AI4S“中国方案”实践：迪安诊断与瑞金医院联合研发白血病诊断智能体

2026年，医疗AI赛道正经历一场底层逻辑的切换——从“技术炫技”转向“数据资产化”。当大模型准确率在通用医疗场景中趋近天花板，竞争的关键要素不再是参数规模，而是高壁垒的专病数据与从诊断到治疗的临床全链路闭环能力。

在这场切换中，迪安诊断选择了一个明确的身位，不做通用大模型的泛化叙事，而是以国家级专病数据为底座，以头部三甲医院为临床锚点，以可商业化的智能体产品为出口。瑞金医院与迪安诊断联合研发的白血病诊断智能体，正是这条路径上最具标志性的落子。

战略卡位：核心企业参与方的稀缺性

白血病是血液系统疾病中诊断难度最高、分型最复杂的病种之一，临床诊疗长期高度依赖专家经验。但正因为“最难”，它反而是AI医疗价值释放最充分的场景——血液肿瘤的诊疗标准化程度在所有肿瘤中最高，CAR-T等前沿疗法的应用也最广。跑通白血病，向淋巴瘤、实体瘤的复制路径最短。

瑞金医院血液学科是国内最具国际影响力的血液疾病综合诊治中心之一，在急性白血病、淋巴瘤等血液肿瘤的诊疗规范制定、多中心临床研究及登记数据库建设等方面积淀深厚；迪安诊断则具备行业领先的多模态医学AI技术能力，并拥有覆盖全面的血液病检测技术平台。双方强强联合，将推动高质量白血病病例数据与前沿AI推理技术深度融合，致力于打造全球领先的白血病诊断智能体。

迪安诊断作为企业参与单位，其核心价值在于将原始数据转化为可训练、可验证、可追溯的结构化数据资产。

技术闭环：从诊断到治疗的全链路推理

双方联合研发的白血病诊断智能体，以医疗知识图谱、RAG检索增强与基因突变解析为核心，构建起多源交叉验证的证据矩阵，严格遵循临床诊疗流程完成“诊断—预后分层—治疗推荐”的逐级推理。建设完成后，智能体还将具备自适应升级能力，可随指南更新与真实病例积累持续进化。

从技术底座来看，迪安诊断已将开源模型与自研“启迪索微”多模态生物数据模型相融合，基于22PB多模态医疗数据和“灵眸”大模型，形成专病临床辅助诊断智能体。智能体的底层架构以瑞金医院的病例库与临床知识库为核心，将临床症状、检验结论等作为核心输入，利用大语言模型或Transformer技术对模型进行从分析推理到生成的全链路训练。在诊断维度，智能体不仅能输出分型、分层等结论，还能据此推荐后续治疗方案；在治疗阶段，可提供用药方案推荐与疗效预测，并支持药敏、耐药及减停药等动态监测。

据公开交流信息，智能体一期规划将携手陈院士团队从急性白血病切入，并计划向淋巴瘤等病种拓展，采取“单点突破、横向复制”的策略快速铺开。

商业闭环：从装机试用到按病例计费的验证

技术叙事之外，迪安诊断已经完成的商业化流程验证值得关注。

截至2026年半年度，迪安诊断的病理AI系列产品已累计出具近1000万份报告。公司已在重庆、浙江、江苏等省市完成了从装机试用、正式启用到按病例计费的流程验证。这一验证的核心价值在于：AI医疗产品能够嵌入医院收费体系、产生实际现金流。

在AI收入体量上，2024年公司AI相关收入约2000万元，2025年已完成AI三年战略规划的“第一步”。截至2026年6月底，AI相关业务业绩贡献合计约4000万元，主要由AI for临床和AI for实验室业务组成。公司认为，未来商业化潜力最大的板块是数据产品和服务。

