加码30亿美元业务，GE医疗这次看中了超声AI

2023年2月9日，继百亿巨资收购BK Medical后，GE医疗再度出手超声赛道，将AI超声技术开发商Caption Health收入囊中，进一步加码年营收超过30亿美元的超声业务。

虽然官方没有披露交易的具体的金额，但事件本身已足够引起行业震动。

一方面，GE医疗近年影像业务增长有所放缓，超声业务依旧维持强劲增势，接连收购颇有乘胜追击之意，也将有效推动超声在精准诊疗、便携场景中的落地，推动整个超声行业向前发展。

另一方面，Caption Health作为超声AI领域新星企业，核心产品Caption Guidance和Caption AI分别于2020年2月、3月获得FDA批准上市，率先开启了美国AI超声的商业化之旅。此番并入GE医疗，Caption Health以一种特殊的方式证明了自己的价值，为AI医疗赛道之中的同行们带来信心。

大洋的对岸，国内超声AI同样处于蓬勃发展之中，近十家企业入局，基本覆盖了医疗超声的常见应用。

那么，我们是否能够跑出一家Caption Health这样的超声AI企业？或者，我们已在AI超声走出了自己的道路？

心力衰竭常被医生称为“无声杀手”，因为症状很容易被忽视，等到发现时已为时已晚，但及时进行超声检测早期的症状、并在前期干预将能够有效减缓该疾病恶化。近年来，美国的心力衰竭衰恶化患者数量激增。相关数据显示，美国每年有超过100万人因心力衰竭恶化而住院，每年在心力衰竭相关管理花费400亿美元。

作为一家美国AI超声企业，Caption Health紧紧贴合美国患者需求，直接切入心脏超声领域。从管线角度看，Caption Health 2020年获批的超声成像软件Caption Guidance、Caption AI均作用于心脏超声。

其中，Caption Guidance可对成年患者的心脏超声检查或者二维经胸超声心动图进行分析，帮助非超声领域人员获得正规诊断级别质量的图像；Caption AI通过采集高质量图像后计算患者的射血分数（用于心力衰竭诊断）。

分析Caption Health的各项产品不难发现，这家公司更加强调“找到关键切面”这一环节，而非国内AI超声偏好的：找到患者患病的证据，并予以辅助诊断。

产品设计理念的不同与国情有关。美国医疗体系发展更为成熟，医疗资源分布相对均匀，他们想要的是针对特定疾病找出更有效的数据获取手段，帮助患者及早发现疾病、及早治疗疾病，进而降低医保费用支出。相比之下，我国人口基数大，拥有成熟超声诊断能力的医生相对匮乏，尤其是在部分基层地区，AI不仅需要辅助医生获取正确的影像，还需辅助医生正确地分析超声影像。

但什么样的超声辅助产品更适合我国的临床应用？GE医疗中国副总裁、首席技术官孙旭光认为：超声检查相较于CT、MR检查更具实时性，更有利于图像的动态观察以及实时动态对比。但该检查高度依赖医生经验和手法的检查手段，不同的操作者、不同的超声医生针对同一个患者，可能会得出不同的结论。而AI技术的赋能医疗，不仅可以对医疗资源形成有效补充，帮助医生缩短学习曲线，更可以为更多复杂疾病的诊疗提供依据，进而更好更快地服务病患。

不过，超声AI产品的开发存在一定难度。首先，目前AI常应用在较为成熟的放射科中，CT、MRI、DR等影像数据采集部分是由影像技师完成，交由放射科医生进行阅片，AI处理的是静态影像，不需要实时对影像进行分析。而超声检查生成的是动态实时图像，图像采集与阅片需要同时完成，因此实现辅助诊断的前提是要实现“动态且实时的检出与诊断”。这也是相当于在二维的图像处理上加了一个时间维度，不仅需要企业设计多步骤的处理算法，还需额外考虑算力这一要素。

其次，AI训练的基础是高质量数据。由于超声影像数据的浏览处理存储习惯，超声影像比起CT等数据更难获取，数据标准化程度也更低。超声影像的清晰度是依赖于超声医生的操作手法和不同设备型号。需要由要给较强的专家团队对这些数据进行清洗和分析，这对企业成本控制提出考验。

最后，算法算力自研需承担额外风险。在医疗AI入门时，绝大部分公司都是用的开源算法，但在超声领域，能够参考的算法非常少，企业需要自己从头开始研究算法。如果算法过于冗长，处理速度就会很慢；如果算力不能达标，算法就难以处理几十帧甚至上百帧的实时影像。换句话说，企业既需要承担算法研发的成本，又需克服实时性、动态性、准确度不达标的风险。

因此AI+超声的挑战直接劝退了不少技术能力不达标的公司。超声对于实时动态的要求，同样也反映在算法的创新中，企业是否拥有自己的算法架构，并支撑更新与迭代至关重要。而医准智能作为全球首个“实时动态”超声辅助诊断系统的缔造者，已经在浅表器官、腹部器官、心血管器官等全身多部位进行布局，而作为拥自主知识产权算法框架的企业，医准智能似乎正在不断逼近“问题的本质”并试图解决。

技术上的难题限制了超声AI的发展速度，但也为突破重重障碍的企业建起高企的技术壁垒，并将他们导向一个潜力无限的市场。

根据中国医学装备协会2018年数据统计，我国超声机设备保有量约为19万台，远超DR 5.5万台保有量；CT 2.2万台保有量；内镜2万台保有量；MRI 9255台保有量。仅计算全身超声，我国年检查人次已达20亿人次，且伴随超声临床认可度的进一步提高，检查人次数据将进步放大。

