對于醫療人工智能而言，2021年是個非凡年。

9個月時間內，1家企業上市，4家企業遞交招股書，加之明星企業依圖醫療被深睿醫療所收購，長跑之后，整個醫療人工智能賽道儼然成型。

新勢態下，擴充產品管線成為頭部企業的當務之急。但對于作為用戶的醫院而言，他們并不關心企業管線的寬度，只在意人工智能是否足夠“深”，是否能夠符合臨床流程，是否看得快、看得準。

換言之，醫療人工智能要開啟新賽道的前提一定是要滿足真實存在的醫療需求，解決實際醫療痛點。

如今，作為AI頭部企業的醫準智能深諳此理。以＂胸部AI＂、＂乳腺AI＂起家的醫準智能在開辟新增長時尤其注重醫院的臨床需求及痛點，并有意識的從傳統放射科出發，向全影像AI進程發展，譬如，“AI+超聲”便是其近年來開拓的重要場景之一。

非標準的超聲AI到底怎么做？

國內從事AI+超聲研究的企業非常少。通過動脈橙數據庫統計得知，標簽中存在人工智能技術的公司多達480家，其中有98家從事放射科相關業務，而只有10余家企業將研究方向伸向了超聲，而其中選擇超聲動態圖像處理的企業屈指可數。

與傳統的AI影像賽道相比，超聲醫學有其天然門檻。其一，超聲檢查所產生的數據比CT、DR二維的數據多了一個時間維度。這意味著影像科影像采集與影像分析時間上的割裂并不能存在于超聲診斷，超聲檢查要求檢查與診斷兩項操作需在同一時間內完成。此外，整個超聲檢查過程中可能存在大量無診斷意義的幀數，AI必須能夠甄別每一幀的價值，將其相互對比，提取到特定時刻的責任切面，才能進行有效的影像分析。

其二，超聲數據的規范化、標準化是一個懸而未決的問題，極其考驗醫生的經驗與判斷能力。同一個病例，往往存在觀察者間差異或觀察者內差異。在這種情況下，市面上少有公開的超聲數據集與AI算法可供企業二次開發；建立訓練數據集也需要企業進行前瞻性的動態超聲訓練數據集建設，費時費力。

解決以上問題，一是要有研發思路，二是要有經費投入。醫準智能創始人兼CEO呂晨翀告訴動脈網：“傳統醫療影像AI企業的算法通常來源于開源圖像算法，但超聲圖像來源于超聲波成像，且超聲檢查的病灶圖像因切面不同，聲像學特征也不同，無法因一張圖片進行病灶分析，動態視頻實時檢測分析才符合超聲醫學的工作流，而在全球范圍內，超聲實時動態AI領域研究極度匱乏，沒有公認成熟算法。因此如何解決基于超聲圖像的實時動態病灶檢測與分析成為了行業的痛點。

基于這樣的邏輯，醫準智能在近兩年的時間里不斷探索創新，最終研究出超聲實時動態AI輔助診斷模型，采用神經網絡架構搜索方法（NAS）使用業內一流的高性能計算GPU，可達每秒處理速度64幀，且檢測結果延遲＜0.09秒，能夠精準抓取僅毫秒級閃現的病灶。同時，該系統可實現實時病灶良惡性分類、智能BI-RADS分級，同時通過卷積神經網絡特征融合模擬恢復3D，從而得出基于超聲掃查過程全切面的定量良惡性分析結果。

此外，與常規的AI超聲產品相比，醫準智能乳腺超聲實時動態智能分析系統勝在“動態實時檢測”。

“超聲診斷需要找關鍵切面，但是否是最優的關鍵切面，醫生無法通過單一圖像判斷。”呂晨翀表示，“因此，醫準智能的AI能夠在檢查過程對每一幀的影像進行相互對比，可以自動識別出整個超聲掃查過程中最大切面圖像，幫助醫生提取出用于診斷的關鍵信息。”

