A：德士科技由创始人兼董事局主席宋宁领导，于今年3月30日在香港IPO上市，被誉为“医疗影像大模型第一股”。公司专注于推动全球医疗影像行业进入人工智能新时代，成功研发出全球首个也是目前唯一的医疗影像AI基座大模型，并拥有全球最大的医疗影像数据平台MID loop。德士科技自2016年成立以来，在医学临床与计算机学科积累了超过20年的经验，其在医疗影像大模型技术上处于国际领先地位，市场推进速度最快，并已与多家知名企业在医疗影像智能化领域达成战略合作。德士科技开发的MI的image从零开始训练，具备显著的性能优势，相比传统疾病诊疗所需的模型开发，仅需几百张特定病种的医疗影像照片即可训练相关模型，大大降低了数据成本和算力支出，缩短了开发周期。此外，公司还推出了IMI loop，通过数据标注质控和专项训练，使临床专家能在大模型基础上快速训练专有模型，形成医疗影像行业智能化生态场景。德士科技已成功推出获得医疗器械注册证的产品，如染色体AI辅助诊断软件，并通过AI技术提升了医疗影像数据资产的价值。

A：德士科技已累计金标注的医疗影像数据超过2895万例，在特定医疗影像领域市场占有率位居第一，部分细分领域在一年内迅速超越国际知名厂商成为市场占有率第一，并获得国际学界认可。公司与国内顶级医院建立了广泛的合作关系，开发出应用于试管婴儿父母亲检测及血液肿瘤形态学金标准检测的AI auto vision产品。今年5月，德士科技获得由国家药监局颁发的三类医疗器械注册证，成为近3年来首个获批的医疗影像AI辅助产品，体现了其技术先进性和临床效果获得主管部门的高度认可。同时，德士科技不仅有模型授权和医疗器械注册证产品的销售，还有智能化配套流水线，进一步提升了产品竞争力，去年上半年收入同比增长21%，其中模型收入同比增长101%，毛利润率保持行业较高水平。随着持续的研发投入和行业生态共创，公司有望实现持续高速增长。

A：医疗影像涵盖B超、CT、核磁共振、病理影像、眼底内窥镜等多种通过医疗装备获取的人体内外宏观微观检测项目。目前全球约有3000多种医疗影像种类，按适应症和检测项目数计算，有超过14000种不同的类别。预计到2030年，AI医疗影像检测数量将达到3万项以上，市场规模将达到1500亿人民币以上，较当前2026年的100亿人民币规模增长约15倍。德士科技围绕这一发展趋势，致力于底层技术研发，构建了医学影像大模型MI的image，以满足医疗领域的精准诊断需求。

A：好的，针对这个问题，我们的短期战略目标集中在核心技术上，包括医疗影像高质量数据集的收集和构建，以及模型底层能力的不断提升。在商业化市场落地层面，我们将更加注重与国内外顶级医院的合作，推动医生基于少量自有数据构建数以千计的医疗影像模型训练，以提升整个行业的智能化研发水平。同时，我们也积极与国家主管部委沟通，将医疗影像大模型技术融入国家的人工智能医疗战略中，加速产业发展。

A：中期我们认为医疗影像行业将经历三个阶段。第一阶段是现有3000种14000余项医疗影像诊断项目在未来几年内由人工专家识别分析向AI辅助诊断过渡，极大提升诊疗精度和基层医疗诊断水平。第二阶段大约在两年后开始，随着人工智能技术发展，将出现越来越多以前临床未开展或不存在的影像诊断技术，如通过B超预测胎儿早产风险等，预计将达到16000项以上。第三阶段大约在4到6年后，AI技术深入发展，影像与语言大模型深度融合，推动全球人类健康管理体质体系高效、精准和普惠的发展。

A：首先，AI化现有诊断项目具有重大战略意义和经济价值，能让顶级专家的认知能力和诊断能力快速数字化并在基层医院普及，让更多老百姓受益。其次，我们注意到基于长期临床认知，顶级临床专家提出了许多新的诊疗主张，例如通过平扫CT预测循环系统疾病，通过普通影像检测超越人眼分辨率极限来准确预测其他疾病，这些都有望快速发展。最后，在商业落地方面，我们注意到一些友商通过训练专有模型的方式，但这种方式投入大、耗时长且取证困难。我们认为，我们的模式是不可或缺的，同时也看到了更多可能性和创新方向。

