床旁超声(POCUS)的瓶颈不只是设备,还有人:会扫、会读的人不够,专长集中在超声实验室和影像科。2026 年 8 月底到 11 月初,一批超声 AI 研究先后发表,试图回答 AI 能不能补上这个缺口。但它们给出的数字相差悬殊:一个专用算法在澳大利亚四个急诊科与专家的一致率是 76%;一台自动测量设备七项测量过了六项,误差多数比医师之间还小;一个在急诊场景接受评估的通用多模态大模型,切面识别与专家一致的只有 43.1%,心腔尺寸判读的一致率是 0。这些数字都挂着“超声 AI”的名头,说的却是三种不同的东西。8 月在线的一篇框架综述(BJR Artificial Intelligence)给出的判断是:把“超声 AI”当成一个铁板一块的领域,是“反复出现的错误”;它把超声 AI 分成放射科超声、床旁使用者与超声教育三个部署环境,三者共享方法,却在图像质量、操作者技能、扫查时间、监管暴露与可接受的失败模式上各不相同。9 月 Annals of Family Medicine 一篇社论的标题则直接发问:《AI-POCUS 革命已来,家庭医生和我们的卫生系统准备好了吗?》(社论无摘要,本文只引标题)。本文把这个季度先后发表的十项材料并排读,先分清每类数字出自哪一类模型,再看每一类的证据走到哪里、缺在哪里。
## 76% 的一致率,来自专用算法
Emergency Medicine Australasia 10 月刊发表了一项来自澳大利亚四个急诊科的回顾性多中心研究:195 份急诊心超(2016 至 2023 年)先经三阶段裁定的专家复核作为人类参考,再与专用算法 us2.ai 的报告对比,十个经过验证的参数按两档预设口径分别统计精确匹配率与 κ:指南依从档(多切面标准)与务实档(任何可得测量)。结果是:两档的合并一致率都是 76%(指南依从档 n=875,务实档 n=1323;摘要未注明计数单位);但算法能给出判读的比例,指南依从档只有 46%,务实档升到 70%,作者把这个比例称为解读产出率。四个结构参数的一致率达到 78% 至 87%:右房大小 87%(κ=0.62)、右室收缩功能 83%(κ=0.42)、左室大小 83%(κ=0.52)、右室大小 78%(κ=0.37);二分类的左室收缩功能一致率分别为 79% 与 83%。作为参照:专家审阅者之间的一致率是 85%,没有这个锚,AI 的 76% 就没有标尺(本文解读)。更值得注意的是范围问题:心包积液、主动脉瓣反流与二尖瓣狭窄这三类病变存在于 7% 至 20% 的患者中,现行版本的算法不报告它们,报告也不会标注“未评估的参数”。作者自己的划界很清楚:本研究报告的是一致率,不是准确率;算法保留了专家能给出的分类,其验证范围只覆盖急诊心超需要回答的一部分;现阶段,AI 报告必须由人类专家复核。
## 比医师之间更稳的测量
Frontiers in Cardiovascular Medicine 9 月 21 日在线发表了对商用设备 AISAP Cardio V1.0 的验证:200 例床旁心脏超声图像来自四家医院(以色列与美国各两家),每例由三位心脏科医师与设备分别独立判读七项测量,终点是设备相对医师均值的均方根误差(RMSE),预设达标标准基于误差 95% 置信区间的上界;左室射血分数(LVEF)与下腔静脉最大径为主要终点。七项里过了六项:LVEF 6.20%(95% CI 5.57 至 6.83;医师之间 8.23%)、下腔静脉最大径 0.25 cm(0.20 至 0.29;0.36)、左房面积 2.39 cm²(1.96 至 2.82;4.39)、右房面积 2.11 cm²(1.75 至 2.47;3.49)、左室舒张末径 5.06 mm(4.58 至 5.55;4.67)、右室面积变化分数 10.17%(9.01 至 11.33;14.12%)、主动脉根部 0.19 cm(0.16 至 0.21;0.24)。唯一未达标的右室面积变化分数,设备误差仍小于医师之间的变异;左室舒张末径则是唯一一项设备误差(5.06 mm)高于医师之间(4.67 mm)却仍按预设标准达标的测量。两点提醒。其一,这里的参照是医师均值而不是外部金标准,它回答的是“设备量得比医师之间稳不稳”,不是“设备量得对不对”(本文解读)。其二,论文标题写的是“前瞻多中心验证”,摘要方法学部分写的是“回顾性诊断准确性研究”,两处设计表述矛盾,本文按摘要口径转述,不作裁定。
