医疗AI万亿赛道：三地三家企业的破局路径
当医生调出患者的胸部CT影像，逐一比对过往检查记录并判断当前病情变化时，医疗AI的万亿级市场空间，正围绕三个核心环节逐步成型：医生日常依赖的工作系统、贯穿患者全病程的医疗数据，以及能够持续产出临床诊断能力的AI模型。
放眼全球医疗AI赛道，来自三个城市的三家企业恰好对应了不同的破局路径：澳大利亚墨尔本的Pro Medicus从影像工作流软件切入，美国芝加哥的Tempus聚焦诊断与患者数据服务，中国杭州的德适科技则以医疗影像大模型为核心发力临床场景。截至2026年10月，三家企业的市值分别约为780亿元、875亿元与220亿元人民币。
三家企业各有清晰的业务起点：Pro Medicus主要销售影像管理软件，Tempus的核心收入来自分子诊断与数据服务，德适科技则将医疗影像大模型推向临床医院场景。将三者放在一起，可以探讨一个共同的行业命题：当工作流工具与患者数据都已成为高价资产，能够持续生成临床诊断能力的AI模型，会不会成为医疗AI的第三种高价值核心资产？
本文的核心判断是：德适科技正在争取的正是这个位置。从单一获证场景出发，逐步拓展至更多专科与医院，让临床专家借助统一的模型底座持续创造、部署并使用专用子模型，将专业医生的诊断能力通过AI模型无限放大，医疗影像大模型就会从单一的产品技术成长为平台级资产。
医疗行业的数字化转型正在被AI加速重构。一方面，大模型正在改变人与健康信息的交互方式：此前用户只能偶尔搜索健康问题，而现在通过授权连接病历与健康数据的工具，健康管理可以变成持续的健康监测、提醒与风险预判。但通用大语言模型仅能解释报告内容，却无法精准判断肿瘤是否缩小、器官是否受损，更难以预测疾病的未来进展。
另一方面，AI正在深度介入药物研发：从Google DeepMind的AlphaGenome研究基因变异对分子性质的影响，到英伟达与礼来宣布未来五年最高10亿美元的联合研发投入，再到英矽智能参与开发的候选药物Rentosertib在2026年启动III期临床试验，AI已经从分子假设阶段就开始参与药物研发决策。无论是健康管理还是药物研发，都离不开可重复验证的临床证据支撑。
医疗影像是临床诊疗中最重要的证据来源，涵盖CT、MRI、超声、内镜、病理等14000余项临床诊断项目，占全球临床数据总量的80%。据世界卫生组织统计，全球每年开展超过250亿次影像医疗检查，庞大的检查量让影像成为医疗系统中最丰富、最可靠的临床观察入口，而病历数据本质上只是这些影像信息的人类语言转述记录。
当前，AI模型研发与临床试验正在医疗影像领域交汇：Google的MedGemma 1.5研究三维CT、MRI与病理影像的理解能力，微软的CARE-X项目探索胸片病变的定位与识别；瑞典MASAI随机试验覆盖10.6万名女性，在乳腺筛查中AI辅助方案的乳腺癌检出敏感度达到80.5%，高于传统筛查的73.8%，而误报率控制水平相当。技术能力与临床证据正在双向推进，而接下来的核心问题是：这些AI能力如何融入医生日常使用的临床系统，并实现持续的商业付费？
来自澳大利亚墨尔本的Pro Medicus，其核心产品Visage 7是一套影像调阅、归档与工作流程管理的完整软件，直接连接医生日常的影像查看、对比、读片、报告撰写与跨院协作流程。一旦医院围绕这套软件组织临床影像工作，它就会成为临床生产环节的核心入口。
这条路径已经得到了清晰的商业验证：Pro Medicus在2026财年实现营收约2.617亿澳元，经营现金净流入约1.275亿澳元，同时披露未来五年的最低锁定合同收入超过13亿澳元。市场给予的估值远高于其当期营收水平，长期稳定的合同、深度嵌入临床工作流的产品属性，以及持续的现金创造能力，构成了其估值的核心基础。
