行业背景与政策导向 - 超声影像智能化正从“单点效率提升”向“贯穿流程、与医生协作的智能伙伴”转变 [2] - 医疗体系面临检查量攀升、年轻医生培养周期拉长、基层能力建设等结构性压力 [2] - 国家卫健委提出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的目标 [2] 技术路径与系统形态：声析大模型 - 开立医疗发布的“声析”智能超声大模型提供了从“功能智能”迈向“流程智能”的解决方案 [3][5] - 人工智能正从完成医生工作流程中5分钟的具体任务，演变为能理解场景、连续执行30分钟甚至数小时临床任务的智能助手 [7] - 技术框架采用“手-眼-脑”三层架构 [8] - “手”层作为高效智能工具集，负责自动识别关键结构（如子宫、卵巢、甲状腺、乳腺等）和自动测量参数，目标为看得清、测得准、取图规范 [8] - “眼”层依托大模型构建智能化诊断体系，精准捕获异常信号并生成结构化报告，实现从“发现异常”到“精准诊断”的进阶 [9] - “脑”层作为决策中枢，调度智能贯穿超声扫查全流程，并输出深度分析内容为临床决策提供参考 [10] - 三层协同使A.I能够理解并参与执行整个超声工作流，实现从“看到图像”到“理解病情”再到“执行流程”的闭环 [11] 临床应用与多中心验证 - 在妇科领域，AURA多中心项目由中山大学附属第三医院牵头，联合全国41家医院，旨在验证A.I自动完成O-RADS复杂特征识别和风险分类的可行性 [13][16][17] - 项目目标包括比较A.I-O-RADS与人工O-RADS的诊断性能差异，以及评估A.I-O-RADS在不同层级医生中的临床应用价值 [17] - 在甲状腺领域，面临检查量巨大、结节灰区广、过度诊疗与漏诊并存的问题 [17][18] - 传统TI-RADS分类系统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，形成决策灰区 [20] - 临床实践形成“二维+弹性+造影+三维”的四联评估方案，多参数综合评估可缩小灰区，减少不必要穿刺和手术 [22] - 大模型作用在于将多模态图像、数值等信息统一纳入分析框架，根据指南给出风险分层结论，并为手术、消融、随访等策略提供决策参考 [23] 行业趋势与未来展望 - 超声科的智能化正从“功能智能化”迈向“流程智能化” [23] - “声析”大模型的价值在于以“手-眼-脑”架构把扫查、测量、诊断、报告串联为可协同的闭环 [23] - 在“设备+A.I”与“医生+A.I”双路线下，A.I正成为医生日常工作的基础环境 [23][24] - 超声检查正在进入一个由大模型驱动的“流程级智能时代” [24]