人工智能(AI)發展已有近70年的歷史，在醫療領域的探索也在近十年突飛猛進，尤其是在醫學影像領域，AI的價值日益凸顯。作為醫學影像的一個分支，超聲影像具有實時動態的特點，數據處理的復雜性給AI介入設置了高門檻，但超聲臨床應用廣泛，尤其是在產前篩查等領域具有不可替代性，“AI+超聲”組合的價值備受期待。近日，廣州首個聚焦產前檢查的超聲AI產品正式上市，引發市場關注。超聲AI能否解決臨床痛點，未來前景如何?

超聲檢查亟須人工智能賦能

“我帶了6個大夫6臺B超機去到一個鄉鎮做乳腺癌篩查，為了做好質量控制，我必須把6臺B超機擺在一個大會議室中，呈扇形排列，保證我抬頭就能看到每一臺機器，否則我沒法對這次篩查結果簽名。”

中山大學附屬腫瘤醫院超聲科科主任李安華如此描述自己最近一次隨慈善基金會去鄉鎮為當地居民做超聲檢查時的情景。這也正是超聲檢查的一大痛點：更加依賴于經驗豐富的超聲醫師規范操作，才能保證結果的準確性。

超聲檢查具有無輻射、無創、可重復診斷等特點，成為應用廣泛的一種診斷工具。中國有超過20萬超聲醫生，與此對應的是，每年超聲檢查的人次達到約20億人次，遠超CT檢查數量的2億人次。

有數據顯示，全世界有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。與放射科醫生通過靜態圖像進行診斷不同，超聲醫生需要手、眼、腦的配合，對采集到不同切面的動態圖像進行實時診斷。培養一名合格的超聲醫生，往往需要3—5年，在產前胎兒篩查領域，甚至可能需要5—8年。

身為中國超聲醫學工程學會副會長、廣東省超聲醫學工程學會會長的李安華教授，接觸過很多AI+醫學影像的產品，她在接受南方日報記者采訪時指出，超聲檢查亟須AI的賦能來減輕醫生的壓力，但目前仍有多個瓶頸需要突破。“人工智能在醫學影像方面的探索，最初存在與臨床需求脫節的情況。比如乳腺癌篩查，必須先找到腫塊的位置，停幀變成靜態圖，再讓AI軟件去識別這個腫塊良性和惡性的概率。這就忽略了超聲最重要的實時性，目前越來越多的AI研發公司在往動態圖像識別方向努力。”

千億新市場誰主沉浮

弗若斯特沙利文數據預測，AI醫學影像市場規模將由2020年的3億元增至2030年的923億元。

2020年2月，美國FDA批準CaptureHealth開發的人工智能超聲影像輔助系統，為超聲影像帶來突破。但相對于已經漸趨擁擠的“AI+CT影像”賽道來說，“AI+超聲”的腳步顯然因其技術的復雜性而更為謹慎。

剛剛過去的7月，在廣東省醫學會第六次產前診斷學學術會議上，廣州愛孕記信息科技有限公司聯合包括中山大學附屬第一醫院在內的全國多家三甲醫療機構以及華南理工大學計算機學院，耗時5年共同研發的超聲AI智能化系統“愛孕智聲”正式對外亮相。

“就好像給超聲醫生準備了一個導航助理，全程可以通過聲音、文字、圖像等方式提醒超聲醫生關注檢查流程規范化以及異常情況。”愛孕記CEO汪南介紹。

汪南是中山大學附屬第一醫院婦產超聲專業醫學博士，2016年辭職創業，聚焦將人工智能應用于婦產超聲診斷，提高超聲醫生產前超聲診斷能力，減少中國缺陷兒出生。

讓汪南引以為傲的是，這套產品既能為超聲醫生提供實時同步分析結果，同時又不干擾醫生正常的工作流程，不增加醫生額外操作。

在胎兒的整個生長發育監測過程中，產前超聲是不可替代的檢查，而且幾乎是唯一一種可以給孕婦做的影像篩查，直接觀察胎兒是否存在出生缺陷的一種檢查方式。“只有超聲檢查發現了異常之后，才會有目的地引導孕婦做基因檢測、羊水穿刺等檢測。”國家衛健委產前診斷專家組成員、中山大學附屬第一醫院婦產超聲主任醫師謝紅寧教授介紹。

然而，孕婦在醫院接受超聲檢查的結果常會存在主觀判斷的差異。“產前超聲醫生每天要面對大量的受檢者，排畸檢查涉及的胎兒全身結構的細節非常多，而在每一次檢查時，醫生都必須記住自己看了哪些部位，特別是畸形篩查，如果忘了就得重新做。特別考驗醫生的專注力。”謝紅寧指出，中、高年資的醫生在這種狀態下難免會疲倦，年輕醫生則容易漏掉一些沒有見過的畸形，需要高年資醫生把關。而像小秘書一樣在旁時刻提醒陪伴式AI系統，則很大程度達到防漏檢、質量控制、提升效率的目的。

導航出錯可能只會導致繞了一段路，但醫療領域的容錯率極低，需要識別分析動態復雜圖像的超聲AI承受著更大的考驗。如何判斷一個AI醫療產品的好壞?以往常常以是否能超越人類平均水平或者達到人類高水平來衡量。為此“人機大戰”也一度非常火熱。汪南介紹，中山一院曾在2019—2021年連續舉辦了三次人機大賽，模擬臨床使用場景。其中，第三次人機大賽在中山一院超聲科舉行，結果證明AI識別動態超聲影像的能力達到高年資醫生水平，相關論文《運用實時人工智能檢測系統篩查胎兒顱腦標準切面中的異常聲像》發表在國際上婦產超聲專業領域最權威的雜志《婦產超聲》上。

