超声智能化如何进化？开立声析智能超声大模型给出答案

过去十年，超声影像的智能化始终围绕“单点效率提升”展开：自动测量更快、病灶识别更准。

但随着医疗体系结构性压力加剧——检查量持续攀升、年轻医生培养周期拉长、基层能力建设成为政策重点，一个更关键的问题正浮出水面：超声智能化，不应只是一个“更强的工具”，而是一个“贯穿流程、与医生协作的智能伙伴”。

在2025年11月国家卫生健康委发布的《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》中，“2030年基层诊疗智能辅助基本全覆盖、二级以上医院普遍使用影像智能辅助诊断”等目标，为未来医疗的底层结构奠定了清晰基调：智能化，是医疗体系运转的基础能力。

政策锚定方向，临床提出需求——技术的下一步必须回应这两层现实。

那么，超声医学的智能化在这个转折点上，需要怎样的技术路径与系统形态？

在刚刚结束的中华医学会第二十五次超声医学学术会议（CSUM2025）上，思宇MedTech在开立医疗的超声创新科技发展论坛上，第一次看到了较为完整的回答：

• 一种从“功能智能”迈向“流程智能”的可能形态

• 一种真正意义上能成为医生伙伴的大模型路线

这就是开立医疗在会上正式发布的“声析”智能超声大模型给出的答案。

# 从“工具”到“流程”：声析大模型的技术框架

在论坛技术报告中，开立研发团队对“声析”进行了系统拆解。

1. 从5分钟任务到30分钟任务：A.I角色在改变

当下人工智能正在经历一场“30分钟变革”——过去的A.I更适合完成医生工作流程中某个5分钟的具体任务（例如自动测量、病灶勾画、单次判读）；而新一代大模型正在演变为能够理解场景、连续执行30分钟甚至数个小时临床任务的智能助手。

这意味着，A.I的使命不再停留在“做好一件事”，而是要贯穿扫查、测量、诊断、报告的完整流程，与医生建立起持续协作关系。

2. “手-眼-脑”三层架构：声析大模型的底座

开立研发团队将声析大模型的技术框架概括为三层：“手-眼-脑”：

第一层：高效智能工具集——“手”

作为超声智能扫查的基础执行层，包括自动识别子宫、卵巢、卵泡、子宫内膜等妇科关键结构，自动测量径线、面积、体积等参数，并在不同应用场景中扩展到甲状腺、乳腺、肝脏等器官。这一层的目标，是把图像和测量采集做到“准”与“快”：看得清、测得准、取图规范。

第二层：异常结构甄别与辅助诊断——“眼”

依托LLM大模型构建智能化诊断体系，于海量数据中精准捕获“异常信号”，通过多维特征分析，生成契合临床诊断标准的结构化报告，并对报告进行数值和语义校对。这一层目标在于实现从“发现异常”到“精准诊断”再到“规范描述”的进阶，真正实现从“看见”到“智见”。

第三层：智能调度中枢——“脑”

作为大模型驱动的 “决策中枢”，通过打通数据链路，从收集分析图像信息、测量数据、病人信息及指南规则，高效调度智能贯穿超声扫查全流程。同时输出深度分析内容，形成异常声像图的初步诊断分析，为临床决策提供提示与参考依据。

通过这三层协同，“声析”实现了从“看到图像”到“理解病情”再到“执行流程”的闭环：A.I不再只是“看见”，而是能够理解并参与执行整个超声工作流。

3. 从分散工具到集中式助手：对日常工作的实际改变

在具体临床使用中，“声析”大模型带来了几类明确的改变：

• 在扫查端：自动识别解剖结构与疑似病灶，对扫查范围与图像质量进行评估，帮助医生减少盲区、保证关键切面被覆盖；

• 在测量端：自动调用最佳切面进行测量，并结合指南进行病灶分类，减少人为差错和经验差异；

• 在报告端：自动挑选代表性图像，描述异常病灶的声像图特征，生成结构化报告文本，并对数值与描述进行质控分析，降低错误率、节约书写时间；

• 在教学与能力建设端：对扫查过程进行“事后分析”，为低年资医生提供可视化路径与逻辑回放，成为培训体系的重要组成部分。

开立研发团队强调，在近十年的研发中，公司一直坚持“设备+A.I”与“医生+A.I”两条路线：把更多繁琐留在设备里，把更多创造力还给医生。

# AURA多中心启动：从研发走向外部验证的关键一步

在声析大模型的技术框架发布之后，中山大学附属第三医院张新玲教授介绍了妇科AURA多中心项目。

妇科超声领域面临一个现实矛盾：O-RADS风险分层虽然先进，但分类复杂，执行难，基层医疗机构几乎无法稳定开展。这是一个典型的“指南先进性”与“临床可执行度”之间的鸿沟。早在2022年，开立医疗便与中山大学附属第三医院张新玲教授团队开始探索：是否可以让A.I自动完成O-RADS的复杂特征识别，并生成一致的风险分类？本次AURA多中心项目的启动，正是在前期研究基础上，迈向全国外部验证阶段的新起点。

