医学影像通用大模型的参数规模冲到了千亿级别，AI读片正在从“看得见”升级到“看得懂”的阶段。
窗外春寒料峭，医院影像科里却是一片热火朝天。医生们围在电脑前，屏幕上不再是密密麻麻的二维切片，而是完整立体的三维器官模型，细微的病灶在AI的勾勒下无所遁形。
这边，德适生物发布的iMedImage™，坐拥千亿参数，一口气支持19种影像模态，把CT、MRI、染色体分析全包圆了-3-6。用他们董事长的话说，这玩意儿能让开发AI诊断模型的成本直降90%以上，传统需要上亿元投入的模型，现在几百张样本照片、几十万成本就能搞定-6。
01 竞赛：参数规模与通用能力的角力
医学AI领域正上演一场“最大”竞赛。这边中国企业喊出了“全球最大参数”的口号，那边国际巨头则另辟蹊径，玩起了“小而美”。
德适生物的iMedImage™凭借千亿参数规模自称“全球最大”-3-6。这个模型基于8000万医疗数据训练，覆盖超过九成的临床应用场景-3。
与传统专科模型开发相比，这种通用大模型将新专病模型的研发时间缩短至数天，数据需求从数十万例降至数百例-3。
与此同时，谷歌则选择了完全不同的道路。2026年初发布的MedGemma 1.5仅有40亿参数，却实现了从二维到三维影像理解的跨越-2。
这种轻量化设计别有深意——小体积让模型能在医院内部服务器甚至医生工作站上离线运行，解决了医疗数据隐私合规的核心难题-2。
02 进化：从二维平面到三维空间的突破
“以前看片子像看地图，现在像开无人机巡逻整个器官。”一位放射科医生这样形容AI读片的进步。这背后是技术从二维到三维的根本性跨越。
早期的AI读片主要处理胸部X光片这类二维图像-2。但人体是立体的，关键信息往往藏在三维容积数据中。谷歌MedGemma 1.5的突破就在于能原生支持CT、MRI的三维容积切片分析-2。
病理切片分析能力更是突飞猛进。在相关测试中，MedGemma 1.5的ROUGE-L评分从上一代的0.02跃升至0.49，达到了与专用病理模型相当的水平-2。
三维理解能力让AI能对比患者不同时期的影像变化，实现纵向病例追踪，这在癌症治疗效果评估中价值巨大-2。
03 实证：临床效果与传统方法正面较量
AI读片到底靠不靠谱？2026年《柳叶刀》一项研究给出了令人信服的答案。这项涉及10万多名瑞典女性的试验显示，AI辅助的乳腺X线筛查与标准双人阅片效果相当-5。
在敏感性方面，AI辅助达到80.5%，高于传统方法的73.8%-5。这意味着AI能更早发现那些有临床意义的乳腺癌。
“AI找出来的肿瘤，往往恶性特征更明显。”参与研究的医生指出。数据显示，AI辅助筛查发现的侵袭性间隔癌减少16%，非Luminal A型乳腺癌减少27%-5。
工作流程也在改变。在瑞典这样的双人阅片制地区，AI辅助使阅片次数减少了44.2%，大幅缓解了医生的工作压力-5。
04 落地：从实验室走向基层医疗的现实路径
技术再先进，用不起来也是白搭。当前AI读片正沿着两条路径走向临床应用：一条是云端大模型的服务化，另一条是边缘侧小模型的普及化。
德适生物推出的“模型即服务”平台，让医院无需组建AI团队就能开发专用模型-8。这种模式显著降低了技术门槛，使更多医疗机构能够享受AI技术红利。
谷歌的轻量化策略则瞄准了不同的应用场景。4B参数的MedGemma 1.5可以部署在基层医院的本地设备上，解决了数据隐私和网络依赖问题-2。
配套的MedASR语音识别模型词错误率仅5.2%，远低于通用模型的12.5%-2。这意味着“语音录入-影像分析-报告生成”的全链路诊疗流程正在成为现实。
基层医院的老医生推了推眼镜，看着屏幕上AI自动标注的病灶位置，嘟囔了一句：“这玩意儿，比我家那个硕士儿子眼神儿还好使。”他慢慢移动鼠标，对比着AI分析报告和自己三十年的经验判断，最终在诊断意见上敲下“同意AI辅助诊断意见”。
远处，谷歌轻量化的MedGemma模型正悄悄部署在县医院的服务器上，而德适生物的千亿参数大模型则在顶级医院进行着更深度的训练-2-6。AI读片这场技术革命，正从两个方向同时挺进医疗最前线。