在心血管疾病的庞大谱系中，心力衰竭（Heart Failure，HF）常被称作“沉默的威胁”，影响着全世界超过6400万人^[1]。

其中，射血分数保留型心衰（Heart Failure with Preserved Ejection Fraction，HFpEF）占全部心衰病例的比例接近50%^[2]，但临床识别难度极高。研究显示，约64%的HFpEF患者在初诊时未能被确诊^[3]。另一种隐匿性心脏疾病——心脏淀粉样变（cardiac amyloidosis），由于症状非特异性且早期影像学特征不明显，也常在病情进展后才被识别。

传统超声检查虽为心脏影像的常规手段，但结果高度依赖操作者经验，对心肌结构与功能的细微异常捕捉能力有限，这就像是在昏暗中寻找细线般艰难。这样的诊断盲区意味着，大量患者在早期错失最佳干预窗口，最终只能被动进入药物维持或并发症管理阶段。

源自英国牛津大学的医疗科技企业Ultromics正试图改变这一局面。其人工智能平台EchoGo，让心脏超声具备“夜视仪”般的敏锐洞察力。2025年7月，Ultromics宣布完成5500万美元C轮融资，计划加速EchoGo在全美的部署，推动AI分析融入常规心脏超声流程，让那些以往容易被忽略的心脏信号，在临床诊疗中得以及时显现。

英国牛津大学心血管医学博士、资深超声技师Ross Upton在临床科研中反复遇到同一个难题——心力衰竭（尤其是HFpEF）患者的超声检查结果，往往因参数解释的主观性、操作技术门槛高、流程耗时长而被延误甚至漏诊。这种“明知有病却难以确切证实”的困境，不仅困扰医生，也让患者错失早期干预机会。

与牛津大学心血管影像学教授Paul Leeson合作期间，Ross Upton开始探索AI在超声心动图分析中的潜力。他们的目标并非仅仅是自动化测量参数，而是直接训练算法识别疾病本身。凭借与美国梅奥诊所（Mayo Clinic）的独家合作，团队获得了可追踪患者结局的临床数据库，并依托英国国家医疗服务体系（NHS）的资源，积累了超过43万例常规心脏超声影像数据，为算法训练奠定了深度与广度兼备的基础。

图1：Ultromics创始人人物画像

2017年，Ultromics由Paul Leeson和Ross Upton正式从牛津大学分拆创立。此后，Ultromics进入快速发展期。

表1：Ultromics里程碑事件一览

截至目前，Ultromics已拥有4项FDA许可、2项突破性设备称号及2项医保支付代码，并发表了50余篇同行评议论文。

从博士实验室的构想，到如今站在AI驱动心脏影像诊断前沿的医疗科技公司，Ultromics用不到十年的时间，完成了技术、临床与商业的三重跨越，也为AI融入常规心脏诊疗提供了可复制的范例。

EchoGo平台的出现，打破了漏诊的困境。Ultromics将人工智能应用于超声影像，形成了覆盖心衰与心脏淀粉样变的EchoGo产品线，为不同类型的心脏疾病提供针对性的早期识别与风险评估方案。

该系统可直接嵌入医院现有超声心动图（echocardiogram）流程，无需更换硬件。其核心AI模型能够自动完成影像解析与疾病识别，并生成包含概率评分（probability score）的结构与风险报告，全流程约20分钟完成。

EchoGo Heart Failure是由Ultromics推出的一款基于深度学习的心脏检查辅助解决方案，专为应对射血分数保留型心力衰竭（HFpEF）的诊断挑战而设计。

图2：EchoGo Heart Failure分析报告案例

作为获得FDA认证的突破性技术，它仅需一段心尖四腔心超声片段，即可在20分钟内完成精准的心脏功能分析，并提供详细结构信息与疾病概率评分支持决策，辅助临床医生快速识别HFpEF。该技术由Ultromics与梅奥诊所、牛津大学联合研发，经过6500余例患者的真实世界验证，已被印第安纳大学、西北大学等机构采用。

临床研究中，该系统在验证数据集中展示出高达90%的诊断准确率，同时显著降低了常规诊断中“非诊断（indeterminate）”比例——EchoGo能准确重新分类HFA-PEFF与H2FPEF两套评分中分别约64%和60%的不确定病例，显著提升了诊断效率与明确性。

此外，EchoGo Heart Failure 平台基于云端架构，可与 GE、Philips 等所有主流超声设备无缝连接，并通过 DICOM、EMR 系统实现报告嵌入临床流程。其安全机制符合 HIPAA 和 ISO 27001 等信息安全标准，同时无需额外培训即可启用，确保了在多种医疗环境中的高效部署与使用。。在成本效益方面，其检查费用可通过医保报销（住院患者单例约1000美元，门诊约285美元）。

心脏淀粉样变因症状隐匿、影像特征细微，往往在疾病进展较晚时才被确诊。EchoGo Amyloidosis针对这一难题开发，利用AI模型在常规超声图像中识别淀粉沉积的早期迹象，实现无创、快速筛查。

EchoGo Amyloidosis已获得FDA“突破性设备”（Breakthrough Device）认定，意味着其在改善患者结局和推动早期干预方面具备重要潜力。

EchoGo Amyloidosis无需额外采样，只基于常规影像，即可自动生成筛查结果，可视为高效、无创的初筛工具，特别适合资源受限或专家缺乏的临床环境。其目标定位为辅助医师识别风险个体，进一步指向确诊评估方向。

