超声AI深度对决：内置与外置，中美六强谁能胜出？

首篇影像AI文章发布后，有一条留言让我无法忽视。

“希望老师能再写一篇关于超声AI的文章，最好对比一下各AI品牌的外置系统与各大超声厂商的内置方案。”

我最初的反应是：我并非超声领域的专家。

但转念一想——正因我是外行，我学习了解的过程恰恰模拟了放射科医生跨领域理解的努力。我会提出那些内行可能羞于启齿的疑问。

于是我接下了这个任务。以下是我花费数日梳理中美超声AI市场后整理的学习笔记。虽非专业视角，但所有数据均有据可查。

起初我理所当然地认为：超声AI无非是将放射科的流程移植过来。扫完图像，AI在后台运行，标记病灶，医生复核即可。

深入探究后发现：这个假设从头到尾都是错误的。

放射科AI处理的是静态图像。CT扫描完成后，数百张断层切片静止在PACS系统中，AI有充足时间逐帧分析。CT值的物理意义也非常明确——水恒为0 HU，骨骼恒为400-1000 HU。这种标准化输入对深度学习模型而言堪称理想环境。

超声呢？

超声是一段实时视频流。探头在患者身上滑动，图像每秒刷新数十次，病灶可能仅在几帧中闪现。更棘手的是，图像的“面貌”极度依赖操作手法——探头偏移一度、压力稍增、增益微调，同一块肝脏在屏幕上的灰度纹理可能截然不同。

这导致了一个关键差异：

放射科AI = 第二读片人：图像已存在，AI协助寻找漏诊的小结节。超声AI = 实时副驾驶：在扫描过程中介入，指导操作者如何移动探头、切面是否标准、何时冻结存图。

放射科AI的目标是“避免漏诊”。而超声AI的首要任务是“先帮助操作者获取正确的切面”——如果操作者根本没扫到病灶区域，再强大的AI也无济于事。

这一差异直接决定了超声AI最核心的技术路线分歧：AI应嵌入超声设备内部，还是作为外置设备或云端服务运行？

内置派的逻辑非常直接：超声AI需实现实时导航与质控，延迟必须控制在毫秒级。AI必须直接获取超声主机的原始数据流，而非等待数据压缩成视频后传至外置盒子。能做到这一点的——唯有超声设备制造商自身。

Caption Health是超声AI史上无法绕开的名字。2020年2月7日，FDA通过De Novo通道批准了其Caption Guidance系统——人类历史上首个获批的AI引导医学图像采集系统。FDA甚至为此专门设立了一个全新的监管类别。

其核心临床试验设计之严苛令人咋舌：8名毫无超声经验的注册护士，在AI实时语音与屏幕指引下，为240名患者进行心脏超声检查——每人需采集10个标准切面。结果？经5位独立心脏病专家盲评，左心室大小与功能的诊断级图像获取率高达98.8%，心包积液检出率同样为98.8%。相关论文发表于JAMA Cardiology。

2023年2月，GE医疗宣布收购Caption Health。随后盖茨基金会向GE提供4400万美元资助，要求将该技术推广至产科与肺部超声，覆盖中低收入国家。

→ 最顶尖的独立AI导航软件，最终归宿是被硬件巨头吞并。

2024年11月，开立医疗的凤眼S-Fetus获得国内首张产科超声AI三类证。在产科医生滑动探头的过程中，AI每秒进行数十次计算——实时检测胎儿结构、自动锁定标准切面、瞬间完成生物参数测量并直接写入报告。

最具说服力的一幕出现在发布会：通过5G远程系统，西藏那曲市人民医院的医生在海拔4500米的高原上操作搭载凤眼的设备，远在深深圳的国内产科超声权威李胜利教授远程确认——AI自动抓取的切面质量，完全对标内地三甲医院标准。

→ 内置派的核心价值：将专家的手眼脑协调能力数字化封装进机器。

迈瑞是中国医疗器械龙头——超声业务全球第三、中国第一，2024年医学影像板块营收近75亿元。其策略并非开发独立软件，而是实现“设备+IT+AI”三维协同。

2025年11月，迈瑞发布启元超声大模型。覆盖超声检查全生命周期：检查前AI从病历系统自动提取患者历史阳性特征 → 检查中实时识别标准切面、自动测量、提示病灶 → 检查后大模型直接生成结构化报告。北京协和医院王红燕教授分享的数据显示：乳腺BI-RADS诊断准确性提升5%-10%，且大模型会展示“思维链”——解释其判断依据。

迈瑞Smart Breast软件已于2025年7月进入NMPA创新医疗器械特别审查绿色通道。

外置派的逻辑同样极具说服力：中国各级医院超声设备品牌繁杂，从高端进口机到国产经济款应有尽有。如果AI只能绑定某一品牌设备，对已购买其他品牌设备的医院而言，意味着“要么更换整机，要么无法使用”。外置AI标榜“供应商中立”——无论使用哪个品牌的超声，插上即可使用。

