在AI醫學影像的"賽道"中，AI+超聲這個細分領域一直都相對低調，其受到的關注遠不如AI+CT影像。而2020年初，FDA批準了來自capturehealth的首個AI輔助超聲診斷軟件，AI超聲賽道迎來重大突破，拿到商業化通行證，這也為AI超聲賽道帶來更多關注。

　　在國內，AI超聲相比AI+CT領域而言并不擁擠，只有幾家創業企業涉足其中。但其實，每年我國超聲的檢查人次約在20億人次，這一數字遠遠大于CT檢查的2億人次。

　　從覆蓋人群來看，AI超聲在市場前景上有更大想象力。從產品形式上看，不同于AI+CT賽道，產品出現同質化，AI超聲可以賦能于大型超聲設備和掌上超聲設備，擁有多樣的產品形式。

　　AI超聲雖然作為AI+醫學影像一大細分領域，但是AI+超聲有其諸多特點。不同于其他AI醫學影像主要是影像分析功能。AI應用于超聲需要兩步走，解決兩個問題：一是輔助獲取正確的影像；二才是輔助正確分析超聲影像。

　　很顯然，擺在AI超聲面前的路并不好走。如何讓超聲乘著AI的羽翼進入更多醫療場景，而不是僅限于超聲科？而AI應用于超聲又會遇到哪些技術壁壘呢？

　　AI降低超聲診斷壁壘，超聲為AI帶來更廣泛應用空間

　　超聲應該是執業醫生能夠獲得的最快、最安全和較便宜的醫學診斷工具之一，世界上有5000萬醫生，但其中只有2%的醫生掌握了使用超聲掃描的技能。

　　超聲應該是一種普惠的診斷工具，但是在現實中，超聲的應用并不是隨手可得。

　　根據中國醫學裝備協會統計,截至2018年,我國超聲保有量約為19萬臺。雖然比起DR市場保有量約為5.5萬臺;CT保有量約為2.2萬臺;內鏡保有量約為2萬臺;MRI市場保有量為9255臺。對比來看，我國超聲保有量并不低，但是各級醫院擁有的超聲數量并不平衡。截至2018年4月底，2427家三級醫院擁有24270臺彩超，平均擁有超聲數達10臺；而二級、一級醫院平均擁有超聲數分別為5臺、1臺，差距較為明顯。

　　超聲本身具有無輻射、可重復診斷等特點，隨著技術的進步，超聲正在變得越來越便宜和小巧。但只有超聲使用門檻的降低，才能讓超聲成為真正普惠、便攜的診斷工具。

　　因為超聲醫生和放射科醫生不同，放射科醫生只需要通過靜態的圖像進行診斷，但超聲醫生需要采集不同切面的動態圖像進行實時診斷。超聲影像的獲取和診斷都非常依賴醫生經驗。

　　AI搭載于超聲診斷之上，可以輔助解決兩個問題，一是如何更好地獲取影像；二是如何更好地分析影像。

　　在短時間內完成一個采集圖像和分析圖像，AI要走三步。以首個通過FDA審批的AI輔助下的醫學成像采集系統captionAI為例，captionAI首先是利用AI指導醫生獲取圖像，通過AI的實時引導，非專業醫生也能采集超聲影像。

　　第二步是利用算法找出最佳的圖像。超聲圖像的高變異性對于AI影像診斷來說是個難題，captionAI的算法可以從視頻中選擇最佳的影像并且量化圖像，提高在AI超聲圖像采集和診斷上的可信度。

　　第三步是進行圖像分析。以往來說，解讀和分析超聲影像也需要多年培養的超聲醫生才可以做到，而captionhealth通過深度學習算法可以自動進行射血分數測量，用于臨床醫生評估患者病情。

　　雖然目前FDA批準了captionhealth產品上市，但是僅限于成人心臟疾病檢查。在FDA深查CaptionGuidance的過程中，FDA評估了兩項獨立研究的數據。

　　第一項研究是讓50位訓練有素的超聲醫生對患者進行診斷掃描，一組不使用輔助診斷軟件，一組使用軟件，結果證明有經驗的超聲醫生都可以獲得質量較高的圖像。

　　另一項研究包括培訓八名不是超聲檢查專家的注冊護士使用CaptionGuidance軟件，并要求他們找出超聲心動圖圖像，然后由五位心臟病專家評估所采集圖像的質量。結果表明，CaptionGuidance軟件能夠使注冊護士也能獲得具有診斷意義的超聲心動圖圖像和視頻。

