当前，超声检查凭借无创、便捷、适用范围广等特点，已成为临床诊疗的重要基础手段之一；但实际工作中，超声诊断仍面临多重难题：一是图像质量容易受到设备参数、操作者习惯和现场环境影响，标记遮挡、噪声干扰会降低判读效率；二是超声对操作者经验依赖较高，不同机构、不同医师之间的诊断一致性仍存在差异；三是检查量持续增长，报告书写与质控压力加大，挤占医生用于综合分析与临床沟通的时间；四是高质量数据的标准化沉淀不足，制约多中心科研协作与技术迭代。基于此，武汉市中心医院联合武汉大学推出湖北省首个超声诊断大模型“佑珈”。据介绍，该模型定位为面向临床超声全流程的多模态垂直模型体系，以智能体决策为牵引，贯通图像处理、病灶检测、证据推理与报告生成等环节，形成从“看得清”到“判得准”再到“写得快”的一体化辅助链条。其核心能力包括：对含标记或干扰信息的图像进行净化处理，输出更便于判读的标准化图像；对病灶进行识别、定位与量化，提供辅助信息；融合图像特征与临床信息开展综合推理，给出可解释的辅助判断；自动生成结构化报告草稿，提高书写效率并促进规范化；同时通过去噪与标记干扰消除等方式沉淀高质量数据资产，为合规科研与持续训练提供支撑。超声领域推进全流程智能化具备现实基础：一上，临床对标准化与效率提升需求突出，尤其体检、门诊筛查、住院管理等场景中，超声检查量大、重复性强，适合通过工具化能力释放医生时间；另一上，多模态技术发展，使“图像+病史+检查信息”的联合分析成为可能，有利于从单点识别走向流程协同；同时，医疗机构积累的规范化数据与标注体系逐步完善，为模型训练与泛化提供条件。从影响看，“佑珈”所代表的路径有望带来三方面变化。其一，在临床端，通过前处理净化、病灶量化与报告草稿生成，可减少重复劳动，缩短检查到出报告的时间，增强流程的可控性与一致性；其二，在教学与培训端，结构化输出与标准化参考可为住院医师规范化培训提供对照样本，帮助年轻医师更快掌握诊断要点与报告规范；其三，在分级诊疗端，若模型能力能在基层场景稳定应用，可在一定程度上缓解基层超声人才不足、经验不均的问题，推动诊断标准统一与质量提升，让更多患者在家门口获得更接近同质化的超声服务。实现上述目标的关键在于数据质量与合规治理。项目团队介绍，模型训练依托近5万个高质量病例与44万张超声图像，覆盖乳腺、肾脏、甲状腺、肝胆脾胰、泌尿生殖系统等14个重要脏器或部位，涉及110个常见病种，并进行了精细标注。技术训练采用分阶段、分模型协同策略，在核心多模态模型之外配置专项模块，强化图像净化与病灶检测等能力，以提升整体效率与泛化表现。业内人士指出，医疗类模型要真正落地，除了算法能力，还需持续完善数据脱敏、权限管理、质控闭环与责任边界等制度安排，确保安全、合规、可追溯。面向下一步发展，多方需在“应用落地”和“治理体系”上同步推进：医疗机构应加强临床验证与多场景评估，明确适用范围与风险提示，将辅助工具纳入既有质控体系；科研与产业协作应推进多中心标准与互认机制建设，提升跨设备、跨人群的泛化能力；同时强化隐私保护与数据安全管理，形成可持续的数据治理与科研协同模式。
“佑珈”系统的研发与应用，展示了技术创新提升医疗服务效率与质量上的潜力，也为缓解医疗资源分布不均提供了新的实践路径。面向未来，如何在确保安全合规的前提下推动更多场景落地，让优质医疗服务覆盖更广人群，仍有赖于医疗机构、科研单位与政策制定者的持续探索与合力推进。