绘图：杨佳
人工智能（AI）发展已有近70年的历史，在医疗领域的探索也在近十年突飞猛进，尤其是在医学影像领域，AI的价值日益凸显。作为医学影像的一个分支，超声影像具有实时动态的特点，数据处理的复杂性给AI介入设置了高门槛，但超声临床应用广泛，尤其是在产前筛查等领域具有不可替代性，“AI+超声”组合的价值备受期待。近日，广州首个聚焦产前检查的超声AI产品正式上市，引发市场关注。超声AI能否解决临床痛点，未来前景如何？
●南方日报记者 严慧芳
超声检查亟须人工智能赋能
“我带了6个大夫6台B超机去到一个乡镇做乳腺癌筛查，为了做好质量控制，我必须把6台B超机摆在一个大会议室中，呈扇形排列，保证我抬头就能看到每一台机器，否则我没法对这次筛查结果签名。”
中山大学附属肿瘤医院超声科科主任李安华如此描述自己最近一次随慈善基金会去乡镇为当地居民做超声检查时的情景。这也正是超声检查的一大痛点：更加依赖于经验丰富的超声医师规范操作，才能保证结果的准确性。
超声检查具有无辐射、无创、可重复诊断等特点，成为应用广泛的一种诊断工具。中国有超过20万超声医生，与此对应的是，每年超声检查的人次达到约20亿人次，远超CT检查数量的2亿人次。
有数据显示，全世界有5000万医生，但其中只有2%的医生掌握了使用超声扫描的技能。与放射科医生通过静态图像进行诊断不同，超声医生需要手、眼、脑的配合，对采集到不同切面的动态图像进行实时诊断。培养一名合格的超声医生，往往需要3—5年，在产前胎儿筛查领域，甚至可能需要5—8年。
身为中国超声医学工程学会副会长、广东省超声医学工程学会会长的李安华教授，接触过很多AI+医学影像的产品，她在接受南方日报记者采访时指出，超声检查亟须AI的赋能来减轻医生的压力，但目前仍有多个瓶颈需要突破。“人工智能在医学影像方面的探索，最初存在与临床需求脱节的情况。比如乳腺癌筛查，必须先找到肿块的位置，停帧变成静态图，再让AI软件去识别这个肿块良性和恶性的概率。这就忽略了超声最重要的实时性，目前越来越多的AI研发公司在往动态图像识别方向努力。”
千亿新市场谁主沉浮
弗若斯特沙利文数据预测，AI医学影像市场规模将由2020年的3亿元增至2030年的923亿元。
2020年2月，美国FDA批准CaptureHealth开发的人工智能超声影像辅助系统，为超声影像带来突破。但相对于已经渐趋拥挤的“AI+CT影像”赛道来说，“AI+超声”的脚步显然因其技术的复杂性而更为谨慎。
刚刚过去的7月，在广东省医学会第六次产前诊断学学术会议上，广州爱孕记信息科技有限公司联合包括中山大学附属第一医院在内的全国多家三甲医疗机构以及华南理工大学计算机学院，耗时5年共同研发的超声AI智能化系统“爱孕智声”正式对外亮相。
“就好像给超声医生准备了一个导航助理，全程可以通过声音、文字、图像等方式提醒超声医生关注检查流程规范化以及异常情况。”爱孕记CEO汪南介绍。
汪南是中山大学附属第一医院妇产超声专业医学博士，2016年辞职创业，聚焦将人工智能应用于妇产超声诊断，提高超声医生产前超声诊断能力，减少中国缺陷儿出生。
让汪南引以为傲的是，这套产品既能为超声医生提供实时同步分析结果，同时又不干扰医生正常的工作流程，不增加医生额外操作。
在胎儿的整个生长发育监测过程中，产前超声是不可替代的检查，而且几乎是唯一一种可以给孕妇做的影像筛查，直接观察胎儿是否存在出生缺陷的一种检查方式。“只有超声检查发现了异常之后，才会有目的地引导孕妇做基因检测、羊水穿刺等检测。”国家卫健委产前诊断专家组成员、中山大学附属第一医院妇产超声主任医师谢红宁教授介绍。
然而，孕妇在医院接受超声检查的结果常会存在主观判断的差异。“产前超声医生每天要面对大量的受检者，排畸检查涉及的胎儿全身结构的细节非常多，而在每一次检查时，医生都必须记住自己看了哪些部位，特别是畸形筛查，如果忘了就得重新做。特别考验医生的专注力。”谢红宁指出，中、高年资的医生在这种状态下难免会疲倦，年轻医生则容易漏掉一些没有见过的畸形，需要高年资医生把关。而像小秘书一样在旁时刻提醒陪伴式AI系统，则很大程度达到防漏检、质量控制、提升效率的目的。
导航出错可能只会导致绕了一段路，但医疗领域的容错率极低，需要识别分析动态复杂图像的超声AI承受着更大的考验。如何判断一个AI医疗产品的好坏？以往常常以是否能超越人类平均水平或者达到人类高水平来衡量。为此“人机大战”也一度非常火热。汪南介绍，中山一院曾在2019—2021年连续举办了三次人机大赛，模拟临床使用场景。其中，第三次人机大赛在中山一院超声科举行，结果证明AI识别动态超声影像的能力达到高年资医生水平，相关论文《运用实时人工智能检测系统筛查胎儿颅脑标准切面中的异常声像》发表在国际上妇产超声专业领域最权威的杂志《妇产超声》上。