醫院的接受程度可以直觀反映AI的能力。目前，醫準智能的超聲AI產品已經在三甲醫院、基層醫療、體檢機構等各級醫療機構廣泛落地。在某兩家三甲醫院總計600例的臨床實驗中，醫準智能超聲AI的檢出率約為95%，腫瘤良惡性判斷準確率約為90%，這一數據已與高年資醫生相當。

醫準智能乳腺多病種智能解決方案

臨床場景：從乳腺AI出發探求影像AI下一個價值

檢驗場景是超聲應用的一個很好場景，但不是唯一場景。在醫院之中，超聲可用于麻醉科、急診科、ICU等臨床科室，輔助完成實時手術引導、手術評估，幫助醫生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，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。

以神經外科手術為例，超聲影像導航可以為手術提供準確的開顱部位、病變定位、制訂手術方案，成為微創神經外科手術尤其是“鎖孔”手術的重要工具，進而提高神經外科手術質量、減少副損傷的基礎是準確定位。而在乳腺外科手術中，超聲的使用可提高保乳手術療效，顯著降低腫瘤留存率及再次手術切除率和切除標本的體積。

為了進一步保證手術導航的精度，減少定位誤差，醫準智能乳腺超聲實時動態智能分析系統也成為臨床手術輔助的導航工具，實時動態的檢出方式能夠為“旋切”、“穿刺”等手術提供引導。在超聲AI支持下，乳腺外科醫生的醫生決策難度大幅降低，腫瘤切除更為精準，手術時間也存在一定比例的減少。

可以說，這一產品標志著其覆蓋范圍由超聲科向臨床科室延伸。對于診療流程而言，檢查僅是其中的一個步驟，醫療AI要想發揮其更大的價值，必須深入臨床。

從輔助診斷到全棧式乳腺解決方案

很多AI企業產品時常會將AI的準確率視為唯一的目標，但在基層醫療之中，只追求“準確”顯然需要不能滿足檢查的需求。

醫準智能發現，基層醫院提升“準確率”、“效率”等指標固然重要，但還需要一個監管流程對整個檢查過程進行質量控制。尤其是對于基層影像檢查，很多時候放射科技師在擺位掃描不準確致使影像質量不夠好，等到第二天閱片時，才發現診斷無法正常進行。

從這一需求出發，醫準智能在其AI系統中加入了圖像質控功能。“醫生在掃查病人的同時，AI便能對影像質量進行審核，并在數秒內給出反饋結果。這樣一來，如果檢查過程出現質量問題，患者還未走出科室便能發現問題，及時進行二次檢查。”

授人以魚不如授人以漁，在提效保質的同時，醫準智能打造了乳腺教學系統，從根本上提升基層醫療質量問題。具體而言，基層醫療的醫生登入系統之后，一方面可以在云端模擬影像診斷，醫準智能可通過AI為醫生的診斷進行評分；另一方面醫生可以在病例庫中查找診斷案例，了解哪種類型的病灶漏診較多以及對應問題的診斷方法。

截止目前，醫準智能已經構造了包含圖像質控、輔助診斷、臨床治療、教學科研為一體全棧式乳腺智能解決方案，能夠解決不同場景下的醫生需求。但對于醫準智能而言，其能力不局限于此。

醫療AI的下半場，醫準智能的下一步

相對于其他醫療影像AI企業，醫準智能進入這個賽道相對較晚，但卻快速擠進了前列。

“公司首次融資是在2017年11月，那個時候，已經有53家影像AI企業收獲融資，我們是第54家。”呂晨翀回憶到，“快四年的時間，末班車的我們能在這個行業中活下來，靠的則是探索技術與創新的‘堅韌’。”

帶著這種堅韌，醫準智能將繼續兩個方向的深潛，一是要做全影像AI；二是要往臨床場景覆蓋，發現醫療AI的全新價值。

每一條道路都任重道遠，好在進入AI下半場的醫準智能占據的好位置。資本聚集的大勢之下，收獲更多資金支持的醫準智能，或許真能將其構思一點一點填充完畢。