墨尔本的案例证明了一个核心逻辑：在高频且高信任要求的医疗场景中，医生每日使用的系统入口本身就是极具价值的资产。但仅仅实现影像的顺畅调阅，只能解决临床工作的环节问题，要判断影像对具体患者的临床意义，还需要结合患者的完整诊断、检查与治疗背景数据。
美国芝加哥的Tempus提供了第二个行业参照。该企业以分子诊断——通过基因等分子信息解析疾病本质——为主要收入来源，同时将检测结果、临床记录、数据应用与药企的研发需求进行深度连接。其带给行业的核心启发是：当文本数据能够串联起患者的长期病程、治疗选择与真实结局，医疗AI的价值就不再局限于单一的诊断环节。
2026年第二季度，Tempus实现营收3.825亿美元，其中诊断业务贡献2.893亿美元，数据与应用业务贡献9320万美元；同时该企业还披露向阿斯利康交付了肿瘤基础模型的首个版本。Tempus的市场估值，对应了其诊断业务积累的医疗数据资产、将数据赋能医生与药企的能力，以及持续增长的营收规模。
德适科技的创始人宋宁博士曾与科技领域的知名学者展开深入交流，探讨医疗AI的未来图景。他以“从印刷厂到办公软件”的行业变迁举例：过去制作一份文档需要委托印刷厂排版印刷，耗时且成本高昂；而当文档编辑工具普及到个人电脑后，人类能够创造的文档数量实现了爆发式增长。反观当前的全球医疗行业，多数AI产品仍由企业选定病种、独立开发后交付医院使用，甚至有企业花费3年时间、3亿元开发一款单一疾病的影像诊断AI。
宋宁设想的未来模式，则是让影像医生基于通用影像大模型底座，快速、高精度且低成本地训练符合自身专科需求的疾病诊断AI专用模型，他将这种生态形容为“百花齐放”的医疗科技新形态。知名科技评论家凯文·凯利在认同这一理念的同时也指出，对于全球领先的AI医疗企业而言，实现这一愿景的过程本身就会成为最坚固的竞争护城河。
医疗影像大模型的核心逻辑可以概括为“先学通识，再攻专科”：首先从海量的CT、超声、病理等影像数据中学习器官结构与病变特征，再针对特定专科的病例数据适配具体的诊断任务。通过共用的底座承担最昂贵的初始训练成本，新的诊断任务可以直接复用已有的模型能力。德适科技披露，其iMedImage影像底座覆盖19类影像类型与26个临床专科；在部分低样本量的场景中，仅需约200份影像数据、花费2至3个月即可训练出一款专科专用模型。配套的iMedMaaS模型平台支持医生使用本院数据进行零代码训练与本地部署，让医院从单纯采购现成算法，转变为自主提出临床问题、参与创造医疗工具。
要实现这种新的生产模式，仅靠海量影像数据还不够，还需要将医生的专业知识融入数据训练。德适科技表示，iMedImage模型使用超过8000万张医疗影像进行训练；其iMedLoop数据平台累计形成约2895万份已标注的数据记录，并有超过3000名专业人员参与标注与质控工作。这里的“份”指的是样本记录，一份记录可能包含多幅图像——比如一次CT检查会生成连续的多层切片。原始影像让模型学习到更多的人体形态特征，专业标注则教会模型识别病灶位置与分类标准；标注、质控与评测流程让原始数据转化为可训练的临床知识。医院还可以使用本院的本地数据进行模型微调。截至2026年中期，德适科技已与99家医院合作推进158项模型开发项目，医院提出的新临床问题、以及专家共同制定的标注与评测标准，都可以成为下一个AI应用的研发起点。值得一提的是，德适科技在2026年一年内训练完成的模型数量，已经超过了过去十年中国医疗影像AI模型的总和。
