其次是在数据上，相对来说，由于超声影像数据的浏览处理存储习惯，超声影像比起CT这样的数据更难获取。

“为什么AI影像赛道刚开始兴起的时候，涌现了很多AI肺结节公司，因为相对来说，肺结节影像数据是容易获取的。”

除了数据库的规模大小受到限制外，超声影像的标准化程度也较低，超声影像的清晰度是依赖于超声医生的操作手法和不同设备型号。所以需要由要给较强的专家团队对这些数据进行清洗和分析。

第三点是算法框架的限制。“能否拥有自己的算法框架非常重要。因为目前的算法框架，绝大部分公司都是用的开源算法，尤其是在超声领域，能够拥有自己的算法的企业非常少。超声AI与其他放射AI不同，它对于自主研发的算法框架非常依赖，这与它分析产品的准确度和实时性强相关。”

他举例说道，如果算法过于冗长，会导致处理速度慢，而超声具有实时性的要求，一秒钟就有几十帧图像，有的心脏影像每秒上百帧，没有强大的算法无法处理这么多的数据。而德尚韵兴作为国内最早进行超声AI产品研发的企业，已经发布了超声甲状腺、乳腺、盆底、肝脏、颈动脉等AI产品。因为拥有完全自主知识产权的算法框架，德尚韵兴所有的超声AI产品无论是适应性还是性能，表现就会更加突出。

除了以上三点外，如果AI想要实现搭载于掌上超声上，还需要解决算力限制的问题。掌上超声硬件设备的限制，图像清晰度的限制，对于搭载AI软件提出了更大的挑战。掌上超声设备远远小于传统的超声设备，这将十分考验AI的算力。

朱瑞星表示：“AI超声是一个系统性的工程，不单单是说企业拥有了一个算法之后，就可以做诊断识别。例如如果载体是掌上超声，需要使用板载芯片和GPU协助运算，算法设计、IC设计、芯片和功耗都需要考虑其中。”

企业不仅要拿出一个非常精确的模型来分析超声波视频，而且在此基础上，还必须确保该模型能有效地在Android平板电脑或手机平台的有限资源下工作。

审批将是一道坎，FDA带来新突破

在超声AI的赛道中，无可避免的一大阻碍是政策审批问题，caption health获得了FDA审批，可以说是为大部分持续投入AI超声研发的企业拨开云雾。

朱瑞星表示，FDA的审批进展对于国内来说有着重要利好：“我相对早开始关注AI＋超声这个领域，此前，这个领域一直处于蛰伏期。随着FDA批准了AI＋超声辅助诊断软件，这个行业可能会迎来风口。2016年，AI＋医学影像领域发展最受关注的时候，也正是FDA批准了首个AI辅助诊断软件的时候。”

FDA设备与医疗中心体外诊断与放射健康办公室副主任Robert Ochs博士在批准Caption Health的AI辅助软件用于成人心脏超声检查时，曾表示，此次允许AI超声辅助诊断软件上市的意义不仅在于超声检查专家可以使用这一工具，超声AI未来更大的场景是让普通的医疗人员（例如家庭诊所的护士）也可以使用超声，帮助我们更早更准确发现疾病。

在超声的进化过程中，软硬件能力对于掌上超声都很重要，目前，超声的AI系统现阶段更具壁垒。就好比目前国内能做手机硬件的厂商很多，但是能做手机操作系统的厂家并不多。在硬件比较同质化的市场中，能否研发出好的AI软件，一定程度上决定了掌上超声产品硬件的应用空间。

同时，对于基层这样的场景来说，比起大型设备，超声仪器价格更低，因此，超声AI相比依托于CT等大型设备的AI可能更适合推广。但目前对于基层医疗这样的全科医生来说，如何将流程真正实现智能化和傻瓜化，还是一大挑战。随着AI软件的赋能，超声离成为可视化的听诊器正在越来越近。