湖北日报全媒记者 张倩倩

通讯员 兰子君 姚雨泽

实习生 张爽 丁博涵

它能自己“看”超声图像，能判断有没有异常，还能自动生成一份初步报告。更特别的是，它看的不只是心脏或甲状腺单一器官——全身八大系统、40个解剖部位，它都能识别。

近日，这个名为“全身多器官超声扫诊智能体（UltraUnion-Act）”的项目，从全国396支团队中脱颖而出，拿下2026年武汉市江汉区AI智能体创新大赛一等奖。

这是武汉协和医院超声医学科张丽教授团队研发的智能系统。它打通了“机器人扫查—AI诊断—医师复核—数据回流”的完整闭环，已实现100余种超声辅助诊断。

让AI“看懂”超声，远比想象中困难。

我国超声检查需求极大，超声医生长期处于高负荷状态。在协和医院，心脏、腹部、甲状腺、乳腺、血管等部位的超声检查均集中在超声医学科完成。科室每天完成约4000名患者的检查、出具约8000份报告，多年来积累了海量的图像、视频及报告文本数据，但这些数据一直存放在医院信息系统里，尚未被系统利用。

团队研发的第一步不是写代码，而是整理数据。

2019年，张丽开始招收生物医学工程专业的研究生。学生进入团队后，先到临床学习了半年——从工科生变成会看超声图像、会理解临床问题的医工交叉人才。

首先面临的困难是数据治理。不同型号的超声设备产生的图像形状、尺寸各不相同，还包含姓名、检查时间等隐私信息。团队针对每一种设备编写脱敏和格式化代码，几年间积累了五六十套程序，形成自动化流水线：白天临床产生的数据，夜间自动脱敏、归类，进入科研数据平台。

有了规范数据，模型便开始“上课”。

由于成像原理的本质差异，通用视觉模型虽看得懂自然光环境下的日常图像，却难以读懂超声影像中蕴含的医学信息。为了让AI看懂超声影像，张丽团队使用连续两年的真实临床数据——涉及80多万名患者、近200万份报告、2.45亿张超声图像，对模型进行预训练。她将其比作超声医生的“通识教育”——先学习各器官的正常结构和常见异常，再逐项测试。

“看”的训练完成后，超声AI还面临“说”的难题——超声医生往往需要在几十幅不同切面的图像之间来回对照、综合判断，最终生成一份文字报告。针对“一文对多图”的特点，团队将模型升级成能诊断、能自动生成报告的超声视觉——语言基础模型UltraUnion。

“培养医生不能跳级，培养AI也一样。”张丽表示，目前的基础模型相当于一名本科毕业的医学生，离成熟的专科医生还有距离。团队正在围绕甲状腺、乳腺、心脏、腹部等4个方向开展专项训练，仅甲状腺一个方向就投入了约20万例患者数据。

测试阶段，团队邀请三甲医院和基层医院共37名医生参与，对比有无AI辅助时的诊断表现。结果显示，初级医师诊断乳腺结节效能可提升11.1%，其余多项任务AI辅助诊断疾病的效能平均提升5个百分点。

张丽说，临床验证证明AI辅助超声诊断具备应用价值，但真正进入临床，仍需经过更大规模验证和严格审批。在超声医生资源紧张的背景下，AI有望成为医生的“助手”，帮助提高检查效率、弥补经验差异。“AI负责‘广覆盖、快初筛’，医生负责‘深判断、终决策’。”

据悉，江汉区AI智能体创新大赛设置的“AI+垂直应用”赛道，为这类医疗场景项目提供了展示和对接的窗口。大赛将资源对接贯穿全过程，以赛促产“边赛边落地”，推动项目从“赛场”走向“市场”。协和“AI医学生”的成长轨迹，正一步步从实验室向诊室延伸。

（本版图片均为受访单位提供）