以往，超聲診斷需要依靠專業(yè)的醫(yī)生通過眼睛來識別圖像中的解剖結構，而AI通過智能識別讓超聲的使用不局限于經過專業(yè)訓練的醫(yī)生。實現(xiàn)自動找到最佳的圖像和輔助診斷。

對于AI＋掌上超聲來說，不同的應用場景，帶來了不同的應用挑戰(zhàn)。

對于臨床科室應用來說，很多臨床科室醫(yī)生以往沒有使用過超聲設備，并且各個臨床科室需求較為分散，人工智能應用的過程需要經歷一定的市場教育過程。

但是在介入科、心內科這樣的科室，有的臨床醫(yī)生也有一定的超聲診療經驗，掌上超聲在這些科室落地并不難。

而對于基層來說，市場教育更是難上加難。

作為國內專注于AI＋超聲的先行者，深至CEO張卓表示：基層醫(yī)療需求并不是三甲醫(yī)院的簡化版本。基層醫(yī)療對于超聲設備有著完全不同的功能和場景要求。

“對于村醫(yī)來說，它們不可能花較長的學習周期去學習，同時村醫(yī)的檢查流程時較短的，產品的檢查時間需要控制在幾分鐘內。所以AI＋超聲能否做到真正的智能化和流程的簡單化，非常重要。目前的市場的大部分AI＋超聲產品還難以做到讓一個護士水平的人也能快速掌握�！�

根據(jù)動脈網(wǎng)不完全整理，目前已統(tǒng)計到國內外有16家AI超聲相關企業(yè)。從病種的覆蓋上來看，超聲診斷廣泛應用于臨床科室，而AI超聲診斷覆蓋的病種主要包括乳腺癌診斷、產前篩查、甲狀腺疾病、心臟疾病等眾多病種。

從表中主要的應用場景可以看出，雖然AI超聲領域有強大的巨頭布局，也有創(chuàng)業(yè)公司，但是應用場景的不同，他們沒有構成直接競爭。

技術壁壘讓AI超聲晚熟于AI＋CT

對比AI＋CT影像來看，AI超聲這個賽道并不擁擠。為什么AI＋超聲是AI影像中晚熟的一個賽道。一大原因就是在技術方面，AI＋超聲的挑戰(zhàn)性更大。

在德尚韻興執(zhí)行總裁嚴耶恩看來，AI應用于超聲的主要技術挑戰(zhàn)可以分為三大部分。

首先是要實現(xiàn)實時診斷，和CT、MRI的靜態(tài)圖像不同，超聲圖像是動態(tài)實時圖像，超聲檢測的難點在于圖像采集與閱片需要同時完成。這主要是因為CT、核磁、X光等影像的采集是由技師完成，而閱片由放射科醫(yī)生完成，因此不需要實時同步影像，但超聲檢測的難點在于圖像采集與閱片需要同時完成。這也就為輔助診斷提出了更大的挑戰(zhàn)，包括算法和算力上。