“但實際上，還有第二種驗證AI能力的方式，這才是我們更加關注的。”汪南博士指出，AI作為輔助診斷系統，第一不可能替代醫生給病人做診斷，第二也無法代替醫生承擔醫療責任，從這個角度來說，醫生能不能信任AI，“醫生+AI”的結合，在臨床能否帶來實際增益，才是更加值得關注的方向。

為此，2021年12月愛孕智聲在廣東省婦幼保健院開展了新一輪驗證，將36個醫生按照高中低年資搭配分成3個組，對比不同AI輔助方式進行人機大賽。結果顯示，使用AI實時輔助能夠明顯提高醫生的診斷敏感性。“我們能夠幫助醫生把漏診率降低6—10個百分點，這也是更加直觀的方式驗證AI的準確率，也是驗證AI是否能帶來實際增益的驗證方式，未來AI醫療要落地要臨床真實場景，這種驗證方式或許會成為主流。”

超聲AI下沉基層空間巨大

“以往在帶教學生時，40個學生的超聲作業我要花費七八個小時去審閱打分，打分結果還可能受主觀因素影響跟其他老師存在差異。而使用AI分析系統，效率大大提高，可以節省95%的時間，評分結果也更為標準客觀。”身背醫、教、研“三座大山”，謝紅寧教授認為，人工智能不僅提高了超聲醫生的工作效率，也是教學的得力助手。

而在李安華教授看來，超聲AI在醫院端有兩大應用場景，一方面，在醫院質量控制上，AI輔助將大大減輕醫生的負擔。以產前超聲為例，按照國家標準，中孕期B超篩查要留取30多個標準切面。身為和睦家醫院超聲總監，李安華肩負質控的職責，就需要抽查這些切面留得是否標準，這一項工作量巨大，且存在主觀性。

另一方面，超聲AI在基層醫院的需求非常大。“基層醫療其實不缺設備，而是缺會用這些設備的醫生。”李安華教授在基層幫扶時目睹過這樣的案例：一家鎮醫院里擺放著嶄新的超聲設備，院長告訴她，機器是捐贈的，但醫院沒人會用，也沒有超聲醫生。“即便好不容易培養出一名超聲醫生，也會被上級醫院‘虹吸效應’抽走。”

李安華教授認為，在基層醫療機構配備超聲AI系統，價值便在于解決優質醫療資源短缺的難題，同時也方便教學培養年輕醫生。

不過，超聲AI想要商業化落地，仍面臨兩大挑戰：一是產品成熟度，二是誰來付費。

AI醫療能否彎道超車?

“AI+超聲目前來看還是一片藍海。”對于商業前景，汪南持樂觀態度。目前愛孕智聲已在中山大學附屬第一醫院、北京醫院、盛京醫院、廣東省婦幼保健院、湖南省婦幼保健院、重慶市婦幼保健院等20多個省市100多家醫院使用。過去這一年，汪南跑遍全國25個省(直轄市)，向衛健系統、醫療機構推廣這款AI系統。

動脈網兩年前一份不完全統計顯示，國內外超聲AI相關企業不到20家。從病種的覆蓋上來看，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。

但藍海的另一面，也意味著市場對產品的接受度仍需要時間的磨煉。

今年3月，作為“醫療AI第一股”的鷹瞳科技發布首份年報，顯示1.15億元營收主要來源于第三方體檢中心、視光中心等商業機構，單一用戶貢獻超過千萬元，而醫院用戶僅有41家。

“跟遠程醫療在推進中遇到的問題一樣，AI醫療下基層也存在天然壁壘，支付仍是最大瓶頸。”李安華教授表示。

尤其是基層醫療機構，支付能力有限。而從高端醫療市場入手，產品以設備還是軟件形式采購這樣細小的問題，也會成為商業化路上的絆腳石。“我們也正在探索開發不同定位的服務和產品，以適應不同的應用場景和訴求。”汪南透露。

在產業前景方面，廣東省人工智能產業協會常務副會長兼秘書長張崟介紹，根據國家工業信息安全發展研究中心最新發布的中國人工智能發展的產業指數顯示，廣東人工智能產業的發展指數為94.9，僅次于北京、上海，產業的綜合實力位列全國第一梯隊。截至2021年，廣東人工智能專利申請的數量是全國第一，累計人工智能專利申請數量高達32538項，是國內人工智能專利轉移最為活躍的地區之一。隨著人工智能技術的不斷發展，人工智能在醫療行業的各個細分領域也逐步地深度融合，智能醫療細分出了基于圖像識別的輔助診斷系統，基于大數據處理及NRP技術的數字化醫院，以及基于深度學習的藥物研發等多個細分的賽道。在國家政策以及市場需求共同推動下，基于圖像識別的輔助診斷這一個熱點賽道，一定會涌現出越來越多的優秀企業和產品。張崟認為，中國發展人工智能有大數據的天然優勢，未來有機會實現“彎道超車”。

不過，李安華教授提醒，未來“AI+醫療研發”，數據的獲取和使用將越來越規范，需要懂技術又懂醫學的人才，針對臨床真正痛點研發出好用的、普適性高的產品，同時建議未來國內研發企業加大自主研發算法的力度，推動AI真正賦能醫療。

關鍵詞： 人工智能