## 通用大模型撞墙的地方
上一节的两组数字来自专用系统;接下来两组来自通用多模态大模型(MLLM)。American Journal of Emergency Medicine 11 月 5 日在线发表了耶鲁急诊团队的回顾性试点:Telexy Health 开发的、带视频能力的 MLLM 系统部署在 POCUS 管理系统 QpathE 上,用于图像判读与文档生成。试点目标是 350 例心脏 POCUS(100 例正常、250 例病理),实际应用了 370 例,其中 20 例失败;切面识别与专家一致的有 151 例(43.1%);按 κ 口径,心尖四腔心切面只有一般一致,其余四个切面为中等一致;100 例正常检查中 86 例判读一致。按病理分层,落差更大:心包积液 8%、射血分数评估 4%、主动脉流出道 70%、心腔尺寸 0%、下腔静脉 12%,五项里四项一致率不超过 12%,只有主动脉流出道达到 70%。作者的结论下得明确:图像判读一致性差;这个不绑定单一厂商的工作流证明了 MLLM 可以被集成进图像判读环节(系统的用途是文档生成);但“此状态下不应纳入临床实践”,未来模型改进后,POCUS 判读与文档的自动化才有可能。
Diagnostics 11 月 4 日的一项硅上研究把“墙”拆得更细。伊斯坦布尔的团队让 GPT-5.6 Sol 解读 92 张教学用超声图像(覆盖七个解剖区域),设置两种提示条件:只给图像,或图像加探头区域代码;两名独立评分者按教科书参考,对切面识别、解剖结构识别与病理发现检测三个域各按 0 至 2 分评分,分歧由第三名超声专家裁定;评分者之间的一致性为 κ 0.750 至 1.000。结果:加上探头区域信息后,总分中位数从 4(四分位 2 至 5)升到 5(4 至 6);切面全对率从 58.7% 升到 88.0%,解剖结构识别从 47.8% 升到 82.6%;但病理发现检测只从 35.9% 升到 48.9%,且在病理阳性的图像里,漏检或错标仍达 44.8%。作者结论:探头区域信息大幅改善解剖识别,而解剖识别的改善没有转化为可靠的病理检测,持续存在的假阴性与假阳性不支持独立诊断用途;教育与解剖标注方向的潜在应用还需进一步验证。
把四组数字并排:在心脏测量这类窄任务上,专用系统给出 76% 至 87% 的一致率、误差低于医师间变异的测量;通用大模型在多数病理项上给出个位数到 12% 的一致率,静态教学图上的病理检测不足五成(本文的方向性概括;四组数字的任务、数据与口径各不相同,不能直接互比,可比的是专用与通用之间落差的方向)。
## 能不能落地,是另一组数字
会读图只是第一关。International Journal of Cardiology 12 月 15 日刊发表了法国雷恩团队的 OPTIMUST 研究,把问题搬进病房:没有正式超声认证的心内科与非心内科病房医师,完成两个月的结构化课程后,用带 Caption AI 的手持超声尝试了 287 次床旁聚焦心脏检查,影像接入院内归档系统与电子病历,配套中心归档、结构化报告、远程审阅与质量保证。共同主要终点有两个:实施可行性(可分析检查的占比),以及病房操作者与中心专家对同一批手持图像的判读一致性(LVEF 与充盈压分类)。结果:287 次尝试中 206 次(71.8%)可分析,50 次(17.4%)不可分析,31 次(10.8%)报告不完整;可分析检查的图像质量优秀 21%、足够 34%、次优但可判读 45%。