当今世界，AI越来越成为影响社会生产与生活的核心力量，并逐渐成为大国竞争的主战场。8月26日，国务院发布《关于深入实施“人工智能+”行动的意见》，明确提到“要加快探索人工智能驱动的新型科研范式，加快科学大模型建设应用，推动基础科研平台和重大科技基础设施智能化升级”。
但在医学影像领域，传统模型开发普遍面临着投入成本高、部署周期长、多模态融合困难等痛难点。德适生物自主研发千亿参数规模的通用型医学影像基座模型——iMedImage™，打破传统模型开发难题，推动并引领全球医学影像行业迈入智能化时代。
点击视频，看“最强外挂” ▼
iMedImage™具备多模态支持、多病种兼容、低成本迁移、高基准性能等领先优势，可实现基于少量样本快速构建专病模型，能为客户提供存算训推一体化解决方案及 iMed MaaS 医学 AI 平台服务，帮助医疗机构在影像数据上实现自动识别、辅助诊断、风险预测、科研建模等功能。
- 多模态支持：支持染色体、CT、MRI、超声、病理等19种医学影像模态，覆盖超过 90% 的临床医学影像场景
- 多病种兼容：可覆盖染色体识别、乳腺肿瘤判断、早产预测、肿瘤复发预测、慢病进展等多病种任务
- 低成本迁移：使用预训练知识模型，只需在小数据集上进行微调即可快速适应新任务
- 高基准性能：跨领域的广泛预训练，迁移到新任务时能迅速达到或超越最先进（SOTA）性能
大模型训练需要澎湃算力支持，德适生物与腾讯云合作，通过高性能 GPU 算力与弹性资源调度支持，大模型训练资源利用率大幅提升，降低成本投入，模型吞吐性能翻倍提升，显著提升了模型训练与推理效率。THPC高性能计算平台的共享存储自动挂载与维护能力，在集群伸缩容时，确保计算节点共享存储访问的自动化和稳定性，加速科研场景中的模型开发与应用落地。
iMedImage™通用大模型能稳定且高效的为客户提供预训练模型和开源工具，使用者无需从0开始搭建算力和存储系统，只需要从1开始投入训练数据即可，大大降低了研发周期和投入成本，解决了传统医学专用大模型普遍存在的研发周期长、成本投入高等难点。
除了投入高，传统大模型部署要经过硬件选型、环境准备、模型获取与优化、部署实施与服务化、测试与性能调优等多个流程环节，具备较高的技术门槛。对小型医院、高校及医学研究机构来说，独立部署难度很高。
在腾讯云HAI的易用GPU智算服务支持下，iMedImage™及其配套的开发平台能为客户提供开发者友好的图形界面，帮助客户分钟级自动构建起医学AI大模型开发流程，省去算力机型选型、环境部署、模型权重下载等繁琐流程，让客户能以超低门槛进行AI研究调试。
同时，腾讯云HAI的推理集群能力，集成高性能计算底座、自研优化框架、智能调度系统与全方位安全机制，助力iMedImage™发挥极致性价比、高并发稳定、安全可信赖、全托管免运维的综合大模型推理能力。从底层硬件维护到上层框架升级，企业无需关心K8s、CUDA驱动、推理框架版本兼容等问题，真正做到“开箱即用”。
iMedImage™采用腾讯云“端加云”双驱动产品部署方式，这使得 iMedImage™的可迁移性、可扩展性及泛化能力更灵活地应用于客户的大模型训练和推理场景，让医疗工作者「用自有数据自主训练 AI」，显著降低科研成本及时间，提高科研到临床应用的效率，为 AI 医疗健康提供创新解决方案。
目前，iMedImage™大模型及其智能化设备已落地全国400多家医疗机构，包括北京协和医院、北京大学第一医院、浙江大学医学院附属妇产科医院、浙江大学医学院附属第二医院等三甲医院，并取得良好的应用反馈。
德适生物与腾讯云的合作，为医疗AI领域树立了技术创新与产业应用深度融合的典范，并进一步推动医疗AI从"专用模型"迈向"通用大模型+应用"新时代。这一模式也将加速智能医疗普惠化进程，为疾病预防、诊断、治疗全流程提供技术支持，为健康中国建设提供技术支撑。
