近期，国家癌症中心/国家肿瘤临床医学研究中心、中国医学科学院肿瘤医院超声科王勇教授团队，在《中国医学影像技术》发表综述论文《人工智能用于超声诊断乳腺癌：现状、挑战与未来》。

该文系统回顾了 AI 技术在乳腺超声诊断领域的发展现状，梳理了当前临床应用中已经取得的主要进展，同时也对 AI 在真实落地过程中所面临的关键问题与未来发展方向进行了深入分析，是国内该领域具有代表性的权威综述之一。

在论文讨论 “AI 超声在真实筛查场景中的应用现状” 时，作者提到了国内乳腺癌筛查实践中的成功案例，其中包括我司的 “小济医生”-AI超声乳腺癌智能早筛全流程服务机器人。

文中指出，传统乳腺超声检查高度依赖操作者经验，扫查手法与图像质量差异较大，是影响后续 AI 分析效果及规模化筛查应用的重要因素。在此背景下，论文中写道：
“例如，我国‘小济医生’乳腺癌智能筛查全流程服务系统可自动监测超声扫查手法、识别和标记不符合质量标准的图像帧并提示重新采集；这种实时反馈机制尤其适用于基层医疗机构筛查、诊断乳腺癌，可减少技术因素导致的假阴性结果。”

这一段文字，实际上点出了当前 AI 超声领域反复被讨论、却并不容易真正解决的核心问题——

AI 是否真正参与并改善了检查过程本身，而不仅仅停留在结果判读阶段。

从“算法可用”到“规模可用”，关键在前端质量控制

在该综述中，王勇教授团队明确指出，尽管 AI 在乳腺超声诊断中已经展现出良好的辅助价值，但真正决定其临床意义的，并不仅是模型性能指标，而是：
1.数据来源是否稳定

2.图像采集过程是否标准化
3.系统是否能够融入真实的临床工作流

尤其在基层和大规模筛查场景中，操作差异、流程不一致和质量波动，往往成为 AI 难以长期、稳定发挥作用的主要障碍。

正是在这一前提下，“小济医生”被作为实践案例纳入讨论。论文所强调的，并非单一算法能力，而是一种通过前端实时质控与过程引导，降低超声检查对操作者经验依赖的技术路径。

这一思路，也反映了当前行业对 AI 医疗从“能力展示”走向“体系建设”的整体认知变化。

论文提出的趋势，与真实应用场景高度一致

在对未来方向的展望中，论文提出了若干值得关注的趋势，包括：

1.AI 将更多参与到检查全过程，而非仅用于图像后处理或结果判读
2.对系统稳定性、可解释性和跨场景适应能力的要求，将逐步高于单点性能指标
3.在基层与大规模筛查场景中，技术是否“好用、可控、可复制”，将成为重要衡量标准

这些判断，本质上都指向一个问题：

 AI 是否能够在复杂、差异化的现实环境中，长期稳定地产生可用价值。
“小济医生”作为案例被提及，恰恰说明 AI 医疗影像产品能否真正发挥作用，除了算法先进性之外，很大程度上取决于是否能够与一线操作流程、质量控制机制以及基层实际条件相匹配。

产品定位：“小济医生”在做什么，不在做什么

“小济医生”并未将 AI 定位为一个依托超声医生的“辅助诊断工具”，而是将其作为乳腺癌筛查流程中的一项 AI 自主判断与质量控制能力，嵌入到真实的超声检查与服务场景中。

系统围绕基层和规模化筛查中普遍存在的操作差异大、质量不稳定、早期病灶检出难度高等问题，在大规模真实临床数据持续训练与验证的基础上，重点聚焦于：

* 超声扫查过程的标准化
* 图像质量的实时监测与反馈
* 图像采集、质控与 AI 分析的连续协同

通过将图像采集、过程质控和 AI 分析整合为一套连续流程，支持在不同机构、不同人员条件下，尽可能保持一致的筛查输出。
相比单点性能指标，“小济医生”更关注系统在长期运行中的稳定性与可复制性。

AI 的价值，并不在于替代医生，而在于在复杂、多变的现实环境中，帮助筛查流程变得更加可控、可持续。

此次在国家癌症中心权威综述论文中被提及，对我们而言，更像是一种提醒：

AI 医疗的真正价值，最终仍要回到真实使用场景，经得起时间、流程与结果的反复验证。

本期封面；

参考文献：
王勇. 人工智能用于超声诊断乳腺癌：现状、挑战与未来[J]. 中国医学影像技术, 2025, 41(8): 1322–1326.