在AI醫學影像這個賽道中，AI+超聲這個細分領域受到的關注遠不如AI+CT影像，AI+超聲一直都相對低調。而2020年初，FDA批准了來自capture health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領域而言並不擁擠，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，這一數字遠遠大於CT檢查數量的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，不同於AI+CT賽道，產品出現同質化，AI超聲可以賦能於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。不同於其他AI醫學影像主要是影像分析功能。AI應用於超聲需要兩步走，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超聲面前的路並不好走。對於AI來說，如何讓超聲乘著AI的羽翼進入更多醫療場景，而不是僅限於超聲科？AI應用於超聲會遇到哪些技術壁壘？動脈網進行了梳理。
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，超聲的應用並不是隨手可得。
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，我國超聲保有量並不低，但是各級醫院擁有的超聲數量並不平衡。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、可重複診斷等特點，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，但超聲醫生需要採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搭載於超聲診斷之上，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採集圖像和分析圖像，AI要走三步。以首個通過FDA審批的AI輔助下的醫學成像採集系統caption AI為例，caption AI首先是利用AI指導醫生獲取圖像，通過AI的實時引導，非專業醫生也能採集超聲影像。
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於AI影像診斷來說是個難題，caption AI的算法可以從視頻中選擇最佳的影像並且量化圖像，提高在AI超聲圖像採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caption health通過深度學習算法可以自動進行射血分數測量，用於臨床醫生評估患者病情。
雖然目前FDA批准了caption health產品上市，但是僅限於成人心臟疾病檢查。在FDA深查Caption Guidance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，結果證明沒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註冊護士使用Caption Guidance軟件，並要求他們找出超聲心動圖圖像，然後由五位心臟病專家評估所採集圖像的質量。結果表明，Caption Guidance軟件能夠使註冊護士也能獲得具有診斷意義的超聲心動圖圖像和視頻。
對於超聲來說，AI讓超聲的使用變得更加簡單，可及性更高。對於AI來說，超聲則是一個施展AI能力的好場景。
軟銀中國投資總監朱瑞星告訴動脈網，因為AI產品的特殊性，具有規模效益的領域更容易產生AI的價值窪地。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影像賽道中的後起之秀。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應用於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讓超聲設備不止是一臺成像產品，而是成為集數據採集、管理、分析於一體、融入深度學習的智能終端。
以GE Health為例，作為超聲領域的行業巨頭，GE health與西門子共同佔據了國內超過50%的超聲市場。
2019年，GE在中國市場上市了搭載了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，集中精力專注於臨床診療。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，主要應用於在介入、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超聲不止於診斷，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症的診治效率，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。這不同於用於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鑑定、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，對於大型設備來說，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。
朱瑞星表示：“從硬件上看，例如GE、西門子等廠商，硬件的迭代速度對沒有軟件快。軟件和算法上的突破將有可能成為未來主流。”
對於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，但也並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。而藉助於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。
朱瑞星指出：“把一個基層醫生培養成為一個專業的超聲科醫生是不可能的事情。因為不可能讓基層醫生能力等同於三甲醫院醫生，其實基層的賦能是依靠設備承擔的，讓基層醫生擁有簡單易用的設備，在短時間內提升診療效率和構建分級診療體系具備可行性。”
佈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超聲應用於掌上超聲設備。藉助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於超聲知之甚少的醫生。
以上海深至科技Soundwise為例，作為掌上超聲企業思多科的生態鏈企業，深至科技利用AI算法自動從獲取的超聲圖像中選擇最佳片段，並且為沒有超聲經驗的人提供智能指導，最後根據圖像提供診斷建議。讓基於的超聲診斷和圖像獲取變得更加簡單，無需經過長週期的培訓才能掌握。
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侷限於經過專業訓練的醫生。實現自動找到最佳的圖像和輔助診斷。
對於AI+掌上超聲來說，不同的應用場景，帶來了不同的應用挑戰。
對於臨床科室應用來說，很多臨床科室醫生以往沒有使用過超聲設備，並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並不難。
而對於基層來說，市場教育更是難上加難。
作為國內專注於AI+超聲的先行者，深至CEO張卓表示：基層醫療需求並不是三甲醫院的簡化版本。基層醫療對於超聲設備有著完全不同的功能和場景要求。
“對於村醫來說，它們不可能花較長的學習週期去學習，同時村醫的檢查流程時較短的，產品的檢查時間需要控制在幾分鐘內。所以AI+超聲能否做到真正的智能化和流程的簡單化，非常重要。目前的市場的大部分AI+超聲產品還難以做到讓一個護士水平的人也能快速掌握。”
根據動脈網不完全整理，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，超聲診斷廣泛應用於臨床科室，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。
*如未被收錄入此表格的企業也可以聯繫動脈網，共同探討。
從表中主要的應用場景可以看出，雖然AI超聲領域有強大的巨頭佈局，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超聲晚熟於AI+CT
對比AI+CT影像來看，AI超聲這個賽道並不擁擠。為什麼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。
在德尚韻興執行總裁嚴耶恩看來，AI應用於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，超聲檢測的難點在於圖像採集與閱片需要同時完成。這主要是因為CT、核磁、X光等影像的採集是由技師完成，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於圖像採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，由於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。
“為什麼AI影像賽道剛開始興起的時候，湧現了很多AI肺結節公司，因為相對來說，肺結節影像數據是容易獲取的。”
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於超聲醫生的操作手法和不同設備型號。所以需要由要給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，它對於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。”
他舉例說道，如果算法過於冗長，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麼多的數據。而德尚韻興作為國內最早進行超聲AI產品研發的企業，已經發布了超聲甲狀腺、乳腺、盆底、肝臟、頸動脈等AI產品。因為擁有完全自主知識產權的算法框架，德尚韻興所有的超聲AI產品無論是適應性還是性能，表現就會更加突出。
除了以上三點外，如果AI想要實現搭載於掌上超聲上，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，對於搭載AI軟件提出了更大的挑戰。掌上超聲設備遠遠小於傳統的超聲設備，這將十分考驗AI的算力。
朱瑞星表示：“AI超聲是一個系統性的工程，不單單是說企業擁有了一個算法之後，就可以做診斷識別。例如如果載體是掌上超聲，需要使用板載芯片和GPU協助運算，算法設計、IC設計、芯片和功耗都需要考慮其中。”
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，無可避免的一大阻礙是政策審批問題，caption health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雲霧。
朱瑞星表示，FDA的審批進展對於國內來說有著重要利好：“我相對早開始關注AI+超聲這個領域，此前，這個領域一直處於蟄伏期。隨著FDA批准了AI+超聲輔助診斷軟件，這個行業可能會迎來風口。2016年，AI+醫學影像領域發展最受關注的時候，也正是FDA批准了首個AI輔助診斷軟件的時候。”
FDA設備與醫療中心體外診斷與放射健康辦公室副主任Robert Ochs博士在批准Caption Health的AI輔助軟件用於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於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，軟硬件能力對於掌上超聲都很重要，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並不多。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，對於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相比依託於CT等大型設備的AI可能更適合推廣。但目前對於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軟件的賦能，超聲離成為可視化的聽診器正在越來越近。
