AI辅助超声诊断的技术进展与临床价值

20XX/XX/XXAI辅助超声诊断的技术进展与临床价值汇报人:XXXCONTENTS目录01

课程开篇引入02

AI辅助超声诊断发展脉络03

AI辅助超声诊断近期技术进展04

AI辅助超声诊断临床应用场景05

AI辅助超声诊断的临床价值06

AI辅助超声诊断产业价值分析课程开篇引入01传统超声诊断的局限性传统超声诊断依赖医师经验判读，对微小病变漏诊率较高，难以满足大规模早筛的临床需求。AI与超声诊断的融合趋势目前已有多款AI辅助超声诊断产品获NMPA批准，已应用于甲状腺、乳腺结节的临床筛查。AI辅助诊断的临床普及率当前AI辅助超声主要集中在三甲医院，基层医疗机构的设备与技术普及仍存在较大缺口。超声诊断发展现状AI应用的需求背景

临床诊断资源供需不均我国优质超声诊断资源集中在大城市三甲医院，基层医疗机构设备与人才缺口明显。

超声诊断医师培养周期长一名合格的超声医师需要多年临床训练，人才培养速度赶不上临床诊断需求增长。

常规诊断重复性劳动占比高常规超声检查中，病灶标注、基础测量等工作耗时久，AI可帮助释放医师精力。AI辅助超声诊断发展脉络02萌芽阶段技术探索

初步计算机图像识别尝试上世纪80年代，研究人员尝试用早期计算机算法识别超声乳腺肿块，精度不足60%。

基于规则的病灶特征提取早期研究人员人工总结病灶特征，制定分类规则，仅能区分简单的囊性与实性病灶。

小样本数据集下的模型探索受限于数据采集技术，早期模型仅在几百份超声样本上训练，无法验证泛化能力。浅层图像识别尝试该阶段AI主要对甲状腺结节等浅层器官超声图像做初步分类，准确率约60%-70%。小样本数据训练模型早期受数据量限制，多采用单中心小样本训练模型，模型泛化能力较弱。特定病灶初步筛查AI仅应用于乳腺肿块这类特征较明显的病灶初步筛查，仅作为医生参考辅助。起步阶段初步应用高速发展现状梳理病灶自动识别技术落地谷歌DeepMind开发的AI模型可准确识别甲状腺超声结节，准确率已超过多数基层医师平均水平。实时辅助标注功能普及目前多数主流商用超声设备已搭载AI实时标注模块，可自动框选病灶，缩短医师扫查时间。多模态融合诊断应用AI可整合超声、病理、病史多维度数据，辅助乳腺肿瘤良恶性判断，诊断敏感度提升超15%。行业标准建立进程

初始规范探索阶段2018年，中国医师协会初步出台AI超声应用的准入指引，明确了基础技术要求。

数据集规范统一阶段2021年国家影像医学质控中心发布AI超声训练数据集标准，规范数据标注格式。

临床应用审核标准出台2023年NMPA出台三类AI超声医疗器械审核标准，明确临床有效性验证要求。

商业化落地合规标准完善2024年国内推出AI辅助超声诊断售后监测规范，明确上市后临床数据追踪要求。AI辅助超声诊断近期技术进展03基于深度学习的全自动检测算法谷歌DeepMind开发的AI模型可精准识别乳腺超声病灶，识别准确率可达90%以上。多尺度特征融合分割技术该技术能兼顾超声影像浅层与深层特征，提升了微小甲状腺结节分割的精准度。小样本学习下的病灶识别优化依托小样本学习，仅需数百份标注数据就能完成肝脏肿瘤病灶识别模型训练。病灶识别与分割技术良恶性初步分级能力

