AI大夫好。

文 | 华商韬略 陈斯文

揣着县医院的超声报告单，56岁的老孟来到了沈阳。

上火车下火车，十几个小时地倒腾，最后他站在了中国医科大学附属第一医院（以下简称附院）里。他不知道自己的心脏有什么问题，县里的医生也讲不清楚。

但心血管超声科主任马春燕一眼就看出了问题：报告单不对劲。

这是一份自相矛盾的报告单。

报告单上，老孟的左心房与左心室的心腔内径，分别是41mm、60mm，心肌普遍运动减低，临床上，这是诊断左心增大、左心室收缩功能减低的可靠影像依据；但让人疑惑的是，他的左心室射血分数为57%，这又是一个收缩功能正常的指标。诊断因此含糊地写了一句：心肌缺血性改变。

超声一线20多年的经历，让马春燕教授一眼看出了矛盾之处。她决定从询问开始，重新了解患者。

病史初步证明了老孟的心脏问题：他常在活动后胸闷，高血压十多年，最高血压是200/130mmHg。

经验让马春燕大致心里有数，老孟应该得上了冠心病，北方中老年男子最高发的那一种，但超声检查的数据才是诊断最终依据，并且最好精准到无懈可击。

把图像采集规范，把数据测量准确，是对超声医生的基本要求，而在实际诊疗中，这并不容易。像马春燕教授这样有良好训练与丰富经验的专家，早已驾轻就熟，但在三甲医院之外，大批基层医生与低年资医生，则在能力上普遍欠缺。

在与基层医院的教学交流中，马春燕曾经不止一次地被问到：“马教授，左室长轴切面数据到底应该怎样，才算规范测量？”

类似这种听起来不够专业的提问，无关于责任感与医德，职业素养才是最终答案。医学院的知识传授，远远没有转化为实践的成果。因此，超声心动图准确率有待提高的表面问题，背后其实是优质医疗资源分布不均的现实。

以马春燕教授的学术造诣，她所做的超声检查完全可以一锤定音，但她还是决定采用一种新方案，以求更加精准，这就是AI。

过去一年，由迈瑞医疗提供的医学影像AI解决方案开始在附院应用。它可以完成标准切面识别、心腔分割、径线测量、血流频谱测量、收缩功能分析等一众项目的全自动化检测。

在过去，这些项目的精准程度，长期取决于它是否由马春燕这样的资深医生操作。经验、训练与手法是其中关键，“经多见广”因此就是超声医生的价值所在。

但AI技术在相当程度上打破了界限，由海量超声心动图像数据库训练得来的AI模型，见识过更广更杂的病例，这些来自于专家的诊断病例，让模型在思考时还原了专家的诊断路径，并且经历了反复的临床验证——比如马春燕教授的研究结论显示，自动化测量结果，与专家手动测值的相关性在0.9以上。

老孟接受了AI影像检测，县医院的报告果然很不准确：他的左室收缩功能并非正常范围内的57%，只有45.4%，早已低于正常值；从图像上看，左室下后壁节段变薄、运动减低、左心增大。

门诊医生据此给出了明确诊断：冠心病，高血压三级，以及心功能不全。

这是老孟的不幸，但也是他的幸运，及时的确诊与治疗，可以在最大程度上避免心力衰竭的突然发作。

AI影像诊断的受益者不止老孟一个。每天，至少有近百名患者来到附院，接受新方案的诊断——这里本来就是全东北最权威的医院之一。受益于AI的也不止患者一端，新技术将整体测量时间缩短了一半，由医师缺口造成的加班加点，也得到了改善。

从“测得准不准”的精度，到“测得快不快”的效率，AI的落地，让整个附院的影像能力提升了一大截，这让马春燕教授有了更多热情。

过去一年，在华中科技大学同济医学院附属协和医院谢明星教授、中国医科大学附属盛京医院任卫东教授、中国医科大学附属第一医院马春燕教授的共同引领下，全国38家三甲医院联合起来开展了一项多中心临床研究，希望在准确性和效率上，进一步明确AI的临床应用价值。

“这是一件有价值的事情，尤其是对基层医院。”她说。

2024年12月，迈瑞发布了自己的第一个医疗大模型，但它的准备工作，其实是从4年前开始的。

让时间倒退回2021年，在迈瑞内部，诞生了一个着眼于未来的计划，这个计划体现在越来越大的设备装机量中，又绝不仅限于此。它是一系列被挖掘出来的临床需求，是高效、智能医疗之梦的外化，也是设备制造商的商业构想。

它们的共同之处，在于对打通设备通信的热情，在于对实现影像共享、构建医疗数据中枢的追求，在于对场景流程优化的渴望，这些从现实出发的考虑，让医生们不仅出于理性，而且出于热切地加以欢迎。

比如通过瑞影生态的远程超声系统，远在深圳的医生，可以看到3000公里外边远地区医院超声检查的实时动态，并指导当地医生实施会诊。

那些边远医院里，那些低年资的医生，他们超声检查的手法、图像与音视频，都可以传输到大城市三甲医院的远程超声中心，得到专家的在线指导。

借助这种方式，无论是西藏还是黑龙江的患者，无需再经历上千公里的跋涉与排队，就可以获得更高质量的医疗服务。

凭借着倾力四年的设备互联与数据整合，迈瑞得到了一套庞大的成果：瑞影生态，是一个部署在全国31省市区，累计装机超18900套，专业用户超59000人的“设备+IT+AI”的联合体；同样庞大的还有部署在1000家医院的瑞智生态、部署超900家的瑞检生态。