LVEF 的操作者评估与专家复核相关性 r=0.84,但 Bland-Altman 一致性界限约为 -21 至 +19 个百分点。这两个数字可以同时成立:相关系数衡量趋势是否同向,一致性界限衡量单个病人能偏多远,培训与采购决策要看后者(本文解读;数字为作者报告)。充盈压分类的一致性为二次加权 κ 0.659。医师自报手持超声发现“改变或确认了处理”的检查占 93.7%,作者明确注明该终点未经独立裁定;32.8% 的检查在一个月内做了综合超声心动图。作者同时列明:本研究确立的是实施可行性与判读一致性;它没有确立安全性,没有确立相对综合超声的诊断准确性,也没有确立 AI 的独立贡献;下一步需要多中心研究、参照标准影像、安全终点、客观临床结局与非 AI 对照。
## 临床前的两处证据
还有两处证据离人更远,回答的是“超声 AI 还能做什么”。一处面向院前髋部骨折分诊:多伦多大学与 Sunnybrook 的团队让没有超声培训的操作者,对 15 头幼猪尸体的双侧后肢(30 个髋)在人为制造移位型转子间骨折前后扫描,肢体按尸体水平拆分为训练 16、验证 6、保留测试 8。在 ImageNet 上预训练再微调的轻量分类器中,EfficientNet-Lite0 在 31 名操作者从 4 具尸体(8 根股骨)采集的 78 个 cine 环上 F1 达 0.944(95% CI 0.920 至 0.980),敏感度 89.5%(75.9 至 95.8),特异度 100.0%(91.2 至 100.0,置信区间很宽);作为对照,操作者本人的 F1 只有 0.667(0.581 至 0.750),两名诊断放射科医师为 0.684(0.531 至 0.800)。作者自己的归因图也给出提醒:Grad-CAM 显示模型难以区分骨骺生长板与骨折特征,而幼猪有生长板,老年髋部骨折患者没有(后半句为本文判断)。作者自己定位:这是临床前设置,激励的是未来可行性研究,不是临床证据。另一处是乳腺癌相关淋巴水肿:IEEE 超声期刊上发表的一项研究建立了 57 名受试者的多模态数据库(B 模式图像、射频数据、光学周长测量的臂容积、清扫淋巴结数、术后时间与体重指数,外加专家严重度分级),用孪生网络架构对比双臂图像以处理个体差异,再融合临床表格数据并引入监督对比学习;三倍交叉验证下,多模态模型 AUC 91.0%、准确率 87.0%、F1 83.5%,优于两个单模态变体。作者称这是该病第一个自动化深度学习诊断方法,代码与模型将公开。两项研究的边界一致:样本小、无外部验证、离真实病人还有距离(本文概括)。
## 三个判断
以下是本文把十项材料并排读之后的综合,不是任何一篇原文的结论。其一,“超声 AI”至少是三类东西:专用窄算法(急诊一致率 76%、产出率 46% 至 70%)、自动测量设备(七项测量六项达标、误差多数低于医师之间)、通用多模态大模型(切面识别 43.1%、五项病理里四项不超过 12%、静态图病理检测 35.9% 至 48.9%)。混淆三类的代价,是用一类的数字去评价另一类:拿专用算法的一致率去称赞大模型,会高估后者;拿大模型的病理检测率去怀疑专用算法,会低估后者(本文判断)。其二,证据的重心正在从“读图准不准”移向“能不能落地”:可分析率、产出率、判读一致性、文档闭环这些实施与工作流指标,占据了这批研究主要终点的位置(本文概括;其中 AISAP 的验证仍是测量准确性研究,只是参照为医师均值);Breathe 10 月的一篇叙述性综述把工作流里的 AI 角色分成床旁教练、判读者与量化器三种,并给出同向提醒:受控设置里的强表现,到了真实环境会因图像质量、患者因素与数据集限制而波动。但实施可行只是起点:OPTIMUST 作者自列的四个“未确立”(安全性、相对综合超声的准确性、AI 的独立贡献,以及多中心加参照标准加非 AI 对照),就是下一阶段的研究与采购清单(本文判断)。其三,最现实的安全问题可能不是准确率不够,而是“没评估的,报告里看不见”:专用算法不报告 7% 至 20% 患者中存在的三类病变,报告不标注未评估参数;大模型系统 370 次应用出过 20 例失败,摘要未说明失败案例在文档流里如何标记与处理。报告是否如实披露“没看什么”,应当写进报告格式规范与采购合同条款(本文判断)。
