临床决策时间和临床信心是病人护理的关键因素。

芝加哥大学心血管成像部主任、医学博士罗伯托-朗（Roberto Lang）表示：”对于因急性心脏疾病走进急诊科的患者或需要持续监测的患者来说，这一点至关重要。超声波是诊断患者的主要工具，但其依赖用户的功能和图像质量评估的主观性一直是在多种医疗环境中为心脏病患者提供护理的障碍。UltraSight 的实时人工智能指导改变了诊断效率和体验。现在，随着监管部门的批准，医疗专业人员和患者都能从这一变革性的心脏成像解决方案中受益。

UltraSight首席执行官Davidi Vortman表示：”心脏病患者数量与心脏超声可用性之间不成比例所产生的问题是公司创始团队的主要驱动力。人工智能具有缩小技能差距的潜力，使医疗专业人员能够在任何地方成功获取及时、准确的心脏超声图像。获得美国食品及药物管理局FDA的批准后，我们现在可以将我们的创新推向市场，并最终为数百万有需要的患者提供医疗服务。

UltraSight 的解决方案将使医院员工能够以更高的效率和临床信心推进患者分诊和治疗。

它还能将心脏超声技术带入当地社区，增加慢性心脏病患者获得治疗的机会，从而可能提高患者对关键治疗的依从性。

UltraSight 的 AI Guidance 软件适用于成年患者的二维经胸超声心动图 (2D-TTE)，特别是在采集 10 个标准心脏切面时。该研究表明，通过对超声探头的实时引导和超声图像质量的反馈，没有超声经验的医疗专业人员也能获得高质量的诊断图像。

UltraSight 软件专为医疗点超声系统设计，与飞利浦 Lumify 超声系统兼容。与兼容设备配对后，UltraSight 的底层人工智能神经网络会根据超声视频流预测超声探头相对于心脏的位置，并指导用户操纵探头捕捉诊断质量的心脏图像。

AI应用于超声的主要技术挑战有三：

首先是要实现实时诊断。与CT、MRI的静态图像不同，超声图像是动态实时图像，超声检测的难点在于图像采集与阅片同时完成。CT、核磁、X光等影像的采集是由技师完成，而阅片则由放射科医生完成，超声检测需要图像采集与阅片同时完成，这对算法和算力等辅助诊断技术提出了更高要求。

其次是在数据上，由于超声影像特殊的数据浏览、处理及存储习惯，其影像数据比CT影像更难获取，数据库的规模大小受到限制。此外，超声影像的标准化程度较低，影像清晰度主要依赖于超声医生的操作手法和设备型号，AI超声需要由较强的专家团队对这些数据进行清洗和分析。

最后是算法框架的限制。对于AI超声企业来说，能否拥有自己的算法框架非常重要。然而，目前绝大部分企业使用的都是开源算法，拥有自主算法的企业非常少。超声AI与放射AI不同，为保证分析的准确度和实时性，其非常依赖于自主研发的算法框架，如果算法过于冗长，会导致设备处理速度慢。超声检测对实时性要求较高，一秒就能产生几十帧甚至上百帧图像，倘若没有强大的算法，无法处理如此庞大的数据。

医疗器械展览会认为，除了以上三点外，若想将AI技术搭载于掌上超声上，还需要解决算力限制的问题。由于掌上超声设备远小于传统超声设备，搭载AI软件十分考验AI的算力。企业不仅需要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平板电脑或手机平台的有限资源下工作。