數(shù)十年來的技術(shù)進步導致了超聲波機器的革命，從而引起了重量不到一磅的現(xiàn)代設(shè)備，并且可以在智能手機上顯示圖像。但是他們?nèi)匀恍枰獙＜襾砝斫馍傻膱D像。

“這并不像看起來那么容易，”超聲技術(shù)的先驅(qū)富士膠片SonoSite首席執(zhí)行官Richard Fabian說。“手的輕微移動意味著世界上所有的差異。”

這就是為什么SonoSite專注于人工智能幫助醫(yī)療工作者實時了解超聲波的未來的原因。想法是可以訓練計算機來識別和標記醫(yī)學圖像的關(guān)鍵部分，以幫助臨床醫(yī)生獲得答案，而無需經(jīng)過專門培訓的放射科醫(yī)生。

“使用AI，您可以真正快速地解釋正在發(fā)生的事情。Fabian在周五在華盛頓州貝爾維尤舉行的生命科學華盛頓年度峰會上的一次演講中說：“重點是準確性，信心和擴展超聲使用者。”

總部位于華盛頓州博塞爾的SonoSite最近與西雅圖的艾倫人工智能研究所(AI2)合作，致力于訓練AI解釋超聲圖像。為了訓練模型，SonoSite使用了在波士頓醫(yī)院Partners HealthCare的幫助下收集的大量臨床數(shù)據(jù)。

人工智能在解釋醫(yī)學影像以診斷早期肺癌，乳腺癌和宮頸癌等疾病方面顯示出了希望。這些進步吸引了包括谷歌和微軟在內(nèi)的技術(shù)領(lǐng)導者，他們希望他們的AI和云功能有一天可以成為醫(yī)療保健診斷的重要組成部分。

SonoSite最初是出于為軍方創(chuàng)建便攜式超聲波的想法而啟動的。其輕巧的單元已被醫(yī)療團隊在資源匱乏的環(huán)境和急診室廣泛使用。

超聲成像比X射線成像，CT掃描或PET掃描便宜得多，并且攜帶方便，并且沒有輻射風險。盡管它提供的圖像不清楚，但是研究人員認為深度學習可以彌補這種差異。

AI2研究人員正在訓練超聲圖像上的深度學習模型，在超聲圖像中超聲醫(yī)師標記了靜脈和動脈。AI驅(qū)動的超聲波的一種應用是幫助臨床醫(yī)生更快，更準確地發(fā)現(xiàn)靜脈。

Fabian還舉了一個AI模型的示例，該模型標記了諸如器官和體內(nèi)積液之類的東西，可以在不需要專家的情況下為護理決策提供依據(jù)。他認為，未來的超聲波無需顯示圖像就可以提供醫(yī)學見解。