计算机思维能否真正重构医疗服务体系？
二十一世纪伊始，享有“中国遗传学奠基人”美誉的夏家辉院士曾向宋宁阐述过一个前瞻性观点：新世纪既是信息科学腾飞的时代，亦是生命科学突破的关键窗口期，两大领域的深度融合将为全人类健康福祉带来前所未有的历史机遇。时间来到2004年2月15日，这位创建了中国首个染色体库的科学家抛出了一个极具挑战性的命题：能否借助先进的医学影像技术，将繁琐耗时的人工染色体分析流程彻底实现自动化？为了攻克这一难题，宋宁在这条充满未知的交叉学科道路上，一坚持便是二十二载春秋。
依托国家生命科学与人才培养基地的试点工程，宋宁成为了极为罕见的在本科阶段便同时深耕计算机科学与临床医学的复合型人才。他将利用计算技术革新医学影像分析确立为核心职业航向，并于2016年正式创立德适生物——一家专注于前沿医学影像产品的生物科技先锋企业。令人瞩目的是，该公司已于今年3月在港交所成功敲钟挂牌，标志着其商业化进程迈入全新阶段。
回首当年从纯计算机领域跨界投身医疗行业的艰辛历程，宋宁深刻指出，纵观人类医疗技术发展史，无论是青霉素的发现还是X光、CT及核磁共振技术的问世，背后的关键推动者往往并非纯粹的医生群体，而是来自生物学、化学等多学科的专家力量发挥了决定性作用。尽管化学与医学之间存在天然的亲缘关系，但计算机科学与传统医学却宛如两条永不相交的平行线。“从人才培养体系的底层逻辑来看，这两个专业路径很难产生实质性的交汇。”
这种结构性错位造就了一个行业困境：精通算法的程序员缺乏临床认知，而深谙病理的医师又不懂代码逻辑。宋宁敏锐观察到，过去三十年间，科技从业者始终怀揣着用技术颠覆各行各业的宏大愿景，从互联网浪潮到共享经济兴起，再到移动互联网普及，无数传统行业被数字化重塑。然而，当这股风潮吹向医疗领域时，惯有的思维模式却频频受阻。“医疗行业的内涵极其复杂，涵盖专业技术壁垒、极高的准入门槛以及严苛的行业监管，构成了一个相对封闭且严密的系统。”宋宁直言不讳地表示，仅凭单一的计算机技术优势，“别说妄图颠覆整个行业了，甚至可能在产品艰难开发出来后，因无法契合实际需求而面临市场冷遇。”
打造具备顶尖博士水准的基础大模型之路
宋宁将当前AI医疗赛道清晰划分为三大主流方向：首要领域是医学影像分析，该板块占据了全球医疗数据总量的八成份额，得益于较早的技术积淀，目前已实现较为成熟的规模化商业落地；其次是基于医疗文本的智能应用，如自动分诊系统及病历生成工具，虽在临床场景中铺设广泛，但其盈利闭环仍在探索之中；备受瞩目的第三个方向则是AI辅助制药，宋宁客观指出，尽管其在药物分子设计及新靶点筛选环节展现出惊人的速度优势，但由于制药行业固有的长周期特性，后续仍需历经漫长的临床试验验证、合规注册审批及上市申报阶段，因此其商业红利尚未完全转化为对人类健康的实际受益。
长期以来，计算机界与医学界的认知断层导致AI医学影像行业的推进步履维艰。行业内传统的研发范式往往是构建“专病专用模型”——针对单一检查项目采集数十万张图像样本，耗费数亿元资金，历时三四年进行训练，随后重新申报注册。“这需要向医院支付费用，促使医护人员加班对海量照片进行重新标注，再投入模型训练并不断迭代优化。”宋宁对此有着清醒的判断：“数据体量过于庞大，处理效率低下，资金投入沉重，根本无法实现规模化复制。”倘若每一次新增影像检查项目的研发都必须承担如此高昂的成本，那无异于走入死胡同。
德适生物决定开辟一条截然不同的技术路径。宋宁的核心逻辑在于：首先训练出一个媲美“上海交通大学医学院最优秀博士毕业生”水平的通用基础大模型，使其系统性掌握病理学、生理学、解剖学、组织胚胎学以及八大人体系统的所有临床医学知识体系，随后针对各个专科领域进行短期的强化微调训练。“这就好比培养一位全能的人类医学专家，初期不必限定其未来专精某一细分领域，但可以让他仅用两个月时间就熟练掌握胸片判读或腹部超声诊断技巧，每一项单科技能的习得不再需要数年之功。”在此理念指导下，作为全球首创的医疗影像基座大模型，“iMedImage®”应运而生，其能力覆盖了超过90%的临床影像检测场景及26个核心临床专科。