　　對于超聲來說，AI讓超聲的使用變得更加簡單，可及性更高。對于AI來說，超聲則是一個施展AI能力的好場景。

　　據了解，因為AI產品的特殊性，具有規模效益的領域更容易產生AI的價值洼地。超聲比起CT和核磁來說，每年的應用人次更多，同時也有一定的收費標準。因此，AI輔助診斷在超聲領域將有較大的商業化前景。

　　大型超聲和掌上超聲，AI+超聲兩種路徑

　　AI與超聲的結合正在成為AI影像賽道中的后起之秀。除了幫助更好的診斷外，AI在超聲影像中還可以完成自動化圖像質量評估、圖像標準化處理、圖像勾畫、自動測量、輔助診斷等功能。

　　但在我國，大型醫院和基層醫院兩個完全不同的醫療場景，決定了AI應用于超聲無法通過一個通用方案解決問題，而是走出了兩條完全不同的路線。

　　一條路線是在傳統超聲科，AI讓大型超聲設備更加智能。AI使得超聲設備不再僅僅是一臺成像產品，而是成為集數據采集、管理、分析于一體、融入深度學習的智能終端。

　　以GEHealth為例，作為超聲領域的行業巨頭，GEhealth與西門子共同占據了國內超過50%的超聲市場。

　　2019年，GE在中國上市了搭載了cSound+?圖像生成器的LOGIQ?E20，可實現48倍極速緩存及10倍算力突破，為大數據捕獲與分析、全息域成像提供了技術保障。在AI輔助智能識別上，數字引擎可通過對圖像的感知，實現組織臟器結構甄別、智能病灶分割、智能測量，幫助醫生擺脫繁多冗雜的圖像優化和測量工作，集中精力專注于臨床診療。從應用的病種來看，GE的AI輔助智能識別上，覆蓋了全身成像，主要應用于在介入、甲狀腺乳腺、肌骨、兒科、心臟等臨床領域支持臨床醫師的精準診斷。

　　而在其他科室，AI超聲不止于診斷，AI還可以輔助實時的引導、手術評估。超聲在麻醉科、急診科、ICU等多個科室主要是幫助醫師做出更加準確的評估，提高對威脅患者生命安全危急癥的診治效率，更有效地進行基本生命功能監測、調控及重要器官的保護與支持。

　　以麻醉科為例，POC超聲在麻醉科的應用，主要集中在超聲引導下的血管穿刺、神經阻滯和術中經食管心臟超聲（TEE）等方面，旨在提高麻醉操作的安全性和器官功能評估的準確性。這不同于用于疾病診斷的超聲檢查。而AI在其中的作用則是可以實現創傷鑒定、圖像配準/融合、系統質量保證、掃查輔助、多普勒噪聲抑制等效果。

　　當然，對于大型設備來說，AI的作用目前還是錦上添花，但是可以預見，在未來AI的作用將越來越重要。

　　從硬件上看，例如GE、西門子等廠商，硬件的迭代速度沒有軟件快。軟件和算法上的突破將有可能成為未來主流。對于超聲另一大主要廠商飛利浦來說，現在60%的全球研發人員側重在軟件和AI上面，但也并不意味著它要變成一個軟件公司。飛利浦的醫療器械設備本身是高度數字化的，也會產生大量的數據。如何互聯和整合數據是關鍵。

　　而另一條路線則是在基層醫療場景之中。在大型醫院之外，國內醫療體系中，國內有近90萬家基層醫療機構，醫、藥、檢三個環節中，破解醫療結構性矛盾必不可少的加大投入的環節就是在"檢"這個環節。而借助于掌上超聲設備的便攜性，超聲設備賦能基層是一條可行路線。

　　布局基層市場的企業主要是創業公司，作為超聲市場中的新變量，它們主要是將AI超聲應用于掌上超聲設備。借助AI軟件賦能，讓更多基層醫療機構能夠使用超聲診斷設備，實現從0到1的突破。它們面對的受眾更多是對于超聲知之甚少的醫生。

　　以往，超聲診斷需要依靠專業的醫生通過眼睛來識別圖像中的解剖結構，而AI通過智能識別讓超聲的使用不局限于經過專業訓練的醫生。實現自動找到最佳的圖像和并實現輔助診斷。

