智能超声如何让医生告别加班，让孕妇少排队？

超声医学堪称产科的「第三只眼」，是评估胎儿发育状况、监测母婴健康的核心手段。 然而，超声检查的准确性受医生操作技术和经验的密切相关，同时设备差异等因素，也会对高危妊娠筛查结果产生直接影响。         

其中，III 级产科超声检查，也就是人们常说的「大排畸」超声检查，主要针对胎儿各个解剖结构及系统进行全面的结构筛查。这是整个孕期检查项目最多的一次超声检查，也是整个孕周最重要的一次超声检查。公开资料显示，以往完成这一套检查大约需要耗时 30 分钟，这无疑是一项不小的工作量。但现在，受益于 AI 助手的助力，检查时间缩短了2/3。         

技术的进步不仅提高了孕检效率，还切实改善了孕产妇的就医体验。近日，深圳市罗湖区人民医院执行院长、罗湖医院集团副院长兼超声中心主任熊奕，做客由健康界发起的 「ALL in AI Health 创新应用大讲堂」直播间，与主持本期节目的健康界内容负责人郑宇钧对谈，分享了团队自主研发的智能超声解决方案在妇产检查中的五大创新应用，包括智能测量、智能扫查、智能质控、智能成像和智能诊断。 

「在妇产科超声领域，我们深度融合 AI 技术，已形成多项创新应用。需要强调的是，需要特别说明的一点是，这些功能并非闭门造车，而是与国内顶尖的医疗设备厂商深度合作完成，多项技术已获得国家专利认证。在某些技术应用层面，我们的解决方案已达到甚至超越国际同行水平，特别是在智能图像解析和辅助诊断环节。」熊奕说。          

本文精选了直播中的部分内容，供广大同仁交流探讨，欢迎大家在评论区留言分享看法。本期完整回放可点击下列小程序，进入医项目即可观看：

智能超声的首个应用方向是智能测量。在生殖超声检查中，通常需要测量最大的卵泡和肿块大小。但在实际临床操作中，情况更为复杂，往往要提供众多结节的数据，例如乳腺结节、甲状腺结节，都需要准确测量所有结节的大小，这是一项极为繁琐的工作。

基于 AI 的智能测量系统，借助深度学习算法，能够自动识别目标结构的形状、长短径，并精确测算出面积和体积。这项技术彻底改变了传统手工测量的模式，极大地简化了测量流程，让医生从繁琐的工作中解脱出来。

具体而言，医生只需获取超声图像，智能超声系统就能自动勾画出目标结构，并完成大小测量。以卵巢测量为例，无论视野中的卵巢图像是静态还是动态，只要完整呈现卵巢，系统就能自动勾勒出卵巢的轮廓，测量其大小和面积，同时识别并标注出视野内所有卵泡的大小。在二维超声的探头持续动态扫查过程中，智能超声系统还能实时跟踪并测量不断进入视野的卵泡大小。    

二维智能超声系统不仅具备实时测量功能，还拥有动态更新与排序能力。比如，若要测量前十大卵泡，系统可自动完成筛选与排序。目前，这一功能已在许多国产超声设备上得以实现，部分进口设备也支持二维超声测量目标结构的大小。医生获取图像后，按下特定按键，系统就能快速得出卵巢大小数据。未来，智能超声系统还有望与生殖系统检查深度融合，自动生成测量数据和测量报告。

（来源：受访者提供）

同样，在测量胎儿头围、胎儿腹围、胎儿股骨长、盆底、髋关节等部位时，涉及的参数指标较多。AI 不仅能一键生成数据，还能对检查结果进行判断，给出诊断提示。

AI 不仅能基于二维图像测量数据，还能基于三维容积测量数据。要知道，过去测量容积是一项颇具难度的工作，如今借助 AI，在采集的容积数据中进行简单操作，系统就能自动计算出容积，并直观显示数据。  

在早孕检查中，判断胎儿是否停止发育的标准较为复杂，若医生记忆不准确，可能引发医疗纠纷。未来，基于容积和体积等的自动测量技术，有望为早孕期胚胎停止发育的诊断标准提供更有力的支持，简化现有标准，方便医生记忆，从而减少误诊和医疗纠纷。此外，容积自动测量技术还可应用于诊断小头畸形、判断肺隔离症的预后等，助力医疗诊断工作的开展。   

总之，智能超声自动测量的显著优势在于节省时间、减少操作步骤。随着技术的发展和样本量的不断增加，测量准确性也得到显著提升，基本实现了高精度测量。

智能超声的第二个应用方向是智能扫查。超声检查的质量与超声医生的手法密切相关，若医生手法不佳，即使能看清图像，也可能无法扫查准确的图像，难以完成高质量的超声检查。而智能扫查能够降低扫查难度，帮助医生更轻松地完成对目标结构的扫查。          

