作为国内专注于AI+超声的先行者，深至CEO张卓表示：基层医疗需求并不是三甲医院的简化版本。基层医疗对于超声设备有着完全不同的功能和场景要求。

“对于村医来说，它们不可能花较长的学习周期去学习，同时村医的检查流程是较短的，产品的检查时间需要控制在几分钟内。所以AI+超声能否做到真正的智能化和流程的简单化，非常重要。目前的市场的大部分AI+超声产品还难以做到让一个护士水平的人也能快速掌握。”

根据动脉网不完全整理，目前已统计到国内外有16家AI超声相关企业。从病种的覆盖上来看，超声诊断广泛应用于临床科室，而AI超声诊断覆盖的病种主要包括乳腺癌诊断、产前筛查、甲状腺疾病、心脏疾病等众多病种。

从表中主要的应用场景可以看出，虽然AI超声领域有强大的巨头布局，也有创业公司，但是应用场景的不同，他们没有构成直接竞争。

技术壁垒让AI超声晚熟于AI+CT

对比AI+CT影像来看，AI超声这个赛道并不拥挤。为什么AI+超声是AI影像中晚熟的一个赛道。一大原因就是在技术方面，AI+超声的挑战性更大。

在德尚韵兴执行总裁严耶恩看来，AI应用于超声的主要技术挑战可以分为三大部分。

首先是要实现实时诊断，和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需要同时完成。这主要是因为CT、核磁、X光等影像的采集是由技师完成，而阅片由放射科医生完成，因此不需要实时同步影像，但超声检测的难点在于图像采集与阅片需要同时完成。这也就为辅助诊断提出了更大的挑战，包括算法和算力上。

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。所以需要由较强的专家团队对这些数据进行清洗和分析。