A：我们相信从整个医疗行业和医疗影像领域来看，传统非AI时代的市场规模非常大。随着人工智能时代的来临，全球对健康关注度提升，设备快速部署到医院，但高水平使用并出具诊断报告的专家型医生难以批量培养。AI成为趋势性技术，行业正经历快速早期发展阶段。预计到2030年，全球医疗影像AI市场将达到1500亿人民币，具有很高的增长潜力。

A：德式是一家同时具备计算机和临床医学背景的公司，创始人拥有深厚的双专业基础。在过去十年中，德式在技术路线、战略落地及商业化方面取得了行业领先的认知突破，提出了用大模型技术处理医疗影像的创新思路，并在不同领域取得成果。德式是一家以AI科技引领，深入理解临床医学和基础医学的专业团队，致力于将科技成果转化为医疗行业可落地的产品和服务。

A：目前的模型服务包括云端服务和线下服务两种形态，核心在于每次服务都能为公司的底层IMIH基座大模型能力进行沉淀，并提供可复用的底座能力。更重要的是，关注模型训练完成后深度部署到临床工作流，并带来持续的案例付费收入。具体路径分两个阶段：第一阶段是与各大医院或企业合作开发适应其需求的专用模型；第二阶段是模型开发后，在医联体和其他相关医院中推广，形成案例收费和知识产权共有方式下的持续收入。

A：我们提出了解决方案，即通过开发高性能AI技术，将其应用于医疗影像检测中。例如，在传统上三甲医院可能需要500元医保赔付的检测项目中，利用AI辅助诊断技术，可将优质医疗资源下沉到基层医院。基层医院借助医联体的信息渠道，由上级三甲医院出具诊断报告，提高了通量和准确性，同时也降低了医保的压力。这种模式下，上级医院得到分层收入，基层医院获得品牌效应和检测费用，医保也因更准确的诊断和更高效率的服务而受益。

A：我们在医疗影像软件和医院招采领域有多年经验，AI automation产品已累计进入数百家国内三甲医院。AI auction团队在产品从获证到医院采购落地的过程中，会遵循行业周期规律，预计今年下半年会有一定的放量增长，并在明年持续增长，带动整个医疗影像智能化行业的更新迭代。同时，随着上市和全球知名度提升，产品已开始在全球范围内被顶级医疗机构使用，全球化市场正向发展。因此，投资者应关注公司在下半年至明年全行业升级和采购方面的表现。

A：在医疗影像领域，真正稀缺的是针对医疗影像的专业性和独特性。我们的核心壁垒在于从底层框架开始，针对医疗影像的特点重构并重新设计了整个模型架构，以适应医疗影像的判断需求。此外，我们在数据处理上也做了大量工作，通过智能化标注平台——MI的loop和studio，积累了超过数千万高质量标注的医疗影像数据，这是行业的另一个重要壁垒。

A：医疗影像的需求具有独特性，不同于自动驾驶或街景导航等应用场景。在医疗影像中，需要在人体影像中找到长尾分布的异常情况，而这些异常情况种类繁多且难以穷尽，医生能通过训练识别出亚像素级别的异常信号，并将注意力高度集中于病灶区域进行细致分析。

A：当前通用影像模型不具备处理医疗影像中底层技术的特性，尤其是对于医疗影像中复杂且需专业医生才能识别的异常情况。因此，我们从底层框架出发，基于transformer理念重构模型架构，以满足医疗影像辅助诊断的需求。李飞飞的观点主要强调大模型在未直接观察图片的情况下也能基于文字报告进行异常描述，但这并不代表医疗影像领域的重大突破。实际上，我们专注于该领域多年，在技术上已经攻破难关，并且在顶级临床界得到了认可。我们欢迎李飞飞来体验我们的医疗影像模型，以便对其最新科技发展有直观认识。