超声检查因便捷、无创、成本相对较低，一直是临床最常用的影像手段之一；但实际工作中，超声诊断长期存在对个人经验依赖强、操作与判读差异大、报告撰写耗时、跨机构质量难统一等问题。尤其在基层医疗机构，超声医师数量不足、经验差距明显，而常见病筛查与随访需求持续增长。在确保安全合规的前提下，如何提升诊断效率并让质量更一致，成为行业关注的重点。 基于此，武汉市中心医院与武汉大学联合发布“佑珈”超声诊断大模型，提出以“智能体决策”为核心的全流程辅助思路，试图将超声智能化从单点工具推进到流程协同：一上针对成像环节常见的标记干扰与噪声问题——提供图像净化能力——为后续识别与判断提供更稳定的输入；另一方面在病灶识别与量化上，通过自动定位、测量等功能提升效率，减少人工测量偏差；同时结合影像特征与临床信息进行综合推理，输出可追溯的辅助诊断线索；在文书环节生成结构化报告草稿，降低重复性书写负担；并以“数据管家”式治理能力，为模型迭代、多中心科研与质量控制提供更可用的数据基础。 从原因看，超声智能化更需要强调“全流程”，与其数据特性密切涉及的。超声图像受设备参数、操作者手法、体位与个体差异影响明显，质量波动大、噪声多，使得只做“单点识别”的模型在真实临床环境中难以稳定发挥。因此，需要打通图像净化、病灶检测、推理解释、报告规范等环节，形成闭环，才能更好匹配临床节奏，并兼顾可用性与安全性。 “佑珈”的能力形成，与其训练数据规模和标注精度密切相关。据介绍，团队汇集近5万个高质量病例、44万张超声图像，覆盖乳腺、肾脏、甲状腺、肝胆脾胰、泌尿生殖等14个重要脏器或部位，涉及110个常见病种，并进行像素级精细标注。多病种、多部位、精标注数据不仅提升了模型对病灶边界与形态特征的学习能力，也为后续在不同机构、不同设备条件下的适配推广提供了基础。技术路径上，团队采用分阶段、分模型的协同训练策略，在核心多模态大模型之外，设置去标记净化与智能检测等专项模块，以提升系统效率与泛化表现。 业内人士指出，该模型的落地可能带来多重影响：在临床层面，有望缩短检查后的判读与报告生成时间，让医生将更多精力投入关键影像证据核对、病情综合判断以及沟通随访；在教学培训层面，可为住院医师规范化培训提供更标准的示例与反馈路径，促进诊断思路与报告规范的统一；在区域医疗层面，若能在合规前提下稳定部署，可为基层提供更一致的诊断参考，缓解“会做不会判、会判不规范”等现实问题，推动服务同质化和优质资源下沉。 同时也需看到，医疗影像智能化要真正发挥价值，离不开制度、流程与质量管理配套。业内普遍认为，应坚持“辅助决策”的定位，明确责任边界，建立与临床路径相匹配的使用规范；加强数据安全与隐私保护，完善脱敏、权限控制与审计机制；推进真实世界评估，在不同人群、不同设备、不同机构条件下持续验证，形成可量化、可复核的质量指标；并通过多中心协作与持续迭代降低偏倚风险，提升在复杂病例与边缘场景中的可靠性。 展望未来，随着数据治理能力提升、算力与算法持续演进，以及临床应用评价体系逐步完善，超声诊断智能化有望从“提效率”深入走向“提质量”：在更大范围内实现报告标准化与质控闭环，增强对早期病变与随访变化的量化评估能力，并在区域协同与分级诊疗中发挥更明显作用。另外，如何实现可解释、可追溯、可监管的应用形态，将成为其能否规模化落地的关键。
超声诊断大模型的发布，反映出医学影像正从“经验密集型”向“数据与规范驱动”转变。推动这场变化——既要追求效率提升——也要以患者安全与诊断质量为底线，以临床验证与制度建设为支撑。面向未来，能在技术创新与规范治理之间找到平衡的团队，更有可能把智能化成果转化为可复制、可推广的优质医疗服务。