智能扫查包括二维自动扫查和三维容积自动扫查。这种扫查方式优势明显，一方面能有效降低不同操作者之间因技术水平差异带来的影响；另一方面有助于节约人力成本，缩短现场检查时间，进而提高检查效率。

例如，利用远程超声机器人进行智能扫查，即使患者身处几千公里之外，也能激活机械臂进行自动扫查。机器人会模拟医生的操作手法，辅助医生完成对常规肝胆脾胰、甲状腺、颈动脉等部位的扫查工作。          

对于民营超声体检中心来说，医生短缺是常见问题。远程自动扫查机器人的出现，为这一困境提供了有效的解决办法。通过远程机器人进行自动扫查，能在一定程度上缓解医生不足的状况。

不过，目前智能自动扫查也存在一定的局限性，主要体现在尚未与 AI 实现充分融合。在实际应用中，虽然图形扫查耗时较短，但对扫查所得图像进行分析，往往需要花费更多时间。当前，该技术仍处于不断探索阶段。未来，若想实现广泛的临床推广，需要将 AI 融入其中，实现对病灶的自动识别，让这项技术更好地服务于临床医疗。   

值得一提的是，这一远程自动扫查技术是国内首创成果。远程超声机器人已在边疆援助、发热门诊、远程体检等场景展开应用推广，累计完成 24,000 多例超声检查。比如，罗湖医院与西班牙公立医院曾实现相隔 10000 公里的连线，团队为西班牙当地医生进行超声扫查培训和指导；疫情期间，还采用远程方式对发热门诊以及隔离病区中的患者进行超声检查。

基于三维超声的自动扫查技术（ABUS）能够实现乳腺的自动扫查，但由于与 AI 结合不足，在临床的应用推广效果还有待提高。未来，基于三维超声自动扫查的智能超声技术，在乳腺和甲状腺体检领域将发挥更大作用，不仅能减少医生现场操作时间，还能提高诊断准确率，显著提升医疗体检工作质量。         

智能超声的第三个应用方向是智能质控。目前，超声质量控制主要依靠医生手工操作，医生需要调取病例、查看图像，并逐张进行判断评分。这一过程不仅繁琐，还容易受到人为因素的干扰。    

若采用超声智能质控，可将数据和图像全部提取至系统中，借助 AI 进行分析判断，自动给出图像评分，这属于事后质控。如今，智能质控已完全可以应用于实际工作，有效提升了质控效率与准确性。  

未来，智能质控将发挥更大的作用。在检查前设定超声图像的质控标准，检查过程中，只有获取符合质控标准的图像，检查才能继续推进或结束。如果未采集到标准切面，就无法完成完整的超声检查，这便是事前质控。通过这种方式，能更好地助力科室提升质量把控水平。          

具体来说，借助人工智能技术，系统可自动识别超声结构与切面，获取标准切面并自动评分，从而更高效地开展超声质控工作。例如，利用人工智能质控的 AI 助手，医生只需扫查切面，系统就能自动截取图像。同时，系统设有评分标准示意图，若设定 85 分以上为标准图像，只有达到该分数的图像才能被截取。当医生扫查至相应界面，示意图便会同步显示。  

评分标准也可根据实际情况设置为 90 分及以上。在标准界面上，会显示达到 90 分及以上标准的图像数量，同时设有提示功能。若评分在 90 分及以上，该切面即被认定为标准切面，系统将自动截取图像；若未达到 90 分，图像不会被截取，相应位置始终显示空白，检查也就无法完成。       

这一功能从事前阶段就能帮助医生做好质控工作。对于年轻医生而言，有了该系统，若未获取标准切面，检查便无法结束，他们需要持续操作直至达标，无需专人时刻监督，切实做好了质控。

通过人工智能，不仅能提升超声检查的质量，还有助于培训年轻医生进行胎儿相关检查的质控。此前介绍的是横切面的情况，矢状面同样可借助该系统开展质控工作。  

在进行胎儿检查时，许多医生往往要采集 300 幅图，反复查看胎儿三遍、四遍甚至五遍才能完成检查，而且还常常担心有遗漏，顾此失彼。有了这套智能系统，预先设定好所需的质控切面数量及标准，医生只有完成所有标准切面的采集并成功截取图像，才能结束检查。