这是一个渐进的进程，海量的医疗数据资源持续汇集，成为了迈瑞AI研发与数智化应用的基础。

这也是一个和时代赛跑的进程，过去两年，“AI+”的浪潮，造就了纷至沓来的医疗大模型，互联网巨头、软件企业、甚至保险公司都投身其中。因此，整个中国医疗器械行业都在注视着迈瑞：本土龙头将要做什么？怎么做？

2024年12月，迈瑞的启元·重症大模型临床落地，这一优先级源于临床急需，它在功能层面上不负众望——在5秒内梳理患者72小时病情历程，提取关键指标，生成数字画像，并深度融合重症思维，像真实世界中的高阶医生一样去思考，精准预测病情趋势，并提供治疗建议，助力医生快速决策。

然而从医院到迈瑞，整根医疗链条上的从业者都知道，这远远不够。

几乎每一个细分医疗场景，都存在着提质提效的需求。于是，在重症大模型发布后的大半年里，尽管迈瑞已有各类AI解决方案在医院中落地运行，但关于更多大模型的发布传闻一直络绎不绝，主要的翘首期盼者是医生与股民，前者希望有更强大的AI形态，后者则将其视为公司发展最关键的拐点。

时间来到了2025年11月，当杭州正在度过最舒适的季节时，这座城市悄然迎来了中国最优秀的一批超声医生——中华医学会第二十五次超声会议，也迎来了迈瑞的又一AI成果——启元·超声大模型。

新事物的诞生，总是会引发一时声量，但决定它是短途冲刺，还是长跑引领者的，只有那些真实而持久的价值。

作为一线从业超30年的超声工作者，浙江大学附属妇产科医院超声科主任朱江教授对AI的看法是：

“现在是AI时代，如果你不跟上，一定会被淘汰。”

妇产超声是一个特殊的领域，工作质量的好坏除了职业素养与责任心之外，还取决于一个关键因素：体力。

在过去，孕产妇信息靠的是手动录入，名字、年龄、病历号、末次月经日……一栏栏填下来，再加上核对，要花掉至少五分钟，当这个数字乘以24，就是整整两个小时。

和其他超声检查不同，产科超声要扫查的切面众多，单个患者的检查时间至少需要半小时；而高达30多个的测量值，同样需要打字员逐个填写。人工填写的内容难免会产生错误。

高强度的工作，让医生很容易置身疲劳与手忙脚乱之中，切面漏诊、数据漏填误填，以至于造成医疗纠纷。

一位超声科主任说，他见识过一次离谱的错误：打字员漏点了小数点，胎儿因此拥有了78厘米的股骨长度。

按照诊断流程，所有的报告都有质控环节，但这同样需要人工完成，同样需要时间，也同样会犯错误。

漫长工时的辛苦、高失误率的难度，让许多超声医生视产科超声为畏途；漫长辛苦也同时笼罩着孕产妇与家属，另外，她们也并不了解医生们在超声设备旁经历着什么，实际上，这又是许多医患矛盾的来源。

来自落后工作方式的困扰，并不只体现在产科超声，几乎所有超声科主任，都会为质控环节感到头疼。

打出一张合格的超声图像，超声医师的手法与经验是起点，质控就是那道大闸。但质控者看图的主观性、抽检的质控方式，即便是最严格的专家，也难以实现全覆盖与零差错。

在报告质控环节，每位超声医师的报告都是自由文本，遵循自己的书写习惯，虽然只有寥寥几百字，但以质控者逐字“做阅读理解”的方式，效率很难有量级的提升。

在这过程中，没有任何办法能提升速度，组织效率反而会随着工时的延长而下滑。

真正改变这一切的，是AI的应用。随着迈瑞的启元超声大模型落地于各自领域，带来了巨大的变化可能：那些需要反复填写、核对的患者信息，如今可以从软件将信息一键导入到设备，自动开启检查；多切面的自动抓取，让低年资医生也可以迅速打出准确图像；自动传输测量值的功能，避免了人工填写的错误；以及AI智能质控，不仅实现实时、全流程与全覆盖，还会自动生成格式统一的标准化报告。

当然，还有通过追踪历史数据呈现胎儿完整生长趋势，对异常情况的自动示警，以及从规培阶段就开始辅助培训超声医师的教学功能……

当超声科里迎来一位“AI医生”，曾经的困扰、疲劳、错误越来越少，医患两端的便利、精准与可靠越来越高。在这个基础上，未来的超声科将不再是一个传统的医技科室，而是一个由AI加持，全方位覆盖检测、诊断、治疗，渗透入每个科室与场景的影像宇宙。

这是医工结合的尝试，也是科技之美的体现，最关键的是，对于努力让优质医疗资源更均匀的中国而言，这是一条可行的捷径。

现在，数不清的患者仍然每天在各大三甲医院里穿梭，但改变却正发生在那些愿意尝试新技术的超声专家的工作中，他们开始有更多时间去挑头做一些科研课题、带教项目，甚至是学术交流。在过去，这些都需要拼命挤压自己。

对于这样的专家而言，现在显然是更理想、更应该的状态。

，识风云人物，读韬略传奇。

版权所有，禁止私自转载

部分图片来源于网络

如涉及侵权，请联系删除