一项发表于《European Heart Journal》的国际多中心研究结果显示，该系统在超过2600名患者中证实其敏感性达84.5%、特异性达89.7%，在 AL（轻链型淀粉样变）、ATTRwt（野生型转甲状腺素蛋白淀粉样变）及 ATTRv（遗传型转甲状腺素蛋白淀粉样变）等主要亚型中均表现稳定，同时能够从HFpEF、肥厚性心肌病等类似表现中准确区分出心脏淀粉样变案例。

目前，EchoGo Amyloidosis已在包括梅奥诊所等众多医疗机构落地使用，并通过与主流设备厂商（如GE、Philips）的兼容，快速融入临床工作流程，为心脏淀粉样变早期带来新的技术路径。

Ultromics的技术并非在孤岛上发展，而是在多方协同下获得验证，同时不断拓展应用场景。

在医疗合作层面，公司携手梅奥诊所、芝加哥大学医学中心、北德州西南大学及西北大学等顶级医疗系统，通过真实临床超声数据训练与验证AI模型。这些合作促成EchoGo技术在《美国心脏病学院学报》（JACC）与《美国超声心动图学会杂志》（JASE）等同行评审刊物中的发表，大幅提升医疗界对该技术效果与安全性的认可。

在产业合作方面，Ultromics与制药巨头强生旗下Janssen（Johnson & Johnson Innovative Medicine）及辉瑞（Pfizer）建立战略合作，共同推进EchoGo Amyloidosis平台在药物筛查与患病风险识别方面的应用。该合作与研发支持使EchoGo Amyloidosis获得FDA突破性设备称号，显现其在早筛心脏淀粉样变领域的重要意义。

与此同时，Ultromics也积极参与公共政策与科研领域的协作。作为美国国立卫生研究院基金会（FNIH）“加快医学合作计划-心衰”（Accelerating Medicines Partnership® Heart Failure, AMP® HF）的成员之一，Ultromics的AI平台成为该国际多方项目的关键组成部分，推动HFpEF（射血分数保留型心衰）诊断路径的标准化与精准分型研究。在此背景下，公司也被选为FDA Total Product Life Cycle Advisory Program（TAP）试点企业之一，这项计划仅覆盖15家突破性心血管设备公司，显示其技术与合规流程已获监管层的高度认可。

从博士实验室对传统心衰影像诊断局限的“敏锐观察”到临床团队的“验证”，再到全国层面的“商业部署”，Ultromics用不到十年时间把EchoGo打造成医疗影像AI的标杆。在中国乃至整个亚太市场，这一路线同样具有极高参考价值，但真正的借鉴应立足本土化，而非简单照搬。

Ultromics成功的关键之一，是EchoGo兼容现有的超声心动图系统，无需购入额外硬件，让医院“原地升级”。这一策略在中国同样适用。例如，祥生医疗（SonoAI平台）推出的SonoFamily系列，将AI模型嵌入高端推车式与掌上超声设备中，支持心脏、妇产、血管、甲乳等多个临床场景，实现在常规工作流程中自然使用AI。相关产品以取得注册证，已在国内多家三甲医院广泛应用，获得市场认可。

Ultromics凭借EchoGo Heart Failure准入Medicare报销，保障了商业盈利路径，也加快了医院部署节奏。中国也在这方面加快行动。例如，国家医保局自2024年首次将AI辅助诊断产品列入立项指南，提供政策红利。

国家卫健委等部门也提出支持AI+医疗器械申请进入特别审查程序。面对政策东风，中国医疗AI企业可积极与医保及监管机构展开沟通，探索在地方或特定品类中纳入医保试点的可能性，为技术落地与普及创造更有利的条件

AI模型的表现依赖于真实、异质的训练数据基础。Ultromics得益于与梅奥诊所、NHS等的多中心合作，构建了43万例覆盖多样临床场景的数据集。

在国内，设备龙头迈瑞医疗（Mindray）同样在推动 AI 与超声技术的融合应用方面探索出独特路径。近两年，迈瑞持续推进“数智化”战略，在“设备＋IT＋AI”的生态系统建设中迈出关键步伐，其超声与大数据平台（如“瑞影云++”“启元大模型”）已在多个省市医院部署，并正向智能影像问答与医生辅助诊断方向演进。

展望未来，AI已不只是医疗器械的“点缀”，而是流程优化与医生决策的“加速剂”。与Ultromics的三大实践路径——“嵌入现场、提前对接支付、构建真实数据基础”——相似，中国医疗AI企业正站在本土化创新的风口上。未来，这类路径若能结合各地政府的差异化政策支持与医保机制创新，有望推动AI从“热点”走向医院影像学科的“常态”，其经验也有望为整个亚洲乃至发展中国家的超声AI落地提供可复制的样本。

参考文献：

[1]Bahira Shahim, Chris J Kapelios, Gianluigi Savarese, Lars H Lund, Global Public Health Burden of Heart Failure: An Updated Review, Cardiac Failure Review 2023;9:e11.

[2]Tsao CW, et al. Heart Disease and Stroke Statistics—2022 Update: A Report From the American Heart Association. Circulation [Internet]. 2022;145(8).

[3]Borlaug BA, Sharma K, Shah SJ, Ho J. Heart Failure With Preserved Ejection Fraction. Journal of the American College of Cardiology. 2023;141(12):1001-1026.