中国超声检查领域正面临一项重要技术突破。由中国科学院香港创新研究院人工智能与机器人创新中心（CAIR）主导研发的EchoCare超声大模型正式亮相，该系统基于全球首个超400万张超声影像构建的数据集，标志着医学影像AI领域取得关键进展。
当前医疗体系面临严峻挑战：我国每年完成超声检查达20亿人次，但专业医师缺口达15万人。培养合格超声诊断医师需3-5年，部分专科领域甚至需要更长时间积累经验。香港中文大学医学院黄鸿亮教授透露，当地公立医院常规超声检查预约周期常超过12个月，这种供需失衡严重制约着医疗效率。
针对行业痛点，研发团队采用结构化对比自监督学习技术，突破传统AI诊断对高质量标注数据的依赖。这种纯数据驱动的创新方法，使模型能在无人工标注条件下自主完成特征学习，同时具备跨医疗机构应用的泛化能力。项目负责人介绍，该技术路线有效解决了医学影像AI领域长期存在的数据获取难题。
在临床验证阶段，EchoCare系统展现出卓越性能。通过与山东大学等多家三甲医院合作开展的回顾性研究显示，该模型对病变识别的灵敏度达85.6%，特异度达88.7%。其独特的持续学习机制能够根据新场景自动优化算法，确保诊断精度随应用深化持续提升。
研发团队表示，未来将深化与全国医疗机构的协作，推动技术向产前筛查、肿瘤监测等更多临床场景延伸。这项源自香港的技术创新，不仅为缓解区域医疗资源紧张提供解决方案，更有望重塑全球超声诊断的技术标准与应用模式。
