【来源：中国科学报】
半夜，一轮医疗人工智能（AI）模型训练结束。第二天，工程师来读取结果、查找问题、调整方案，再启动下一轮实验。
在香港理工大学计算机及数学科学学院研究助理教授李永祺的设想中，未来，这些工作可以由AI智能体接续完成，从而减少研发中的重复操作和等待时间。
这也是李永祺团队与杭州德适生物科技股份有限公司（公司简称德适科技，DIAGENS）共同努力的方向。
9月，由德适科技与香港理工大学共同组建的“通用人工智能与医学应用联合实验室”（以下简称联合实验室）正式揭牌成立，李永祺担任项目负责人。双方将围绕通用AI在医疗领域的科研与应用开展长期合作，重点推进医疗影像分析，医疗基础模型及研发流程自动化、智能化等方向的研究，探索医疗AI全新生产力范式。
联合实验室揭牌仪式。
从提升AI能力，到让AI参与模型研发，再到服务医生和患者，这场合作试图连接起技术探索与医疗需求。
找寻研究落点
01
2022年以来，AI正以迅雷之势融入人们的工作与生活。同样的变化也发生在实验室中，人工智能驱动科学研究（AI4S）正深入科研工作的多个环节。在这场浪潮下，即便是身处其中的人，也未必能立刻看清下一步的方向。
从2017年本科跟随导师进行科研开始，今年不到30岁的李永祺已经是AI领域的一名“老兵”了。但当ChatGPT横空出世时，他仍一度感到迷茫。
“AI大语言模型在很大程度上改变了过去AI研究的范式，我们原来熟悉的一些研究问题和技术路线都需要重新思考。”他说。
同时，李永祺也清醒地认识到，范式变革中蕴藏着新机会，过去积累的方法也有了新的用武之地。他开始主动转变研究方向，将研究重点转向大模型、多模态和智能体。
2024年初博士毕业后，从学生到教师的身份转变，让他进一步追问：“我做的科研成果能够为人们的生活、社会带来什么变化？”
李永祺（右三）正在与团队成员讨论。
他决定“两条腿走路”，一方面探索AI的能力边界，另一方面把技术带入真实场景，在解决实际问题的过程中发现新的研究课题。
那么，AI最值得进入，也最有可能产生重要社会价值的领域是什么？李永祺将目光投向了医疗AI领域。
医疗AI领域长期存在一个痛点：一边是海量、细分的临床需求，另一边是研发周期长、算力消耗大、难以规模化复制的专病模型开发。要想让AI更好地服务于生命健康、走向更广泛的医疗普惠，首先需要回答的是如何持续生产出足够多、足够可靠的医疗AI模型。
李永祺过去关于大模型、多模态和智能体方面的积累，可以很好地“迁移”到医疗AI的研究中。“AI如果能够帮助医生提高诊断和科研效率，让优质医疗能力覆盖更多地区和人群，就有机会真正造福社会、造福人类。”他说。
要让设想落地，还需要走进真实医疗AI应用的场景中，由算法研究者与熟悉医疗场景、产品开发的从业者共同努力。
从同一个问题开始
02
从2020年起，李永祺就开始关注德适科技。在他看来，德适科技既关注前沿研究又重视实际价值的理念，与他的研究思路高度契合。
决定向医疗AI拓展时，李永祺首先想到了德适科技。不久后，双方开始探讨合作的可能性，并逐渐聚焦到一个共同问题：如何利用AI智能体等技术改进医疗AI的研发流程？他们进一步判断，医疗AI下一阶段的发展不仅需要更多模型，还需要一套能够持续开发新模型的方法。这一共识最终促成了联合实验室的成立。
“AI4S正在重塑全球医疗AI产业格局。”德适科技董事会主席、CEO宋宁认为，“AI在人类理解生命健康密码、攻克复杂疾病诊断、预防与预测等方面，提供了堪比当年登月计划的挑战与机遇。”
值得一提的是，此次校企合作也积极响应了国家需求。2025年8月，国务院印发《关于深入实施“人工智能+”行动的意见》，提出推动AI驱动的技术研发、工程实现与产品落地协同发展，支持智能化研发工具和平台应用，以新的应用需求牵引科技创新。
李永祺表示：“能够在这样一个重要的方向上，与德适科技共同建立联合实验室，对我们而言既是宝贵的机会，也是一份重要的责任。”
按照规划，联合实验室首期合作为期4年，重点聚焦利用智能体改进医疗AI研发流程。按照双方的设想，香港理工大学团队将发挥在大模型、多模态和智能体等方面的研究能力，德适科技则提供医疗基础模型、专业工具及真实应用场景。由此，联合实验室的科学问题来源于实际医疗问题，团队开发的新技术和新方法又能返回真实场景中验证，形成正向循环。
德适科技园区。德适科技供图
“我们希望可以通过这种模式，缩短从学术研究到实际系统和产品之间的距离，并建立一种更具生产力、可复制、可规模化的医疗AI研发范式。”李永祺说。
