A：德士科技由創始人兼董事局主席宋甯領導，於今年3月30日在香港IPO上市，被譽為“醫療影像大模型第一股”。公司專注於推動全球醫療影像行業進入人工智能新時代，成功研發出全球首個也是目前唯一的醫療影像AI基座大模型，並擁有全球最大的醫療影像數據平台MID loop。德士科技自2016年成立以來，在醫學臨床與計算機學科積累了超過20年的經驗，其在醫療影像大模型技術上處於國際領先地位，市場推進速度最快，並已與多家知名企業在醫療影像智能化領域達成戰略合作。德士科技開發的MI的image從零開始訓練，具備顯著的性能優勢，相比傳統疾病診療所需的模型開發，僅需幾百張特定病種的醫療影像照片即可訓練相關模型，大大降低了數據成本和算力支出，縮短了開發周期。此外，公司還推出了IMI loop，通過數據標注質控和專項訓練，使臨床專家能在大模型基礎上快速訓練專有模型，形成醫療影像行業智能化生態場景。德士科技已成功推出獲得醫療器械注冊證的産品，如染色體AI輔助診斷軟件，並通過AI技術提升了醫療影像數據資産的價值。

A：德士科技已累計金標注的醫療影像數據超過2895萬例，在特定醫療影像領域市場占有率位居第一，部分細分領域在一年內迅速超越國際知名廠商成為市場占有率第一，並獲得國際學界認可。公司與國內頂級醫院建立了廣泛的合作關系，開發出應用於試管嬰兒父母親檢測及血液腫瘤形態學金標准檢測的AI auto vision産品。今年5月，德士科技獲得由國家藥監局頒發的三類醫療器械注冊證，成為近3年來首個獲批的醫療影像AI輔助産品，體現了其技術先進性和臨床效果獲得主管部門的高度認可。同時，德士科技不僅有模型授權和醫療器械注冊證産品的銷售，還有智能化配套流水綫，進一步提升了産品競爭力，去年上半年收入同比增長21%，其中模型收入同比增長101%，毛利潤率保持行業較高水平。隨着持續的研發投入和行業生態共創，公司有望實現持續高速增長。

A：醫療影像涵蓋B超、CT、核磁共振、病理影像、眼底內窺鏡等多種通過醫療裝備獲取的人體內外宏觀微觀檢測項目。目前全球約有3000多種醫療影像種類，按適應症和檢測項目數計算，有超過14000種不同的類別。預計到2030年，AI醫療影像檢測數量將達到3萬項以上，市場規模將達到1500億人民幣以上，較當前2026年的100億人民幣規模增長約15倍。德士科技圍繞這一發展趨勢，致力於底層技術研發，構建了醫學影像大模型MI的image，以滿足醫療領域的精准診斷需求。

A：好的，針對這個問題，我們的短期戰略目標集中在核心技術上，包括醫療影像高質量數據集的收集和構建，以及模型底層能力的不斷提升。在商業化市場落地層面，我們將更加注重與國內外頂級醫院的合作，推動醫生基於少量自有數據構建數以千計的醫療影像模型訓練，以提升整個行業的智能化研發水平。同時，我們也積極與國家主管部委溝通，將醫療影像大模型技術融入國家的人工智能醫療戰略中，加速産業發展。

A：中期我們認為醫療影像行業將經曆三個階段。第一階段是現有3000種14000余項醫療影像診斷項目在未來幾年內由人工專家識別分析向AI輔助診斷過渡，極大提升診療精度和基層醫療診斷水平。第二階段大約在兩年後開始，隨着人工智能技術發展，將出現越來越多以前臨床未開展或不存在的影像診斷技術，如通過B超預測胎兒早産風險等，預計將達到16000項以上。第三階段大約在4到6年後，AI技術深入發展，影像與語言大模型深度融合，推動全球人類健康管理體質體系高效、精准和普惠的發展。

A：首先，AI化現有診斷項目具有重大戰略意義和經濟價值，能讓頂級專家的認知能力和診斷能力快速數字化並在基層醫院普及，讓更多老百姓受益。其次，我們注意到基於長期臨床認知，頂級臨床專家提出了許多新的診療主張，例如通過平掃CT預測循環系統疾病，通過普通影像檢測超越人眼分辨率極限來准確預測其他疾病，這些都有望快速發展。最後，在商業落地方面，我們注意到一些友商通過訓練專有模型的方式，但這種方式投入大、耗時長且取證困難。我們認為，我們的模式是不可或缺的，同時也看到了更多可能性和創新方向。

