2004年，中国工程院院士夏家辉给宋宁出了一道题：用医学影像自动化染色体分析。这开启了他22年的跨学科跋涉——本科同时攻读计算机与临床医学，2016年创立德适，今年3月登陆香港交易所。“香港是最好的。”宋宁说，这里有30年真实世界数据，标准化病历、数据互通、编码唯一；医院管理局中立严谨，数据质量获国际认可；以及密集的医疗网络与高接受度的市民，让香港成为AI医疗出海的最佳出口。

“AI医生”系列深度报道之三

计算机思维难以重塑医疗行业？

2000年初，被誉为“中国医学遗传学之父”的夏家辉院士对宋宁说了一番话：21世纪是信息科学的新世纪，也是生命科学的新世纪，这两个学科的结合，将对全人类健康产生重要机遇。2004年2月15日，创建中国人类染色体库的夏家辉给出一个课题：能不能用医学影像技术，把复杂耗时的人工染色体分析自动化？宋宁在这条道路上，一走就是22年。

透过国家生命科学与人才培养基地的试点项目，宋宁成为极少数在本科阶段同时攻读计算机与临床医学的人。他将计算机技术提升医学影像分析确立为职业发展方向，并在2016年创立了德适——专注于医学影像产品的生物科技公司，今年3月已在港交所成功挂牌。

回忆当年从计算机走向医学的跨学科之路，宋宁指出，人类医疗技术发展史上，从青霉素到X光、CT、核磁，背后的发明者往往不是纯粹的医生，生物、化学等领域的专业人士经常扮演关键角色。不过，学化学和医学还有相近之处，但计算机和医学却是两条平行线，“从学生、专家的培养路线上来讲，它不会相交。”

这就形成了一个结构性的困境——学计算机的人不懂医学，学医学的人不会计算机。宋宁观察到，过去30年，从事计算机行业的人一直怀着“用技术改变每个行业”的雄心，从互联网到共享经济到移动互联网，一个又一个行业被技术重塑。然而，到了医疗领域，这套惯性思维却频频碰壁，“医疗这个行业的内涵太广了，专业技术、进入门槛，行业监管，都是一整套非常严密、相对封闭的系统。”宋宁直言，仅仅懂计算机技术，“别说要颠覆这个行业了，可能连产品开发出来之后，都不一定有好的市场。”

“优秀博士毕业生”大模型之路

宋宁将AI医疗领域归为三个主要方向：第一个是医学影像，这一分支占据了全球医疗数据量的八成，得益于技术积累较早，已实现相对成熟的规模化商业落地。第二个是医疗文本相关的AI，如智能分诊、病历自动生成等，虽然在临床应用中铺设较广，但盈利模式仍在探索。至于近来备受关注的AI制药则是第三个，宋宁指出，尽管其药物设计和新靶点筛选的速度极快，但因制药行业本身的长周期属性，后续还需经历漫长的临床试验、合规注册与报批上市阶段，因此商业成果还未最终惠及人类健康。

计算机和医学界的长期以来的断层，让AI医学影像行业的进展一度缓慢。行业过往的惯常做法，是研发“专病模型”——为一个医疗检查项目收集几十万张照片、花几亿元、干三四年、再重新申报注册，“给医院给钱，让老师加班，把照片重新标注一遍，拿过来训练，不断迭代。”宋宁的判断很直接：“数据量太大，效率太低，投入太大，不能规模化。”如果每次研发一个新的医学影像检查项目都须如此庞大的成本，根本是死路一条。

德适决定走截然不同的路。宋宁的逻辑是：先训练一个像“上海交大医学院最优秀博士毕业生”的基础大模型，系统学习病理学、生理学、解剖学、组织胚胎学学以及八大系统所有临床医学体系知识，再针对每个专科做短期强化训练。“就像培养人类的医学专家，先不要定让他未来成为什么领域的专科权威，但可以让他花两个月时间就掌握如何看胸片、如何看腹部B超，每一个单项都不再需要几年时间。”于是，作为全球首创医疗影像基座大模型，“iMedImage®”诞生了，涵盖超过90%的临床影像检测场景和26个临床专科。

数据的质量比数量更重要

宋宁感慨，“iMedImage®”的出现，给中国AI医学影像技术发展按下了加速键。他回忆道，在2018年，德适已经做到接近90%的准确率，但却要运行长达两分钟，“在医院内一天只能最多分析几份报告，不可能运用于临床”；到了今天，德适的模型参数已经扩大千倍，分析一张图片只需要2到3秒钟，准确率也提升至接近100%。德适与60多家顶级医院合作超过90个AI项目，其中30项性能达到全球第一，产品进入内地400多家三甲医院。例如，染色体核型分析设备将30至40天的报告周期压缩至4到7天，识别率达99%以上。

对于AI来说，数据量必定是至关重要的因素之一，而对于医疗AI来说，数据的质量和准确性则更为关键。全球医疗数据占全球总数据量约30%，但有效利用率不足5%，中国的数据利用率同样不容乐观。这座沉默的数据金矿，不仅蕴含着巨大未经开采的经济效益，在数据治理中“高产低用”的结构性失衡与不透明的数据协同，更有重复医疗，拖长诊疗路径，数据割裂导致误诊、用药错误及治疗延误的问题。