基于深度学习的图像特征自动提取分级谷歌DeepMind开发的AI模型可自动提取甲状腺超声病灶特征，完成良恶性初步分级，准确率超九成。

多模态数据融合分级国内联影智能的超声AI可整合超声影像与患者临床数据，提升乳腺肿瘤良恶性分级准确性。

小样本场景下的自适应分级百度飞桨开发的小样本AI模型，仅需数百份病例训练即可完成肝脏肿瘤良恶性初步分级。标准化报告生成技术

基于大语言模型的报告自动撰写GPT等大模型接入超声设备后，可依据扫查图像特征，自动生成规范通顺的诊断描述文本。

结构化报告模板自适应匹配技术可根据不同检查部位、疾病类型，自动匹配对应标准化模板，减少手动调整的工作。

关键诊断信息自动提取标注AI能从超声影像中定位病灶，自动提取大小、性质等关键信息填入报告对应模块。超声与CT图像AI融合技术AI通过特征配准实现超声与CT影像优势互补，已辅助医生精准定位肝脏肿瘤病变边界。超声与MRI图像AI融合技术AI算法实现超声和软组织分辨率高的MRI融合，当前已应用于乳腺肿瘤良恶性的鉴别诊断。超声与病理影像AI融合技术AI将超声影像特征和穿刺病理特征匹配融合，有效提升了甲状腺结节术前诊断的准确率。多模态图像融合进展AI辅助超声诊断临床应用场景04腹部超声筛查应用

脂肪肝风险分级筛查AI可对腹部超声影像中脂肪肝的程度进行自动分级，辅助体检机构快速完成大规模人群筛查。

肝硬化早期病变识别AI能够捕捉超声下肝硬化的微小异常征象，帮助基层医生提升早期肝硬化的检出准确率。

肝脏占位性病变初筛AI可快速识别腹部超声中的肝脏异常占位，辅助医生初步判断病灶性质，缩短初筛时间。心血管超声辅助应用

先天性心脏病筛查AI可自动识别胎儿心脏超声切面，提前检出复杂先心病，北京安贞医院已将其用于产前大规模筛查。

冠心病斑块识别AI能够在冠脉超声影像中精准识别易损斑块，辅助医生评估冠心病患者的心血管事件风险。

心功能定量评估AI可自动分割超声心动图的心室轮廓，快速计算射血分数等心功能指标，比人工测算效率提升数倍。浅表器官超声诊断甲状腺结节良恶性判别AI可对超声影像中结节的形态、边界特征快速分析，辅助医生提升甲状腺结节良恶性判别的准确率。乳腺肿块病灶筛查在乳腺超声筛查中，AI可快速定位可疑肿块病灶，降低微小病灶的漏诊率，提升乳腺癌早筛效率。浅表淋巴结性质评估AI通过分析淋巴结的超声回声、纵横比特征，辅助医生快速评估淋巴结性质，帮助判断病变转移情况。产科超声检查应用

胎儿结构畸形筛查AI可自动识别胎儿颅脑、心脏等关键结构，提升早孕期胎儿结构畸形的检出准确率。

胎儿生长发育评估AI能快速测算胎儿双顶径、腹围等径线，精准估测胎儿体重，评估生长发育情况。

前置胎盘与胎盘植入诊断AI可定量分析胎盘肌层浸润程度，帮助医生更准确诊断凶险性前置胎盘及胎盘植入。AI辅助超声诊断的临床价值05提升诊断效率

01缩短影像阅片时间AI可快速识别超声影像中的正常组织，帮医生聚焦异常区域，单张影像阅片时长可缩短近40%。

02加快报告出具速度AI可自动生成超声影像的初步诊断报告，医生仅需审核修改，能大幅缩短报告产出时间。

03提升早癌筛查通量在甲状腺癌早筛项目中，AI能快速初筛上万份超声影像，让单中心日筛查量提升两倍以上。降低漏诊误诊率微小病灶识别提升AI可检出毫米级甲状腺微小结节，弥补人眼分辨局限，多项临床研究显示漏诊率下降超20%。异质性病变判读纠正针对乳腺不均匀病变，AI能量化分析特征，修正医师主观判读偏差，降低乳腺癌误诊概率。扫查不规范结果补正针对初学者不规范扫查，AI可实时提示漏扫区域，降低因操作不全导致的腹部脏器病变漏诊。AI辅助超声诊断产业价值分析06多模态AI融合诊断将超声影像与CT、病理数据整合，谷歌Med-PaLM多模态模型已实现跨影像辅助诊断。基层医疗下沉普及AI降低超声诊断对医师经验要求，国内联影AI超声已在全国百家基层医院落地应用。实时辅助诊断迭代AI实现超声扫查中的实时病灶提示，飞利浦实时AI超声已应用于产科临床筛查。产业发展趋势未来应用前景01基层医疗普惠普及AI辅助超声将下沉基层医疗机构，弥补基层超声医生缺口，提升边远地区筛查诊断的可及性。02多模态AI跨影像融合诊