近日，美國乳腺超聲技術(shù)公司 iSono Health 正式推出其便攜式自動乳腺超聲系統(tǒng) ATUSA。該系統(tǒng)已通過 FDA 510(k) 清關(guān)，采用可穿戴式設(shè)計(jì)，可在無需專業(yè)超聲技師操作的情況下，完成全乳腺自動 3D 成像，主要面向婦產(chǎn)科門診、基層診所等即時護(hù)理（Point-of-Care）場景。

從產(chǎn)品形態(tài)上看，ATUSA 試圖解決一個非常明確的問題：如何在非影像科環(huán)境中，穩(wěn)定、高效地獲取標(biāo)準(zhǔn)化乳腺超聲圖像。掃描過程自動完成，單側(cè)乳腺僅需數(shù)分鐘，影像結(jié)果可直接在終端顯示，并支持遠(yuǎn)程閱片與隨訪。這類產(chǎn)品的出現(xiàn)，也再次把“AI + 超聲”推到了行業(yè)討論的前臺。

但比“又一款新設(shè)備上市”更值得討論的，是它所代表的一種技術(shù)路徑選擇。

官網(wǎng)圖源：iSono Health

當(dāng) AI 進(jìn)入超聲，真正要解決的是什么？

在過去幾年里，AI 在乳腺超聲領(lǐng)域的應(yīng)用，大多集中在圖像識別和結(jié)果判讀層面：良惡性判斷、BI-RADS 分級、結(jié)節(jié)標(biāo)注、風(fēng)險提示等。這些能力在算法層面已經(jīng)取得了不小進(jìn)展。

但在真實(shí)應(yīng)用中，一個反復(fù)出現(xiàn)的問題是：AI 的表現(xiàn)高度依賴輸入圖像的質(zhì)量，而圖像質(zhì)量本身，卻高度依賴操作者。

掃查路徑是否完整、手法是否穩(wěn)定、關(guān)鍵切面是否覆蓋、探頭壓力是否合適—這些因素一旦出現(xiàn)偏差，即便是性能再好的模型，也很難給出可靠結(jié)果。

ATUSA 的設(shè)計(jì)，正是對這一問題的一種回應(yīng)。它并沒有試圖讓 AI “更聰明”，而是通過硬件形態(tài)與流程設(shè)計(jì)，盡可能減少前端變量，用自動化方式保證每一次檢查都在一個相對可控的標(biāo)準(zhǔn)框架內(nèi)完成。

這背后，其實(shí)隱含著一個重要判斷：AI 在乳腺超聲中的價值，不只是“怎么看”，而是“怎么做檢查”。

一種成立于特定醫(yī)療體系下的解決方案

需要注意的是，ATUSA 所選擇的路徑，與其所處的醫(yī)療環(huán)境密切相關(guān)。

在美國體系下，乳腺影像高度依賴鉬靶篩查，超聲更多作為補(bǔ)充檢查工具存在，尤其用于致密型乳腺或高風(fēng)險人群的隨訪與補(bǔ)充評估。影像最終仍回到放射科醫(yī)生體系，由專家進(jìn)行判讀和決策。

在這樣的前提下，一套操作門檻低、流程固定、圖像一致性高的自動化超聲系統(tǒng)，確實(shí)可以有效擴(kuò)展使用場景，提高檢查可及性，并降低對專職技師的依賴。

這是一條清晰、也非常“美國式”的技術(shù)路徑。

如果把視角放到更大規(guī)模、更復(fù)雜的篩查場景中，問題往往并不會止步于此。

當(dāng)場景變成基層與大規(guī)模篩查，挑戰(zhàn)發(fā)生了變化

在中國及許多發(fā)展中地區(qū)，乳腺超聲往往承擔(dān)著篩查本身的角色，尤其是在基層醫(yī)療機(jī)構(gòu)、體檢場景、流動篩查和公共衛(wèi)生項(xiàng)目中。

在這些場景下，挑戰(zhàn)不只在于“有沒有設(shè)備”，而在于：

1、不同操作者之間的掃查差異極大
2、圖像質(zhì)量波動明顯，難以長期穩(wěn)定
3、批量檢查中，過程不可控、不可回溯
4、僅依賴事后判讀的 AI 模型，往往難以在真實(shí)篩查環(huán)境中長期穩(wěn)定發(fā)揮作用

也正是在這樣的現(xiàn)實(shí)背景下，“小濟(jì)醫(yī)生”選擇了另一條路徑。

與其把 AI 作為檢查結(jié)束后的“輔助判斷工具”，小濟(jì)醫(yī)生更希望它能參與到篩查的全過程中。

在基層和規(guī)模化篩查場景里，設(shè)備條件、操作者經(jīng)驗(yàn)并不統(tǒng)一，這也是現(xiàn)實(shí)世界無法回避的前提。基于這樣的環(huán)境，小濟(jì)醫(yī)生并不是在理想影像條件下訓(xùn)練算法，而是讓系統(tǒng)學(xué)會在真實(shí)篩查場景中工作，從而在不同條件下保持相對一致的篩查結(jié)果。

通過讓 AI 介入檢查過程本身，而不僅停留在結(jié)果階段，系統(tǒng)試圖降低對個人經(jīng)驗(yàn)的依賴，使篩查在不同人員、不同機(jī)構(gòu)條件下，仍能保持相對一致的輸出質(zhì)量。

從“算法可用”，走向“規(guī)模可用”

從 ATUSA 的上市，到各類 AI 超聲產(chǎn)品在不同國家的探索，可以看到一個越來越清晰的趨勢：

AI 醫(yī)療影像的競爭，正在從模型指標(biāo)，轉(zhuǎn)向系統(tǒng)能力。

單一算法的準(zhǔn)確率，已經(jīng)不足以回答“是否真的有臨床價值”；真正重要的，是系統(tǒng)能否在真實(shí)環(huán)境中長期運(yùn)行，是否經(jīng)得起不同場景、不同操作者、不同機(jī)構(gòu)的考驗(yàn)。

◆路徑可以不同——
有的通過硬件自動化降低變量，有的通過流程與質(zhì)控重構(gòu)檢查方式。

◆但方向正在逐漸趨同——
讓 AI 不只是“會看圖”，而是真正參與并改善醫(yī)療服務(wù)的實(shí)際過程。

在乳腺癌篩查這樣高度依賴流程與質(zhì)量控制的領(lǐng)域，技術(shù)的價值，往往體現(xiàn)在那些不那么顯眼，卻持續(xù)影響結(jié)果的細(xì)節(jié)之中。
這，或許才是這一輪 AI 乳腺超聲產(chǎn)品集中出現(xiàn)時，最值得被關(guān)注的地方。

助醫(yī)者 濟(jì)蒼生
We empower those healing the world.

小濟(jì)醫(yī)生-人工智能超聲乳腺癌篩查機(jī)器人
—— 乳腺健康 小濟(jì)守護(hù) ——