将这种生产能力落地到临床场景，还需要获得正式的产品认证与客户认可。基于iMedImage底座开发的AI AutoVision是一款辅助医生分析染色体排列、查找异常的软件，于2026年5月取得中国第三类医疗器械注册证；在临床试验中，“医生+AI”的联合判读平均用时仅11.3分钟，而传统流程则需要34.1分钟。2026年上半年，德适科技通过模型与技术授权、云端服务与本地化部署等方式实现模型服务收入9454.1万元，同比增长101.1%。获证产品验证了底座向临床应用转化的路径，而模型服务收入则证明客户已经开始为AI模型的生产与交付能力付费。“百花齐放”的生态愿景由此具备了商业落地的实际意义：医生定义更多的临床需求，平台则通过统一的工具持续交付新的专科AI能力。
这座“影像AI工厂”所要面对的挑战规模远超想象：按照适应症分类，医疗影像诊断的细分项目多达14000余项。这里的“项”指的是不同临床目的下的检测需求——同样是胸部CT检查，肺癌筛查、肺栓塞排查与肺炎评估的临床目标完全不同，影像采集方式与医生判读逻辑也存在显著差异。每一个细分项目都需要对应的专业能力，医疗影像是一张庞大且高度分散的临床任务地图。
规模的另一面，则是许多罕见疾病的临床病例难以积累足够的训练样本。一项发表于《Nature Communications》的研究显示，在4万余例病例中整理出的5568类影像相关疾病与异常中，多数类别仅能收集到不足30例样本。传统的“一病一模型”开发模式，每新增一个诊断任务都需要重新寻找病例、组织专家标注、训练与验证模型；面对上万项细分需求，开发成本与周期会持续累加。而跨任务复用的大模型将通用的影像理解能力整合到统一底座中，让医生可以用专科样本快速适配模型，才有机会在可接受的成本范围内逐步覆盖这片长尾市场。真正让医疗AI行业扩张的，是能够被开发出来的医学能力总量。
这座“工厂”还能够催生另一项核心能力：帮助研究人员提出关于疾病未来发展的新问题。影像记录了人体已经发生的病理变化，当影像数据与病理、基因、治疗方案以及后续临床结局进行关联后，AI模型就可以探索更多的临床问题：哪些早期影像特征能够预示肿瘤复发？哪些患者更适合某一类治疗方案？这正是AI辅助科学研究在医疗影像领域的具体含义——从海量临床观察中挖掘潜在关联，提出可验证的医学假设。已有《Nature Cancer》的研究尝试通过病理切片推断肿瘤的基因表达特征，进而预测患者对治疗的应答反应。
德适科技的研发团队已经沿着这个方向展开探索：其公开的iMedImage技术报告显示，团队结合增强CT影像、临床数据与病理信息，预测胰腺癌患者术后一年的复发风险，在89例外院测试样本上取得了AUC 0.78的成绩——该指标越接近1，代表区分不同风险等级患者的能力越强。另一项研究则将宫颈超声影像与孕妇病史结合，预测早产风险。AI模型的研究方向已经从“当前观察到了什么”，转向“疾病未来会如何发展”。2026年9月，德适科技与香港理工大学联合成立实验室，专注于医疗影像分析、医疗基础模型与科研流程自动化的研究。
三座城市的三家企业，共同勾勒出了医疗AI的完整价值闭环：Pro Medicus占据了医生每日使用的临床信息系统入口；Tempus将诊断数据与患者全病程结合，服务于临床诊断与药企研发；而德适科技则打造了让全球医生持续创造新AI能力的生产平台。德适的增长路径包含两个核心维度：覆盖更多的医院，以及在每家医院中解决更多的专科AI诊断需求。共用的模型底座可以大幅降低新增任务的开发成本；而从单一的诊断环节延伸至预后评估、患者分层、疗效研究等方向，还有机会服务于科研机构与生命科学企业。由此，我们可以看到人类健康管理从治疗医学迈向关爱医学的崭新曙光。
三座城市、三种路径、三组估值，在人类健康的全新未来中，德适科技的成长之路尤其值得关注——它代表了人类如何更高效、更精准地管理自身健康的探索方向。墨尔本占据了医生的日常工作入口，芝加哥连接了患者的完整病程，而杭州则在构建人类健康管理的全新基础设施。穿越AI技术的前沿浪潮，共启人类健康福祉的新纪元，是全球医疗科技从业者共同的目标。
本文仅供产业研究交流，不构成投资建议。