“但实际上，还有第二种验证AI能力的方式，这才是我们更加关注的。”汪南博士指出，AI作为辅助诊断系统，第一不可能替代医生给病人做诊断，第二也无法代替医生承担医疗责任，从这个角度来说，医生能不能信任AI，“医生+AI”的结合，在临床能否带来实际增益，才是更加值得关注的方向。
为此，2021年12月爱孕智声在广东省妇幼保健院开展了新一轮验证，将36个医生按照高中低年资搭配分成3个组，对比不同AI辅助方式进行人机大赛。结果显示，使用AI实时辅助能够明显提高医生的诊断敏感性。“我们能够帮助医生把漏诊率降低6—10个百分点，这也是更加直观的方式验证AI的准确率，也是验证AI是否能带来实际增益的验证方式，未来AI医疗要落地要临床真实场景，这种验证方式或许会成为主流。”
超声AI下沉基层空间巨大
“以往在带教学生时，40个学生的超声作业我要花费七八个小时去审阅打分，打分结果还可能受主观因素影响跟其他老师存在差异。而使用AI分析系统，效率大大提高，可以节省95%的时间，评分结果也更为标准客观。”身背医、教、研“三座大山”，谢红宁教授认为，人工智能不仅提高了超声医生的工作效率，也是教学的得力助手。
而在李安华教授看来，超声AI在医院端有两大应用场景，一方面，在医院质量控制上，AI辅助将大大减轻医生的负担。以产前超声为例，按照国家标准，中孕期B超筛查要留取30多个标准切面。身为和睦家医院超声总监，李安华肩负质控的职责，就需要抽查这些切面留得是否标准，这一项工作量巨大，且存在主观性。
另一方面，超声AI在基层医院的需求非常大。“基层医疗其实不缺设备，而是缺会用这些设备的医生。”李安华教授在基层帮扶时目睹过这样的案例：一家镇医院里摆放着崭新的超声设备，院长告诉她，机器是捐赠的，但医院没人会用，也没有超声医生。“即便好不容易培养出一名超声医生，也会被上级医院‘虹吸效应’抽走。”
李安华教授认为，在基层医疗机构配备超声AI系统，价值便在于解决优质医疗资源短缺的难题，同时也方便教学培养年轻医生。
不过，超声AI想要商业化落地，仍面临两大挑战：一是产品成熟度，二是谁来付费。
AI医疗能否弯道超车？
“AI+超声目前来看还是一片蓝海。”对于商业前景，汪南持乐观态度。目前爱孕智声已在中山大学附属第一医院、北京医院、盛京医院、广东省妇幼保健院、湖南省妇幼保健院、重庆市妇幼保健院等20多个省市100多家医院使用。过去这一年，汪南跑遍全国25个省（直辖市），向卫健系统、医疗机构推广这款AI系统。
动脉网两年前一份不完全统计显示，国内外超声AI相关企业不到20家。从病种的覆盖上来看，AI超声诊断覆盖的病种主要包括乳腺癌诊断、产前筛查、甲状腺疾病、心脏疾病等众多病种。
但蓝海的另一面，也意味着市场对产品的接受度仍需要时间的磨炼。
今年3月，作为“医疗AI第一股”的鹰瞳科技发布首份年报，显示1.15亿元营收主要来源于第三方体检中心、视光中心等商业机构，单一用户贡献超过千万元，而医院用户仅有41家。
“跟远程医疗在推进中遇到的问题一样，AI医疗下基层也存在天然壁垒，支付仍是最大瓶颈。”李安华教授表示。
尤其是基层医疗机构，支付能力有限。而从高端医疗市场入手，产品以设备还是软件形式采购这样细小的问题，也会成为商业化路上的绊脚石。“我们也正在探索开发不同定位的服务和产品，以适应不同的应用场景和诉求。”汪南透露。
在产业前景方面，广东省人工智能产业协会常务副会长兼秘书长张崟介绍，根据国家工业信息安全发展研究中心最新发布的中国人工智能发展的产业指数显示，广东人工智能产业的发展指数为94.9，仅次于北京、上海，产业的综合实力位列全国第一梯队。截至2021年，广东人工智能专利申请的数量是全国第一，累计人工智能专利申请数量高达32538项，是国内人工智能专利转移最为活跃的地区之一。随着人工智能技术的不断发展，人工智能在医疗行业的各个细分领域也逐步地深度融合，智能医疗细分出了基于图像识别的辅助诊断系统，基于大数据处理及NRP技术的数字化医院，以及基于深度学习的药物研发等多个细分的赛道。在国家政策以及市场需求共同推动下，基于图像识别的辅助诊断这一个热点赛道，一定会涌现出越来越多的优秀企业和产品。张崟认为，中国发展人工智能有大数据的天然优势，未来有机会实现“弯道超车”。
不过，李安华教授提醒，未来“AI+医疗研发”，数据的获取和使用将越来越规范，需要懂技术又懂医学的人才，针对临床真正痛点研发出好用的、普适性高的产品，同时建议未来国内研发企业加大自主研发算法的力度，推动AI真正赋能医疗。