此外，伴随GE医疗、飞利浦医疗等头部企业的持续研发，超声设备的形态及作用场景也再不断分化。

超声发展主要分为两大路线，一大路线是在三级医院，在AI赋能下，超声价值不再止于单单一台成像设备，而是成为集数据采集、管理、分析于一体、融入深度学习的智能终端，它的创新是融合了软、硬件协同的创新。

举个例子，许多医院存在医生摆位不规范这一问题。如果只是着眼于硬件，无论怎么迭代，摆位问题依然存在。为了解决这一问题，GE医疗的做法是引入人工智能，与共同推出了全流程乳腺X线检查Senographe Crystal Nova AI 影像质量控制系统。

具体而言，该AI是Nova AI乳腺机的一个新增模块，它基于多家三甲医院专家针对检查规范联合推出的《乳腺X线检查规范化手册》，能够严格遵循乳腺摄影规范，对影像检查的全流程进行智能提示，规范乳腺X线影像技师操作，在保证合格的影像留存、减少废片的同时，还可以为医院提供可回溯的影像标准管理工具，从图像采集端的源头提升乳腺癌筛查的质量，赋能精准诊断。

此外，GE医疗“爱迪生魔盒·智”系列中“智超声”也能够为超声检查提供多个浅表器官的AI辅助诊断能力的智慧临床服务工作站，共同推进基层大病防治的检查结果互认工作，节省患者的医疗费用支出。

神经外科手术中同样需要AI超声的赋能。譬如，超声影像导航可以为神经外科手术提供准确的开颅部位、病变定位、制订手术方案，成为微创神经外科手术尤其是“锁孔”手术的重要工具，进而提高神经外科手术质量、减少副损伤的基础是准确定位。而在乳腺外科手术中，超声的使用可提高保乳手术疗效，显著降低肿瘤留存率及再次手术切除率和切除标本的体积。

麻醉科是超声未来应用的潜力场景。POC超声在麻醉科的应用，主要集中在超声引导下的血管穿刺、神经阻滞和术中经食管心脏超声（TEE）等方面，旨在提高麻醉操作的安全性和器官功能评估的准确性。这不同于用于疾病诊断的超声检查。AI在其中的作用则是可以实现创伤鉴定、图像配准/融合、系统质量保证、扫查辅助、多普勒噪声抑制等效果。

另一主要路线埋藏于基层医疗场景之中。国内医疗体系中，国内有近90万家基层医疗机构，医、药、检三个环节中，破解医疗结构性矛盾，AI超声瞄准的便是“检”这个环节，有望成为基层医生们的“可视化听诊器”。

与三甲医院场景不同，基层医院不仅需要AI提升“准确率”、“效率”等指标，还需要一个监管流程对超声检查过程进行质量控制，用以解决摆位不正确、影像不清晰的问题。此外，教育模块同样必不可少，只有提升了基层医生的服务能力，才能从根本上解决基层医疗资源匮乏的问题。

总的来说，分化的市场给予了AI超声更多的发展空间，自动化图像质量评估、图像标准化处理、图像勾画、自动测量、辅助诊断、手术导航……均需AI介入发挥价值。北京某三甲医院超声科医生在接受采访时表示，当AI赋能超声，动态实时辅助医生进行病灶检出与分析，为超声医生提供了“第二双眼”，这对于基层医疗机构超声检出与诊断能力的提升也是“福利性”的赋能。

当数字化赋能已成定式，无论哪一个方向，AI超声的未来发展都大有可为。

尽管Caption Health凭借FDA的认证率先做起了营收，但国内AI超声企业并未在商业化上落后太多距离。

一个典型的例子是来自台湾的医疗器械公司安克侦。这家企业将其AI直接装入超声机后端，跳过了寻找有效超声切面环节，直接帮助医生分析存在可疑病变的超声切面数据。通过这种方式，安克侦能够在部分纳入医院收费目录的省市与医院进行分成，实现AI的商业化落地。

AI头部企业医准智能代表了AI超声商业化的另一种模式。一方面能够实现超声影像实时动态智能检测分析（包括异常部位标记及分析）至关重要。据医准智能创始人兼董事长吕晨翀表示，医准智能超声AI系列产品已经在乳腺、甲状腺、腹部等多个部位进行应用，并正在向全身多部位进行布局，目前已覆盖全国400余家医疗机构。

另一方面，医准智能与GE医疗建立了合作关系，借助于器械厂商的成熟渠道与海量落地设备，AI企业能够以相对低廉的成本实现商业化，并能将更多精力投入到新产品的研发之中，而医疗设备厂商也能通过这种方式打造AI生态，加速完成设备智能化转型，因此相辅相成的合作关系，正在逐渐建立。

从目前的超声AI商业化进程来看，我们尚不能判断哪一种商业化模式更有优势，可以确定的是，他们与Caption Health的商业化距离，没有想象中的那么遥远。

回顾应用场景、市场规模及发展潜力三个方向，我们或许已经拥有了比肩Caption Health的企业，甚至有望在数年时间之内打造更为丰富的AI超声产品矩阵。

这意味着，超声AI及超声本身均在中国医疗体系中不断渗透，也有更多患者因为AI超声及超声的普及而受益。

不过也需注意，包括AI超声在内的AI医疗，其落地虽具必然性，但这是一个长期的、潜移默化的过程。技术的突破能够帮助企业快速拿出产品，但很难帮助他们教育市场、拿下市场。

重新审视整个医疗AI赛道，从2017-2019年的飞速发展中回落或许是一件好事。放弃颠覆医疗后，AI医疗企业正与临床医生们一起，与设备厂商们一起，走出属于自己的AI速度，用AI赋能的超声设备，助力解决医疗体系面临的众多问题。