人才培养也是联合实验室的重要部分。香港理工大学允许科研团队利用外部合作经费，扩大博士生招生和培养规模。因此，在合作经费能够支持相应奖学金的条件下，李永祺可以在原有招生基础上增招博士生，围绕医疗AI方向组织新的研究力量。
在实际推进中，学生将与企业研发人员共同开展课题。这意味着，他们在培养阶段既能接受完整的科研训练、研究前沿AI技术，也能够深入理解真实的医疗问题，参与从问题定义、技术研发到实际验证和成果转化的完整过程。
李永祺希望，他们毕业后无论进入医疗AI企业还是高校，都能把经验带到新的团队。“这些都可能会成为产业以后发展的种子。”他说。
迈进智能体时代
03
李永祺指出，医疗AI的发展历程，是一个AI技术不断演进、医疗产业生产力不断得到释放的过程。
那么，联合实验室将如何改变当前医疗AI领域的研发模式？他用专用模型、医疗基础模型和智能体辅助研发三种方式，解释他眼中的技术变化。
第一个阶段对应的是“小模型阶段”。针对某种疾病或任务收集数据、训练专用模型，是医疗AI常见的研发方式。目前，行业已经产出了一批可以落地的临床辅助产品，但每增加一个任务，都需要投入大量精力，以完成数据准备、模型开发和测试验证。
“大模型阶段”是医疗AI的第二个阶段，即先训练一个具有通用能力的医疗基础模型，再由AI工程师针对具体的疾病和医疗任务进行针对性调整。较之于第一阶段，通过通用大模型可将专病模型的开发周期降至几个月，但数据处理、模型训练、评测与迭代等研发环节，仍需要由工程师投入大量精力把关、验证。
德适科技自主研发的医疗影像基座大模型iMedImage®已经实现这条路径，它能够提供跨模态、跨病种、跨任务的基础模型能力，拥有1040亿参数，8000万临床影像预训练，覆盖90%以上的医疗影像场景。
在今年7月的一场发布活动上，宋宁介绍了企业的实践进展。基于iMedImage，专病模型训练所需标注数据量可降至传统方式的1/200，开发周期缩短至1/12，开发成本与算力支出均降至1/10。
联合实验室要做的，正是推动医疗AI进一步迈进第三个阶段——人类教会智能体，让智能体基于通用大模型开发专病小模型的“智能体阶段”。
现有AI智能体已能完成部分训练和调参工作。AutoML-Agent等研究进一步探索利用大模型智能体规划任务、调用工具并验证执行结果。联合实验室计划将这种持续参与研发的能力用于医疗AI，减少重复操作和实验之间的等待，让工程师把更多精力用于关键问题判断。届时，医疗AI的生产方式可能向“一底座＋多智能体＋万模型”演进。
开发遇到问题时，智能体能否及时发现问题、判断原因，并作出有效改进？李永祺认为，这仍是需要攻克的能力短板。节省多少人力、缩短多少时间，以及模型质量能否得到保证，都需要在具体任务中检验。
数据问题同样无法绕开。世界卫生组织2024年发布的大型多模态模型指南提出，应让医务人员、研究者和患者等从开发早期参与，并针对明确的任务保证必要的准确性和可靠性。对联合实验室而言，与医院合作获取高质量数据、引入医学知识参与任务定义和结果评价，同样是研发的重要环节。此外，研发提速也不能替代临床应用前的必要验证。
目前，联合实验室正在尝试让智能体去开发5000多项医疗影像检测任务。“当我们在实验室完成‘从0到1’的验证之后，德适科技能够进一步进行转化落地，快速推进‘从1到100’。”李永祺说。
面向未来，联合实验室希望从国内医疗机构的具体需求出发，连接基础研究、系统开发与应用验证，探索能够在不同任务中复用的研发方法。
拥有计算机科学、医学遗传学与临床医学交叉背景的宋宁，曾先后在日本长崎大学医学院、上海交通大学医学院从事科研与教学工作，长期深耕AI与临床医学的交叉领域。
“如果这条路径能够成立，它带来的将不仅是研发提速。”宋宁表示，更多患者少、需求更细分的疾病，或许能够拥有自己的专科AI模型；大型医院和专家团队的部分诊疗经验有望转化为标准化模型和工具，供更多医疗机构使用；一些过去受技术门槛限制而难以开展研究的临床问题，则可能得到进一步研究，并找到可行的解决办法。
“让足够多、足够可靠的模型被持续生产出来，覆盖更多病种、进入更多医院、服务更多患者，既是医疗AI下一阶段必须面对的产业命题，也是科研与产业界需要共同回答的时代问题。”宋宁说。
声明：此文版权归原作者所有，若有来源错误或者侵犯您的合法权益，您可通过邮箱与我们取得联系，我们将及时进行处理。邮箱地址：jpbl@jp.jiupainews.com