宋宁分析，数据利用率低有双重原因：一是内地部分医院数据质量参差不齐；二是医院过去缺乏将数据转化为产品的通道，“医院不具备这个职能。”德适产品负责人何讯补充，内地医疗AI企业获取训练数据主要透过公开学术数据集、与医院或高校签订合作协议，以及近年兴起的地方数据局模式，但无论哪种渠道都有严格的地域限制：“数据肯定是不能出这个域的。”假如德适与香港医院进行合作，需要在医院内部署一台算力服务器，对于数据，只能学习、不能带走，业内称之为“联邦学习”，打破“数据孤岛”（数据在不同部门/系统/组织中不流通），并严格保障数据隐私与合规性。

在内地，一瓶输液的药品比等量的矿泉水还要便宜的中标价，起码短期内是不利于这一类企业的发展。

香港标准化病历成就超级数据金矿

正因如此，香港的数据价值更加凸显，香港拥有自己真实世界数据，即在日常临床实践中收集的健康资讯，如医院电子病历、处方纪录等。立法会医疗卫生界议员林哲玄接受《香港01》访问指，医管局的电子病历已推行近30年，全部医疗数据在同一个系统内实现互通，诊断结果全部以数码化、标准化编码记录。他进一步解释，香港每一只在医管局注册的药物都有独特的编码，“全部都是跟号码”，因此追溯和分析都相当容易。

林哲玄提醒，内地的数据量虽然庞大，但在香港应用时未必完全匹配；到了训练AI产品出海的层面，香港的数据才是真正能派上用场的可靠数据。他指出，AI医疗的发展离不开算法、算力、数据和应用场景四个环节，而香港正好拥有高质量的真实世界数据作为支撑，配合香港在国际间的声誉和监管认证的信心，可以较容易地将研发成果推向国际市场。

内地医企掀上市潮为何独爱香港？

港交所正在形成一波内地AI医疗/生物科技公司上市潮。2024至2026年间，五间内地AI医疗公司在港上市，至少八间已递交招股书。德适今年3月挂牌，开盘价大涨超过120%。对于香港作为业务拓展首选地的表现，宋宁评价很直白：“香港是最好的。”

在他看来，香港有三大独特优势。第一是医学体系中立——内地的医疗问题往往变成社会政策，“既要让老百姓享受最好的医疗，又要价格可控，还得便捷可及，这是最难走的路”，而香港不受这些影响。第二是地方小可及性好，密集的医疗网络利于快速迭代。第三是国际化，“香港是一个缩小的世界”，不同人种和医疗体系在此交汇，为AI的多样性训练和全球输出提供了天然土壤。

对香港来说，成本优势同样明显。宋宁举例，“假设香港一个项目本身收400元，我们一个AI检测项目约定价300元，相较来说是又快又准又便宜。”AI研发是一大块成本，但部署之后大家按例分成，“由于更准、省员工，整体社会的负担成本就下降了。”另外，香港市民对医疗水平的高需求、高标准的开放的场景，同样是医疗AI肥沃的市场土壤，他举例，如果某个地方的民众认为“感染HIV（爱滋病）没有关系，洗个热水澡就可以了”，那么在这片土壤上，做HIV疫苗或药品开发的企业根本无从立足。在他看来，香港医院有能力引进使用新技术，市民有接受新技术的意愿和能力。这对于任何一家希望将AI医疗产品推向更大市场的企业而言，都是难得的好条件。

对于内地来港的AI医疗企业而言，香港更像是一个国际化试炼场，通过香港完成产品验证和合规建设后，再进一步拓展东南亚及其他海外市场。

掌握跨学科专业知识和商业思维的宋宁判断得很干脆：“医疗影像要智能化、全球化，总要有个出口，目前最好的出口就是香港。”不过，这条出海之路才刚刚开始。德适正在香港注册子公司，聚焦医疗AI影像研发和商业化，与港中大卓越妇儿健康研究的合作刚刚起步，北都的选址仍在考虑之中。对于更多正在排队来港的内地AI医疗企业而言，上市只是第一步——如何在这个“超级联系人”的土壤上真正扎根，把香港从一个上市地点变成一个研发、验证和商业化的综合基地，将是下一个更难的命题。

背靠港企商汤科技，却主攻内地公立医院市场的商汤科技走的则是反向道路。商汤科技首席市场官罗宾接受《香港01》访问时分析，香港企业进入内地市场，最大的挑战在于适应内地以公立医院为主、患者高度集中于大型三甲医院的医疗体系，考验的是产品本地化和市场运营能力。内地企业进入香港，面对的则是高度国际化的医疗体系——临床标准、数据治理、知识产权保护都与国际市场接轨，医生对AI产品的可解释性和安全性要求更高。很多内地AI医疗企业来港，并不是直接提供医疗服务，而是将香港视为国际化试炼场，通过完成产品验证和合规建设后，再拓展东南亚及其他海外市场。

宋宁说“香港是最好的出口”。但出口之后，从认证到本地化，从公立医院体系到国际合规门槛，这条路具体怎么走？进军内地和中东市场的商汤医疗，提供了另一个视角的答案。