## 不同读者能带走什么
以下建议均以本文口径为限。医院与病房管理者:OPTIMUST 的可行性由一整套治理结构(中心归档、结构化报告、远程审阅、质量保证)托住,它们是可行性结论的组成部分;93.7% 的“改变或确认处理”是医师自报、未经独立裁定,不能当患者结局的终点用。急诊与超声科:现有证据支持把 AI 心超报告定位为“专家辅助”;先弄清算法覆盖哪些病理、两档口径下的产出率各是多少,人类复核留在环内。采购方:四个问题:可分析率是多少?一致率对的是什么参考、哪些参数、哪档口径?产出率是多少?未评估参数在报告里标不标?不要为“大模型能读超声”支付专用算法的价格。建模者:窄任务上专用路线仍然赢;多模态大模型要进文档环节,先过切面识别这一关(43.1% 是当下的瓶颈);临床前模型要防生长板这类只在训练数据里成立的特征,归因图要做。研究者:一致性研究请同时报告专家之间的一致率(本文这批里的锚是 85%),否则 AI 的 76% 没有解读参照;OPTIMUST 作者的“未确立”清单可以直接当下一个研究的设计模板。患者与公众读者:本文的数字绑定特定设备、特定人群与特定流程;床旁超声做不做、结果怎么解读,请与负责你诊疗的医生商量。
最后一句边界:本文读的是十项研究的摘要级材料,数字均转写自摘要;一致率不是准确率;AISAP 研究的参照是医师均值而非外部金标准,且其标题与摘要的设计表述矛盾,本文按摘要口径;MLLM 试点为回顾性设计,静态图研究为硅上设计、用教学图像而非临床图像;髋部骨折研究为幼猪尸体模型,cine 环结果仅来自 4 具尸体的子集,特异度置信区间宽;淋巴水肿研究仅 57 人、三倍交叉验证、无外部验证;那篇框架综述的第一作者署名一家名为 AutonomUS Medical Technologies 的公司,其 DOI 在本文检索时经 Crossref 与 doi.org 均未解析,记录以 PubMed 为准;那篇家庭医学社论无摘要,本文只引标题不引内容;利益冲突与资助信息以各摘要所载为限,本文不作“无利益冲突”的断言。
来源:BJR Artificial Intelligence,2026 年 8 月 26 日在线(PMID 42856989);Annals of Family Medicine,2026 年 9 月 21 日(PMID 42767952);Emergency Medicine Australasia,2026 年 10 月刊(PMID 42855990);Frontiers in Cardiovascular Medicine,2026 年 9 月 21 日在线(PMID 42835029);American Journal of Emergency Medicine,2026 年 11 月 5 日在线(PMID 43002824);Diagnostics,2026 年 11 月 4 日在线(PMID 43028518);International Journal of Cardiology,2026 年 12 月 15 日刊、9 月 16 日在线(PMID 42749085,https://doi.org/10.1016/j.ijcard.2026.134786);Ultrasound in Medicine & Biology,2027 年 1 月刊、2026 年 10 月 28 日在线(PMID 42946582);IEEE Transactions on Ultrasonics, Ferroelectrics, and Frequency Control,2026 年 10 月 29 日在线(PMID 42955768);Breathe,2026 年 10 月 13 日在线(PMID 42871362)。