数据质量远胜于单纯的数量堆积
宋宁感慨万千，“iMedImage®”的面世无疑为中国AI医学影像技术的发展按下了加速引擎。他回忆道，早在2018年，德适的模型准确率已逼近90%，但单次运行耗时长达两分钟，“在医院日常诊疗中，一天最多只能处理几份报告，完全不具备临床实用性”；而今，德适模型的参数规模已扩大千倍级别，分析一张影像仅需2至3秒钟，准确率更是提升至接近完美水平。目前，德适已与六十多家顶级医疗机构合作开展逾九十个AI项目，其中三十项技术指标位居全球首位，产品成功进入国内四百余家三甲医院。典型案例显示，其染色体核型分析设备将原本需30至40天的报告出具周期大幅压缩至4到7天，识别准确率稳定保持在99%以上。
对于人工智能而言，数据量固然是不可或缺的要素之一，但在医疗AI语境下，数据的质量与准确性才是决胜关键。据统计，全球医疗数据约占全部数据总量的30%，然而有效利用率尚不足5%，中国的现状同样不容乐观。这座沉睡的数据金矿不仅蕴含着巨大的未开采经济价值，更因数据治理中普遍存在的“高产低用”结构性失衡以及协同机制的不透明，导致了重复检查频发、诊疗路径冗长、数据孤岛引发的误诊风险、用药错误及治疗延误等一系列严峻问题。
宋宁深入剖析认为，数据利用率低下源于双重制约：一方面是国内部分医院的原始数据质量参差不齐；另一方面是医院长期缺乏将数据资产转化为标准化产品的通道，“这超出了医院自身的职能范畴”。德适产品负责人何讯补充说明，内地医疗AI企业获取训练数据的途径主要包括公开学术数据集、与高校或医院签署合作协议，以及近年来兴起的通过地方大数据局授权的模式。但无论采取何种渠道，都受到严格的地域限制：“数据绝对不能跨越既定区域边界。”假如德适计划与香港医院展开合作，必须在院内部署本地化算力服务器，遵循“只学习、不带走”的原则，业内称之为联邦学习机制。这种方式既能打破部门间的“数据孤岛”，又能严格保障患者隐私与合规安全。
内地医企扎堆港股上市的深层动因：为何独宠香港？
港交所正见证一股强劲的内地AI医疗及生物科技上市浪潮。预计在2024至2026年间，将有五家内地AI医疗企业在港登陆主板，另有至少八家公司已完成招股书递交。以德适为例，其于今年3月挂牌首日股价飙升超120%。谈及为何将香港视为业务拓展的首选战略高地，宋宁的评价直截了当：“这里是最好的选择。”
在他眼中，香港拥有三大无可替代的独特优势。首先是医疗体制的中立性——内地的医疗议题常与社会政策紧密捆绑，“既要满足民众对优质医疗的需求，又要控制价格成本，还需保证便捷可及，这是最难平衡的路径”，而香港则免受此类非市场因素的干扰。其次是小巧精悍的地域特征带来了极佳的可达性，密集的医疗网络有利于技术的快速迭代与反馈。最后是高度的国际化视野，“香港堪称微缩版的世界”，不同种族人群与多元医疗体系在此交汇融合，为AI模型的多样性训练及全球化输出提供了得天独厚的土壤。
此外，成本效益方面的优势亦十分显著。宋宁举例称，“假设某常规项目在当地的收费基准为400元，我们的AI检测定价约为300元，综合对比之下实现了又快、又准、又便宜的效果。”虽然AI研发投入巨大，但一旦完成部署，各方即可按例分享收益，“由于诊断精准度提升且减少了人力依赖，整体社会的医疗负担成本随之下降。”再者，香港市民对高品质医疗服务的高需求与高标准，构成了开放包容的应用场景，这也是孕育医疗AI的优质市场沃土。他反证道，若某些地区的民众持有“感染HIV无关紧要，洗个热水澡就能治愈”的错误观念，那么在这片认知土壤中从事艾滋病疫苗或药物研发的企业将寸步难行。在他看来，香港医院具备引进新技术的能力，市民也拥有接纳创新方案的意愿与经济基础。这对于任何渴望将AI医疗产品推向广阔市场的企业而言，都是不可多得的理想条件。
广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，硕谷新闻聚合所有文章均包含本声明。
暂无评论内容