医疗大模型沙龙成功举办，徳适生物医学影像通用大模型成全场关注焦点
2025 年 10 月 25 日下午，由浙江图灵算力研究院和徳适生物联合主办、腾讯云和民进省直二联二支部共同承办的 “ AI 创新正当时——大模型贯穿医疗多场景” 主题沙龙，在杭州算力小镇成功举办。本次沙龙汇聚了临床专家、影像专家、科研学者及医疗 AI 企业技术带头人，共同探讨大模型在医疗场景中的前沿应用与未来路径。
此次沙龙的举办正值国家层面大力推进人工智能在医疗领域应用的关键时期。2025 年 8 月，国务院发布《关于深入实施“人工智能 ”行动的意见》，明确提到“要加快探索人工智能驱动的新型科研范式，加快科学大模型建设应用，推动基础科研平台和重大科技基础设施智能化升级”。政策红利与技术创新交织，为医疗 AI 发展注入强劲动力。
德适生物重塑 AI 医学影像技术路径
德适生物资深产品工程师何迅以《iMedImage™医学影像通用大模型：助力科研与临床的智能引擎》为题，分享了iMedImage™在科研及临床中的应用，其创新的技术路径与解决方案成为全场关注的焦点。
在临床诊断中，医学影像如同医生的“眼睛”，如今却正面临“信息过载”的挑战。一方面，医疗数据以年度 30% 的速度激增，其中影像数据占比高达 80%。另一方面，经验丰富的影像科医生资源相对短缺，不同地区的诊疗差异率超过20%。面对这种“数据洪流”与“人力瓶颈”的矛盾，人工智能技术正成为破局的关键力量。
传统 AI 医学影像多采用针对单一病种的专用模型开发路径，虽实现了“从 0 到 1 ”的突破，却普遍面临研发周期长、资金投入大、数据量要求高等挑战。德适生物则另辟蹊径，选择了一条全新的技术路线，其自主研发千亿参数规模的 iMedImage™ 医学影像通用大模型，该模型基于超 8000 万医学影像数据预训练，具有强大的泛化能力和可拓展性，开创了“基座模型”在医学影像领域落地的新范式。
iMedImage™ 高效建模，性能优异
德适生物的 iMedImage™ 医学影像通用大模型具备“少样本、低算力、快训练”的核心技术优势，凭借多项核心能力包括高效数据标注与预处理、自动分割器官/病灶、影像学特征自动提取等，显著降低前期数据准备成本，提升模型训练效率，目前已与国内数十家顶级医疗机构开展临床科研项目合作。
在真实的模型训练中，iMedImage™ 实现了高效建模且性能优异。在产科领域，仅用 210 例数据就成功开发出了一个早产风险预测模型，AUC 达到 0.747，远超国际权威推荐的早产预测工具 QuiPP 最新研究的 AUC 0.631；在肿瘤领域，开发了一个仅基于常规 CT 的术前胸腺肿瘤风险评估模型，AUC 达到了 0.9053，远超过传统放射学组的最佳表现 AUC 0.85。这些成果充分证明了德适生物在科研创新方面的实力和价值。
腾讯健康患者全周期管理创新解决方案
在 2025 年腾讯全球数字生态大会上，徳适生物创始人宋宁博士宣布了与腾讯达成深度合作，共同推动医疗 AI 新基建。在本次 AI 医疗沙龙上，腾讯健康行业总监张阳发表《科技助医，互联为健——全周期管理平台方案》主题演讲，系统介绍了腾讯健康面向患者全周期管理的创新解决方案。
患者的全周期管理一直是医疗行业关注的重点，医生群体普遍存在对高效随访工具的需求，而患者端则期待获得更连贯、便捷的诊后体验。国家政策也接连发文，鼓励医疗机构应用互联网等信息技术加强患者的健康教育与随访管理，将服务延伸至院外。
腾讯健康的患者全周期管理平台构建了一套以患者为中心，覆盖患者端、医生端的健全流程、自动化的患者健康管理体系。该平台突破了传统单一的诊中干预模式，将服务延伸到诊前、诊后全流程，帮助医疗机构实现了真正的全病程管理。这一服务模式不仅与国家政策相契合，通过数字化工具提升了医疗服务的可及性与连续性，有效提升了患者就医体验与治疗依从性。
AI 大模型应用前景广阔
在本次 AI 医疗沙龙中，与会专家普遍认为，AI 大模型技术将成为医疗行业转型升级的核心驱动力。从医学影像分析、患者服务，到全周期健康管理，AI 正在渗透医疗服务的各个环节。
互动交流环节现场气氛热烈，与会者围绕“大模型如何更有效地服务于临床”、“用户隐私与数据安全”等议题展开了深入探讨。一位医疗机构管理者对腾讯健康的全周期管理平台表示认可，并询问该平台具体部署方式。腾讯健康行业总监张阳介绍到：“该方案支持SaaS、本地化及混合部署等多种方式。其中混合部署将应用部署在云上，数据存储于本地化，在保障数据安全的同时也兼顾了成本效益，是目前多数医院倾向选择的方案。”
此外，一位临床医生特别指出，仅用 200 例病例数据即可训练出一个可用模型，这一点令他十分关注。对此，徳适生物资深产品工程师何迅介绍到：“iMedImage™医学影像通用大模型是基于超8000万数据进行了预训练，因此仅需少量样本就能训练出一个模型，有助于快速验证研究方向，大幅降低传统模型对成千上万例样本的依赖。”
医疗工作者对 AI 医疗展现出的高度关注，也预示着该领域在未来具备广阔的发展前景。