在操作过程中，医生能清楚知晓哪些图像未采集，及时补全。这对于经验不足的年轻医生来说，能够大幅节省检查时间，提高检查效率。   

图|基于人工智能的产前全孕周超声辅助筛查与质控（来源：受访者提供）   

AI 辅助还具备独特功能。在产前检查时，配备的 AI 助手能让孕妇充分参与到检查过程中，有效提升就医体验。检查过程中，孕妇可以看到示意图，了解当前检查部位。例如，当探头移动时，示意图会提示对应的身体结构。这使得孕妈和家属能够清晰知晓检查范围与涉及的身体结构，极大提高他们的参与度和满意度。

智能超声的第四个应用方向是智能成像。借助 AI 技术，智能成像能够降低对操作者技术的依赖程度，减轻诊断难度，简化操作流程，获取更丰富的诊断信息，进而提升诊断效率与准确率。未来，还有望缩短医生培训时长。   

在智能成像领域，已经取得了诸多进展，如智能颅脑的正中矢状面成像、智能胎儿面部成像、智能 3D 打印、智能盆底以及智能子宫成像等。     

智能颅脑正中矢状面成像程序（Smart Planes）是业内较早应用的智能超声成像程序之一，能有效提高胎儿脑中线结构畸形的检出率和诊断准确率。

医生仅需采集容积数据，其余工作都可交由 AI 完成。它能自动获取三个横切面和矢状面，并自动完成颅脑参数的测量，实现一键化操作。这有助于减少不同医生因诊断水平差异造成的影响，简化了操作流程，提高筛查准确率与诊断率。     

在子宫冠状面检查方面，同样如此。只需培训医生学习采集子宫矢状面并获取三个容积数据，其余工作交给 AI 和仪器即可。仪器会自动截取子宫冠状面，还能自动测量子宫内膜厚度、体积、面积以及子宫的大小面积等所有子宫相关参数。这在生殖超声领域，极大简化了评估子宫容受性的流程，降低了操作难度。

当前，罗湖区人民医院还在借助 AI 模型预测胎儿出生时的长相。通过采集三维图像，运用深度神经网络、自注意力机制以及生成对抗网络三大核心技术对胎儿三维图进行处理，从而预测胎儿出生时的模样。  

图|AI大模型预测胎儿长相（来源：受访者提供）

自动成像操作十分简便，只需两步，一分钟即可出图。采集三维容积后会生成一个二维码，用手机扫码就能进入云端进行测量与图像显示。一分钟便能生成胎儿脸部图像，还可下载到手机。该功能为孕妈和家属增添了情感价值，方便他们进行个性化留念，同时也提升了医疗服务质量与就医体验。     

然而，目前智能成像也存在一定的局限性。当下缺乏一个广泛适用的泛化模型，需要依据不同需求进行定制化训练。也就是说，针对每个系统，都要按照特定需求开展定制化的图像采集与训练工作，以此生成相应模型，才能实现 AI 功能。无法做到用一个模型适用于全系统器官，并且这一过程需要大量图像数据，还需投入精力对数据进行标注。

智能超声的第五个应用方向是智能诊断，这是未来诊断的终极目标。借助 AI 收集图像数据与病理对照的数据，未来基于二维或者三维数据，有望得出诊断结果，并提高诊断准确率。  

目前，较为常见的应用是进行智能 BI - RADS（乳腺影像报告和数据系统）分类提示，以此判断乳腺病变良恶性程度。倘若未来能够积累足够庞大的数据量，无限接近或者达到接近病理诊断的水平并非不可能。      

AI 诊断在甲状腺、乳腺疾病，以及胎儿神经系统、胎儿心脏畸形等方面的应用较为广泛。不过，要实现成熟的智能诊断，还有很长的路要走。这需要积累大量的数据，搭建众多的平台，并且吸引更多医生参与到病例的研究中，才更有可能早日实现智能诊断的功能。          

据介绍，罗湖区正依托政府推进人工智能医疗平台建设，医生可将自有医疗数据上传至平台（数据所有权归上传者且严格保密），免费使用存储及标注工具（未来将支持 AI 辅助标注）。平台通过人工智能算法智能匹配研究方向相近的医生，支持数据打包授权、多机构联合研究，助力提升高质量论文发表效率。平台还将推动跨机构医学影像数据合规流通，加速标准化数据库建设，为药企研发和临床转化提供支撑。随着医生积极上传数据，运用 AI 标注工具共建医学影像平台，将促进科研协同与 AI 医疗应用深度发展。

虽然 AI 在诊断方面仍处于探索阶段，还有诸多挑战需要克服。但在节约时间、提高效率和准确度、提升就医满意度等方面，已经取得了不少成果。相信，随着技术的不断进步，未来智能诊断这一终极目标会成为现实。