醫療影像AI從技術能力走向區域級生產力提供新的實踐樣本。

未來，隨着合作的逐步落地，公司作為港股醫療影像 AI 龍頭的長期平台價值，還將持續釋放。