A：我們相信從整個醫療行業和醫療影像領域來看，傳統非AI時代的市場規模非常大。隨着人工智能時代的來臨，全球對健康關注度提升，設備快速部署到醫院，但高水平使用並出具診斷報告的專家型醫生難以批量培養。AI成為趨勢性技術，行業正經曆快速早期發展階段。預計到2030年，全球醫療影像AI市場將達到1500億人民幣，具有很高的增長潛力。

A：德式是一家同時具備計算機和臨床醫學背景的公司，創始人擁有深厚的雙專業基礎。在過去十年中，德式在技術路綫、戰略落地及商業化方面取得了行業領先的認知突破，提出了用大模型技術處理醫療影像的創新思路，並在不同領域取得成果。德式是一家以AI科技引領，深入理解臨床醫學和基礎醫學的專業團隊，致力於將科技成果轉化為醫療行業可落地的産品和服務。

A：目前的模型服務包括雲端服務和綫下服務兩種形態，核心在於每次服務都能為公司的底層IMIH基座大模型能力進行沉澱，並提供可複用的底座能力。更重要的是，關注模型訓練完成後深度部署到臨床工作流，並帶來持續的案例付費收入。具體路徑分兩個階段：第一階段是與各大醫院或企業合作開發適應其需求的專用模型；第二階段是模型開發後，在醫聯體和其他相關醫院中推廣，形成案例收費和知識産權共有方式下的持續收入。

A：我們提出了解決方案，即通過開發高性能AI技術，將其應用於醫療影像檢測中。例如，在傳統上三甲醫院可能需要500元醫保賠付的檢測項目中，利用AI輔助診斷技術，可將優質醫療資源下沉到基層醫院。基層醫院借助醫聯體的信息渠道，由上級三甲醫院出具診斷報告，提高了通量和准確性，同時也降低了醫保的壓力。這種模式下，上級醫院得到分層收入，基層醫院獲得品牌效應和檢測費用，醫保也因更准確的診斷和更高效率的服務而受益。

A：我們在醫療影像軟件和醫院招采領域有多年經驗，AI automation産品已累計進入數百家國內三甲醫院。AI auction團隊在産品從獲證到醫院采購落地的過程中，會遵循行業周期規律，預計今年下半年會有一定的放量增長，並在明年持續增長，帶動整個醫療影像智能化行業的更新迭代。同時，隨着上市和全球知名度提升，産品已開始在全球範圍內被頂級醫療機構使用，全球化市場正向發展。因此，投資者應關注公司在下半年至明年全行業升級和采購方面的表現。

A：在醫療影像領域，真正稀缺的是針對醫療影像的專業性和獨特性。我們的核心壁壘在於從底層框架開始，針對醫療影像的特點重構並重新設計了整個模型架構，以適應醫療影像的判斷需求。此外，我們在數據處理上也做了大量工作，通過智能化標注平台——MI的loop和studio，積累了超過數千萬高質量標注的醫療影像數據，這是行業的另一個重要壁壘。

A：醫療影像的需求具有獨特性，不同於自動駕駛或街景導航等應用場景。在醫療影像中，需要在人體影像中找到長尾分佈的異常情況，而這些異常情況種類繁多且難以窮盡，醫生能通過訓練識別出亞像素級別的異常信號，並將注意力高度集中於病竈區域進行細致分析。

A：當前通用影像模型不具備處理醫療影像中底層技術的特性，尤其是對於醫療影像中複雜且需專業醫生才能識別的異常情況。因此，我們從底層框架出發，基於transformer理念重構模型架構，以滿足醫療影像輔助診斷的需求。李飛飛的觀點主要強調大模型在未直接觀察圖片的情況下也能基於文字報告進行異常描述，但這並不代表醫療影像領域的重大突破。實際上，我們專注於該領域多年，在技術上已經攻破難關，並且在頂級臨床界得到了認可。我們歡迎李飛飛來體驗我們的醫療影像模型，以便對其最新科技發展有直觀認識。