2023年11月，德尚韵兴的“甲状腺结节超声影像辅助诊断软件”获得中国超声AI辅助诊断领域首张三类证（国械注准20233211650）。

早在2019年，AI-SONIC就在上海长征医院超声科完成实地测试：在专家门诊的高压环境下，人机协同检出309个甲状腺结节，良恶性判断准确率达97%。相关论文发表于European Radiology。背后是哈佛、纽约大学算法团队，自研底层深度学习平台DE-Light。获复星医药与华盖医疗基金B轮投资。已落地全国数百家三甲及基层医院。

→ 纯算法驱动、兼容多品牌设备——独立软件路线的标杆。

2025年3月6日，医准智能的“乳腺超声影像辅助检测软件”获得全球首张乳腺超声动态实时检测AI三类证（国械注准20253210506）。

这张证的含金量在于一个词——“动态实时”。以往AI只能分析“冻结后的静态切面”：医生扫完、冻结、AI再运行。医准智能的产品在医生滑动探头的瞬间，同步完成病灶捕捉、检出与诊断评级——零延时反馈。突破了动态医学影像诊断中最难的“时序计算+多帧识别+实时反馈”三重壁垒。

迄今已落地全国5000余家医疗机构，累计服务超3000万人次。同时获得业内首张甲状腺动态实时AI三类证——乳腺+甲状腺“双证”领先。

若只选一个最能代表“外置AI想象力极限”的产品，我选这个。

2026年3月刚获FDA批准。使用方式简单得离谱：无需专业超声技师，无需捕捉标准切面，操作者只需在孕妇腹部毫无章法地滑动探头两分钟——AI便能从这些“乱扫”的视频流中自动估算孕龄。

北卡罗来纳大学Jeffrey Stringer团队在NEJM Evidence上发表了关键验证：AI盲扫的平均绝对误差仅为3.9±0.12天。专业超声技师进行传统标准生物测量的误差为4.7±0.15天。AI盲扫的精度已超越人类标准测量。

由盖茨基金会资助。已在马拉维、乌干达等非洲国家大规模部署，也进入美国农村地区——在没有超声医生的地方，让任何受过简单培训的人都能进行孕龄评估。

纵观近年资本动向，答案正趋向一致——内置化融合已成为主旋律。

Caption Health——独立AI导航软件标杆 → 2023年被GE医疗收购。

DiA Imaging Analysis——手握9张FDA证的以色列超声AI公司 → 2023年被飞利浦以近1亿美元收购。

两个案例，剧情如出一辙：最优秀的纯软件算法，最终归宿是被硬件巨头收编。

为何如此？超声的核心场景——实时导航与质控——要求毫秒级延迟。AI必须直接获取超声主机的底层原始数据，而非被视频线压缩过的画面。纯外置软件若要真正优化实时体验，要么被内置进设备，要么自行研发硬件。

中国独立AI厂商正走第二条路。数坤科技的乳腺超声AI（2025年9月获批三类证）专门配套了自研的“图灵AR”原生硬件盒子——利用高规格边缘计算网关模拟内置式体验。外置派正逐步向内置派靠拢。

但外置软件不会消失。对于已装机的大量存量超声设备——尤其是基层医院尚未报废的机器——外挂AI盒子仍是唯一可行的智能化升级路径。

两条路线不会互相取代。它们将逐渐收敛至同一终点：AI成为每台超声设备出厂时的标配。

作为一个习惯CT与MRI的从业者，此次跨界调研让我意识到三件事。

第一，从“静态审阅者”到“实时干预者”。放射科AI面对的是扫描已完成、不会改变的图像。超声AI面对的是一个动态、不确定的操作过程。若操作者手法不当、病灶未进入画面，AI再强也无效。超声AI不仅是“诊断工具”——它首先是“采集工具”。在图像生成的当下即刻介入，而非事后评判。这是放射科思维中缺失的概念。

第二，从“标准化数据”到“噪声中的真相”。CT值有物理学标准——水即为0 HU。但超声图像的灰度、纹理、质感，会因探头频率、增益设置、患者脂肪厚度而产生巨大差异。超声AI在极高噪声环境中保持判断力——算法难度往往高于常规静态影像分割。下次若有人声称“超声AI很简单”，你可一笑置之。

第三，从“AUC与敏感度”到“误差天数”。放射科AI论文的衡量标准清一色为AUC、敏感度、特异度。超声AI的评价体系则多了许多“物理计量学”色彩——Butterfly孕龄盲扫采用“平均绝对误差（MAE）天数”，EchoNous射血分数采用“均方根误差（RMSD）”，Caption Health采用“非专业人员获取诊断级图像的成功率”。评价维度的差异，反映了两种AI本质任务的不同。

放射科AI让优秀医生更快。超声AI让普通医生变得优秀。前者的价值在于“效率”，后者的价值在于“平等”——让一位那曲高原上的年轻医生，在AI的副驾驶座上，获得接近三甲专家的切面质量。

撰写本文的过程，就是一位放射科医生被读者推动着去探索陌生领域的过程。我并非超声专家，文中每一个数据点我都尽力核实了一手资料。