项目由中山大学附属第三医院牵头，联合全国41家医院，研究目标聚焦两个方向：

①比较A.I-O-RADS与人工O-RADS的诊断性能差异 ②评估A.I-O-RADS在不同层级医生中的临床应用价值

意在回答：A.I是否能缩小经验差距，把复杂风险分层变成可推广的流程？

这是O-RADS自动化在中国首次以全国多中心规模进入临床可证阶段。它让智能超声从“模型可行”迈向“真实世界可验证、可评估、可推广”。

# 甲状腺场景：多模态多参数+A.I，走出“过度与不足”双重误区

在甲状腺领域，超声同样面临“检查量巨大、结节灰区广、过度诊疗与漏诊并存”的现实问题。浙江大学医学院附属第二医院黄品同教授结合多年临床与与开立联合探索，从多模态、多参数与A.I的结合角度，分享了甲状腺智能化诊疗的路径思考。

1. 发病率上升、死亡率稳定：真正的问题在于“怎么管”

根据国家癌症中心数据，甲状腺癌近年已上升为我国女性高发恶性肿瘤之一，部分地区甚至跃升至首位。但与之对应的是：甲状腺癌整体死亡率变化不大，预后较好。一方面，得益于体检普及与超声技术进步，微小癌检出率显著提升；另一方面，也出现了不同程度的过度诊断和过度治疗：部分本可随访管理的结节被积极处理，部分微转移被放大解读。

如何在“不漏诊”与“不过度”之间取得平衡，关键在于更精细的风险分层工具。

2. 多模态多参数：用“组合拳”填补10–30%灰区

传统甲状腺结节超声分类系统（如TI-RADS）在高度怀疑结节中的恶性概率多在70–90%区间，仍有10–30%为良性结节[1]。这部分“灰区”，往往是穿刺与手术决策争议最大之处。

为此，黄品同团队在临床实践中逐步形成了“二维+弹性+造影+三维”的四联评估方案，具体包括：

• 弹性成像：通过剪切波速度、弹性评分等参数，量化结节硬度，为TI-RADS提供补充；

• 超声造影（CEUS）：通过灌注模式、增强时间–强度曲线等，分析结节血供特征，识别“高危血管模式”；

• 超高分辨率造影：通过提高帧率捕捉微血管，弥补传统造影时间和空间分辨率的不足；

• 三维超声：用体积重建全面评估包膜外侵犯，弥补二维切面有限视角。

研究显示，多参数综合评估可以在一定程度上缩小“灰区”，减少不必要穿刺和手术。

3. 多参数+大模型：让“复杂信息”变成“可用结论”

随着二维、弹性、造影、三维等多种技术的叠加，甲状腺超声诊断正面临一个新问题：数据越来越多，信息越来越复杂，但医生的时间并没有变多。在这一背景下，大模型的作用可以发挥在以下几个方面：

• 将不同模态的图像、数值、时间–强度曲线、体积信息统一纳入同一分析框架；

• 根据指南与大样本数据，给出更具解释性的风险分层结论；

• 结合结节大小、位置、患者年龄与合并症，为“手术、消融、随访”等不同策略提供决策参考。

本次CSUM2025“超声创新科技发展论坛”还有很多有价值的报告，思宇MedTech未能一一提炼。从整体内容看到，无论是妇科AURA多中心项目，还是甲状腺多模态多参数评估，抑或是腺肌病、儿童肝肿瘤、肝癌一体化诊疗等其他专题报告，临床专家与企业研发团队正在趋同于一个判断：超声科的智能化，正在从“功能智能化”迈向“流程智能化”。

在这一趋势下，“声析”智能超声大模型的价值，不仅在于提供了更强的识别与测量能力，更在于：

• 以“手-眼-脑”三层架构，把扫查、测量、诊断、报告串联为一个可协同的闭环；

• 在妇科等临床需求最集中、判断链路最复杂的场景中，验证大模型在真实世界中的可行性与可复制性；

• 在“设备+A.I”与“医生+A.I”双路线下，让A.I逐步成为医生日常工作的基础环境，而非额外负担。

未来，随着多中心研究的推进和更多病种场景的拓展，大模型在超声领域的作用边界仍将不断延展。但可以确定的是：

超声检查正在进入一个由大模型驱动的“流程级智能时代”，

而开立声析智能超声大模型，已经成为这一时代中最具代表性的中国方案之一。

参考文献：

[1] Haugen BR, Alexander EK, Bible KC, et al. 2015 American Thyroid Association Management Guidelines for Adult Patients with Thyroid Nodules and Differentiated Thyroid Cancer. Thyroid, 2016, 26(1): 1-133.