医疗AI如何从“看得准”走向“用得上”？德适-B(02526)与安诊儿…

医疗影像AI正在进入一个与早期不同的发展阶段。

过去，市场关注的重点是模型在测试集上的准确率；如今，行业更关心的是，模型能否进入真实医疗流程，能否在不同医院和设备之间稳定运行，能否在数据合规的前提下持续产生服务收入。

智通财经APP获悉，9月11日，德适-B(02526)发布自愿性公告称，公司与浙江省安诊儿医学人工智能科技有限公司签订合作框架协议，合作期为三年。双方拟围绕诊前咨询、影像初筛和报告解读，共建浙江省级“数智影像”能力基础，并探索“检查在基层、识别在云端、审核在省级”的影像服务模式。

安诊儿作为浙江省级医疗健康 AI 基础设施平台，同时运营国家人工智能规模化应用中试基地（医疗）。公告同时提到，双方将共同开发高质量医疗数据集、人工智能训练语料及科研和数据分析产品，并探索按Token用量计费的模型服务模式。

从表面看，这是一项企业之间的业务合作；从产业角度看，其更值得关注的地方在于：德适的医疗影像模型能力，可能被放入一个覆盖基层医疗机构、区域云端和省级专家审核的协同网络中。

医疗AI发展中的四个关键问题

而这一模式，正对应了当前国际医疗AI研究正在探索的四个关键问题。

一

，

给医生 “减负分流”：AI如何重新分配医生工作

？

医疗AI进入临床，并不意味着完全替代医生。更现实的路径，是让AI承担初筛、分诊、定量分析和风险提示，将复杂病例和最终判断交给专业人员。

医疗 AI 从来不是为了替代医生，而是做医生的“效率助手”：把阅片初筛、数据整理、定量测算这些耗时间、重复性的工作接过来，让医生腾出精力，专攻复杂病例研判、最终诊疗决策这些最需要专业判断的环节，相当于给医疗资源重新 “排兵布阵”。

《柳叶刀?肿瘤学》2023 年刊登的瑞典 MASAI 研究很有说服力：这项覆盖近 8 万名女性的乳腺癌筛查研究显示，AI 辅助阅片后，医生的阅片工作量直接减少 36.1%，癌症检出率反而相对提升 28%，假阳性率和传统流程基本持平。另一项针对基层糖尿病视网膜病变筛查的研究也证实，AI 系统的敏感度达 87.2%、特异度达 90.7%，能大幅补上基层的能力缺口。

德适与安诊儿打造的分级影像服务模式，正是这一国际前沿理念的本土化落地标杆。

基层医院负责拍片、采集数据，云端 AI 先完成影像初筛和报告初稿，复杂病例再流转到省级专家手里审核把关。这样一来，德适的 AI 就不只是一款安装在医院里的软件，而是深度嵌入了整个区域的影像诊疗流程，成为分级诊疗体系里的核心支撑环节。

二

，

跨机构泛化验证：模型能否跨医院稳定运行

？

医疗 AI 有个公认的行业难题：在 A 医院训练得很好的模型，换到 B 医院、换个品牌的设备、面对不同的患者人群，准确率可能就打折扣。单中心的高分不算真本事，跨机构、跨设备、跨人群都稳定，才敢说真正能落地。

2020 年《Nature》杂志的一项跨国研究就印证了这一点：分别用英国和美国的乳腺癌筛查数据验证同一套 AI 系统，结果差异显著。这也说明，只在一家医院做测试，代表不了真实的临床水平。2022 年《Nature Medicine》发布的行业权威指南也明确提出：评判医疗 AI 好不好，不能只报实验室里的漂亮数据，得看它在真实看病流程里安不安全、医生用着顺不顺、漏诊误诊率如何、临床接不接受。

安诊儿覆盖全省的医疗机构协同网络，为德适的模型提供了天然的多中心验证场域。不同层级的医院、不同品牌的设备、不同特征的患者人群，构成了最真实的 “临床考场”。双方将在这个体系里持续验证、迭代模型，让 AI 越用越准、越用越稳，为后续大范围推广扎牢临床根基。

