便攜式自動乳腺超聲上市，AI 乳腺篩查正在走向不同的路徑

近日，美國乳腺超聲技術公司 iSono Health 正式推出其便攜式自動乳腺超聲系統 ATUSA。該系統已通過 FDA 510(k) 清關，采用可穿戴式設計，可在無需專業超聲技師操作的情況下，完成全乳腺自動 3D 成像，主要面向婦產科門診、基層診所等即時護理（Point-of-Care）場景。

從產品形態上看，ATUSA 試圖解決一個非常明確的問題：如何在非影像科環境中，穩定、高效地獲取標準化乳腺超聲圖像。掃描過程自動完成，單側乳腺僅需數分鐘，影像結果可直接在終端顯示，并支持遠程閱片與隨訪。這類產品的出現，也再次把“AI + 超聲”推到了行業討論的前臺。

但比“又一款新設備上市”更值得討論的，是它所代表的一種技術路徑選擇。

官網圖源：iSono Health

當 AI 進入超聲，真正要解決的是什么？

在過去幾年里，AI 在乳腺超聲領域的應用，大多集中在圖像識別和結果判讀層面：良惡性判斷、BI-RADS 分級、結節標注、風險提示等。這些能力在算法層面已經取得了不小進展。

但在真實應用中，一個反復出現的問題是：AI 的表現高度依賴輸入圖像的質量，而圖像質量本身，卻高度依賴操作者。

掃查路徑是否完整、手法是否穩定、關鍵切面是否覆蓋、探頭壓力是否合適—這些因素一旦出現偏差，即便是性能再好的模型，也很難給出可靠結果。

ATUSA 的設計，正是對這一問題的一種回應。它并沒有試圖讓 AI “更聰明”，而是通過硬件形態與流程設計，盡可能減少前端變量，用自動化方式保證每一次檢查都在一個相對可控的標準框架內完成。

這背后，其實隱含著一個重要判斷：AI 在乳腺超聲中的價值，不只是“怎么看”，而是“怎么做檢查”。

一種成立于特定醫療體系下的解決方案

需要注意的是，ATUSA 所選擇的路徑，與其所處的醫療環境密切相關。

在美國體系下，乳腺影像高度依賴鉬靶篩查，超聲更多作為補充檢查工具存在，尤其用于致密型乳腺或高風險人群的隨訪與補充評估。影像最終仍回到放射科醫生體系，由專家進行判讀和決策。

在這樣的前提下，一套操作門檻低、流程固定、圖像一致性高的自動化超聲系統，確實可以有效擴展使用場景，提高檢查可及性，并降低對專職技師的依賴。

這是一條清晰、也非常“美國式”的技術路徑。

如果把視角放到更大規模、更復雜的篩查場景中，問題往往并不會止步于此。

當場景變成基層與大規模篩查，挑戰發生了變化

在中國及許多發展中地區，乳腺超聲往往承擔著篩查本身的角色，尤其是在基層醫療機構、體檢場景、流動篩查和公共衛生項目中。

在這些場景下，挑戰不只在于“有沒有設備”，而在于：

1、不同操作者之間的掃查差異極大
2、圖像質量波動明顯，難以長期穩定
3、批量檢查中，過程不可控、不可回溯
4、僅依賴事后判讀的 AI 模型，往往難以在真實篩查環境中長期穩定發揮作用

也正是在這樣的現實背景下，“小濟醫生”選擇了另一條路徑。

與其把 AI 作為檢查結束后的“輔助判斷工具”，小濟醫生更希望它能參與到篩查的全過程中。

在基層和規模化篩查場景里，設備條件、操作者經驗并不統一，這也是現實世界無法回避的前提。基于這樣的環境，小濟醫生并不是在理想影像條件下訓練算法，而是讓系統學會在真實篩查場景中工作，從而在不同條件下保持相對一致的篩查結果。

通過讓 AI 介入檢查過程本身，而不僅停留在結果階段，系統試圖降低對個人經驗的依賴，使篩查在不同人員、不同機構條件下，仍能保持相對一致的輸出質量。

從“算法可用”，走向“規模可用”

從 ATUSA 的上市，到各類 AI 超聲產品在不同國家的探索，可以看到一個越來越清晰的趨勢：

AI 醫療影像的競爭，正在從模型指標，轉向系統能力。

單一算法的準確率，已經不足以回答“是否真的有臨床價值”；真正重要的，是系統能否在真實環境中長期運行，是否經得起不同場景、不同操作者、不同機構的考驗。

◆路徑可以不同——
有的通過硬件自動化降低變量，有的通過流程與質控重構檢查方式。

◆但方向正在逐漸趨同——
讓 AI 不只是“會看圖”，而是真正參與并改善醫療服務的實際過程。

在乳腺癌篩查這樣高度依賴流程與質量控制的領域，技術的價值，往往體現在那些不那么顯眼，卻持續影響結果的細節之中。
這，或許才是這一輪 AI 乳腺超聲產品集中出現時，最值得被關注的地方。

助醫者 濟蒼生
We empower those healing the world.

小濟醫生-人工智能超聲乳腺癌篩查機器人
—— 乳腺健康 小濟守護 ——