　　對于AI+掌上超聲來說，不同的應用場景，帶來了不同的應用挑戰。

　　對于臨床科室應用來說，很多臨床科室醫生以往沒有使用過超聲設備，并且各個臨床科室需求較為分散，人工智能應用的過程需要經歷一定的市場教育過程。

　　但是在介入科、心內科這樣的科室，有的臨床醫生也有一定的超聲診療經驗，掌上超聲在這些科室落地并不難。

　　而對于基層來說，市場教育更是難上加難。

　　根據不完全整理，目前已統計到國內外有16家AI超聲相關企業。從病種的覆蓋上來看，超聲診斷廣泛應用于臨床科室，而AI超聲診斷覆蓋的病種主要包括乳腺癌診斷、產前篩查、甲狀腺疾病、心臟疾病等眾多病種。

　　從主要的應用場景可以看出，雖然AI超聲領域有強大的巨頭布局，也有創業公司，但是應用場景的不同，他們沒有構成直接競爭。

　　技術壁壘讓AI超聲晚熟于AI+CT

　　對比AI+CT影像來看，AI超聲這個賽道并不擁擠。為什么AI+超聲是AI影像中晚熟的一個賽道。一大原因就是在技術方面，AI+超聲的挑戰性更大。

　　AI應用于超聲的主要技術挑戰可以分為三大部分。

　　首先是要實現實時診斷，和CT、MRI的靜態圖像不同，超聲圖像是動態實時圖像，超聲檢測的難點在于圖像采集與閱片需要同時完成。這主要是因為CT、核磁、X光等影像的采集是由技師完成，而閱片由放射科醫生完成，因此不需要實時同步影像，但超聲檢測的難點在于圖像采集與閱片需要同時完成。這也就為輔助診斷提出了更大的挑戰，包括算法和算力上。

　　其次是在數據上，相對來說，由于超聲影像數據的瀏覽處理存儲習慣，超聲影像比起CT這樣的數據更難獲取。

　　除了數據庫的規模大小受到限制外，超聲影像的標準化程度也較低，超聲影像的清晰度是依賴于超聲醫生的操作手法和不同設備型號。所以需要由較強的專家團隊對這些數據進行清洗和分析。

　　第三點是算法框架的限制。能否擁有自己的算法框架非常重要。因為目前的算法框架，絕大部分公司都是用的開源算法，尤其是在超聲領域，能夠擁有自己的算法的企業非常少。超聲AI與其他放射AI不同，它對于自主研發的算法框架非常依賴，這與它分析產品的準確度和實時性強相關。

　　如果算法過于冗長，會導致處理速度慢，而超聲具有實時性的要求，一秒鐘就有幾十幀圖像，有的心臟影像每秒上百幀，沒有強大的算法無法處理這么多的數據。

　　除了以上三點外，如果AI想要實現搭載于掌上超聲上，還需要解決算力限制的問題。掌上超聲硬件設備的限制，圖像清晰度的限制，對于搭載AI軟件提出了更大的挑戰。掌上超聲設備遠遠小于傳統的超聲設備，這將十分考驗AI的算力。

　　企業不僅要拿出一個非常精確的模型來分析超聲波視頻，而且在此基礎上，還必須確保該模型能有效地在Android平板電腦或手機平臺的有限資源下工作。

　　審批將是一道坎，FDA帶來新突破

　　在超聲AI的賽道中，不可避免的一大阻礙是政策審批問題，captionhealth獲得了FDA審批，可以說是為大部分持續投入AI超聲研發的企業撥開云霧。

　　FDA設備與醫療中心體外診斷與放射健康辦公室副主任RobertOchs博士在批準CaptionHealth的AI輔助軟件用于成人心臟超聲檢查時，曾表示，此次允許AI超聲輔助診斷軟件上市的意義不僅在于超聲檢查專家可以使用這一工具，超聲AI未來更大的場景是讓普通的醫療人員（例如家庭診所的護士）也可以使用超聲，幫助我們更早更準確發現疾病。

　　在超聲的進化過程中，軟硬件能力對于掌上超聲都很重要，目前，超聲的AI系統現階段更具壁壘。就好比目前國內能做手機硬件的廠商很多，但是能做手機操作系統的廠家并不多。在硬件比較同質化的市場中，能否研發出好的AI軟件，一定程度上決定了掌上超聲產品硬件的應用空間。

　　同時，對于基層這樣的場景來說，比起大型設備，超聲儀器價格更低，因此，超聲AI相比依托于CT等大型設備的AI可能更適合推廣。但目前對于基層醫療這樣的全科醫生來說，如何將流程真正實現智能化和傻瓜化，還是一大挑戰。隨著AI軟件賦能，超聲離成為可視化的聽診器的步伐越來越近。（作者單位：動脈網）