三

，

安全效率两头顾

：

能否实现

数据

安全

协作

？

德适科技公告提出“识别在云端”，并不意味着医疗数据会不加区分地集中上传。

提到 “云端识别”，很多人第一反应是数据安全：患者隐私能不能保障？医院数据能不能随便流转？这也是全球医疗 AI 共同的课题：既要多家医院联合训练模型，又不能把原始敏感数据随便集中。

科研界早就有了成熟的解法：比如 “联邦学习” 技术，通俗说就是 “数据不动模型动”—— 各家医院的原始数据不用出本院，模型到各节点分别训练，再把训练结果汇总优化。2020 年《Scientific Reports》上的多机构脑肿瘤研究就证实，用这种方式训练的模型，效果和把数据集中起来训练几乎无差，但隐私安全系数高得多。

德适与安诊儿的合作，双方将探索混合式数据协作架构，兼顾服务效率与数据安全。针对需要实时出结果的影像服务场景，在合规框架内通过云端完成高效推理；针对模型训练迭代环节，则探索联邦学习、安全聚合等技术路径，配套严格的权限管控和审计机制，在守住数据安全与隐私底线的前提下，最大化数据协作的价值。

四

，

数据资产

标准

化：

如何

激活数据长期价值

？

很多人以为医疗数据就是存的片子越多越值钱，其实不然。零散的原始影像文件只是 “原材料”，经过标准化治理、合规授权、可反复复用的数据，才是真正有价值的 “资产”。

对标国际前沿实践，美国 NIBIB 牵头打造的 MIDRC（医学影像与数据资源中心）已形成行业共识：高质量的医疗影像数据基础设施，是涵盖统一数据标准、去标识化处理、来源溯源、访问管控、质量标注与标准化评测的完整体系，而非单纯的数据堆砌。它的核心不是攒了多少份影像，而是搭好了一套 “数据怎么收、怎么管、怎么用、怎么评” 的规矩，让数据能安全流动、反复复用。

这正是合作双方探索 “医疗数据资产化” 的核心方向。德适与安诊儿将共同开发高质量医疗数据集、AI 训练语料与科研分析产品，本质是把零散的影像数据，加工成标准、合规、可复用的 “数据产品”。德适此前沉淀的 2895 万 + 高质量标注影像、99 家医院的合作网络，刚好为这件事打下了深厚基础，推动医疗数据从 “存着的文件” 向能产生价值的资产升级。

三层价值递进，打开长期成长天花板

如果合作全面落地，将为德适带来三层递进的商业价值，有望打开全新的成长边界。依托浙江海量门诊与影像检查资源，该模式具备 100 亿级潜在市场想象空间。

一是影像服务落地，按用量付费更灵活。诊前咨询、影像初筛、报告解读等场景，将形成持续的模型调用需求。Token 计量的服务模式则实现了模型能力的按需输出，相当于“用多少算多少”，医院不用一次性投入大额成本，大幅降低了使用门槛，也更贴合医疗机构的采购习惯，更容易规模化渗透，带来持续稳定的服务收入。

二是区域平台复用，能放大能力成长边界。随着接入医疗机构与影像任务的持续扩容，公司在数据治理、模型训练、部署运维、反馈迭代上的全链路能力，将实现跨场景复用。以前是一家一家医院做项目，现在是整个省级平台批量落地，相当于把单项目模式升级成了平台复制模式。公司 2026 年上半年模型服务收入同比增长 101.1%、占比达 86.9%，累计落地 158 个专科模型的深厚积淀，将在省级平台中实现价值放大。

三

是合作还将从临床服务延伸至科研创新领域。真实临床场景里的问题，将源源不断转化为高质量数据集、专病模型与科研工具，推动AI4S在医疗影像领域的深度落地，把医疗 AI 的价值边界从辅助诊疗拓展到助力科研，打开更长期的价值赛道。

小结

医疗影像AI的竞争，正在从“谁能做出一个模型”转向“谁能让模型在真实医疗网络中安全、稳定、持续地运行”。

德适与安诊儿的合作，若能沿着临床工作流、多中心验证、数据治理和商业服务四条线逐步兑现，其意义将不止是增加一个合作项目，而是为医疗影像AI从技术能力走向区域级生产力提供新的实践样本。

未来，随着合作的逐步落地，公司作为港股医疗影像 AI 龙头的长期平台价值，还将持续释放。