关于商业化路径，据公开交流信息，综合诊断报告本身具备向医院收费的商业模式，由患者支付。此前迪安诊断实验室未大规模开展该业务，主要原因是医生人工撰写耗时过长导致产能受限，而AI智能体恰好能够突破这一产能瓶颈。

在AI For临床方面，X-Med临床科研大数据平台上半年新增落地超10家头部医院，累计落地超过60家三甲医院，并同步搭建细分场景专病智能体。数据业务方面，公司已在杭州数据交易所上架20款产品并完成医疗领域首单交易，打通了从数据治理到合规交易的全链路闭环。

市场空间：三条增长曲线的叠加

白血病诊断智能体的价值，不宜仅以单一病种的检测市场来衡量。迪安诊断的增量逻辑建立在三条曲线的叠加之上。

第一条曲线是白血病分子检测本身的存量扩容。据睿昂基因2026年半年报披露，国内白血病分子检测业务容量估计约为47.09亿元。其中初发患者确诊检测约8.47亿元，确诊后跟踪5年的患者业务容量约30.82亿元，存量患者约7.8亿元。跟踪和存量患者的收入占比超过80%，这意味着商业模式的粘性显著高于普通检测服务。

第二条曲线是血液肿瘤整体市场的长期增长。每年进行的骨髓检查达300万至500万例，且智能检测技术在血液恶性肿瘤领域的应用目前主要集中在依赖人工镜检的细胞形态学与细胞遗传学环节，渗透率较低。全球AI血液学即时检测市场预计从2025年的3.9亿美元增至2031年的14.5亿美元，亚太地区被视为中期增长较快的区域市场。

第三条曲线是基层市场的覆盖扩展。政策端明确，到2030年基层诊疗智能辅助应用基本实现全覆盖。县域医共体、分级诊疗持续推进背景下，基层医院较为欠缺的并非设备，而是高水平诊断能力。据行业分析，医院端AI转型市场五年内将增长近10倍。仅病理AI这一细分领域，按宫颈细胞学计算机辅助诊断的收费标准和可计费细胞学量测算，成熟期终端年度市场空间约36亿至144亿元。

关于估值切换的叙事，需要直面财务现实。迪安诊断2026年上半年实现营业收入47.73亿元，同比下降3.30%；归母净利润2.32亿元，同比增长2160.87%，扣非净利润2.39亿元，同比增长2685.60%。从估值角度看，当前市场对迪安诊断的定价仍锚定在“ICL龙头的利润修复”框架内。AI医疗产品若一旦进入规模化放量阶段，其商业模型与传统检验外包存在差异——边际成本更低、客户粘性更强、定价权更高。

AI4S路径的“中国方案”

白血病诊断智能体的深层意义，不在于“全球领先”或“国产替代”的标签，而在于迪安诊断选择了一条中国特有的AI4S落地路径——不是从通用大模型出发寻找医疗场景，而是从国家级专病数据底座出发，以真实临床流程为约束条件，构建可追溯、可复核、可进化的智能决策系统。

从全国专病数据库建设，到与头部三甲医院共建专病智能体，再到面向全国医疗机构的规模化推广，迪安诊断“数据—模型—场景—标准”一体化的AI医疗布局正加速成形。

迪安诊断先抢占血液病这一确定性较强的市场，再凭借产品的综合性与严肃医疗场景的落地能力，向其他病种延伸。如果这条路径跑通，迪安诊断的估值坐标系将不再局限于ICL同业，而是向“AI+医疗”平台型公司迁移。但这条路径的最终价值，取决于两个问题：数据壁垒能否持续，商业模式能否规模化。

迪安与瑞金的合作，本质上是在中国制度约束下的一次路径探索——用国家级数据底座解决“有没有数据”，用三甲医院背书解决“准不准”，用医保支付解决“谁买单”，用基层覆盖解决“够不够大”。

谁能在AI业务上更快一步，将成为衡量这条路径能否从政策扶持转向市场自发需求的关键标尺。