脉得智能
近期，两项发表于国际权威期刊的研究成果，展示了人工智能在超声医学领域的强大应用潜力。脉得智能（MedAI）作为核心算法与模型构建的支持者，深度参与了这两项创新工作，助力临床诊疗迈向精准化新阶段。 成就一：乳腺癌前哨淋巴结无创评估新标准 发表于《EClinicalMedicine》（IF 10）的研究，成功构建了基于超声造影（CEUS）与灰阶超声（GSUS）的深度学习双模态融合网络（DDFN）。该模型旨在术前无创预测乳腺癌患者前哨淋巴结（SLN）的转移状态，其核心价值在于极高的阴性预测值（NPV）和特异性。模型在多个前瞻性多中心测试中表现稳健，展现了卓越的临床转化前景。 临床价值：（1）有望实现早期乳腺癌患者免除不必要的前哨淋巴结活检，高阴性预测值可精准筛选低风险患者，避免侵入性手术。（2）减少手术创伤与并发症，优化个体化治疗策略，降低医疗资源消耗，提升患者生活质量与治疗体验。（3）推动乳腺癌腋窝管理从病理分期走向影像分期，为“影像N0（iN0）”理念提供可行路径，助力精准外科决策。
△用于诊断前哨淋巴结性质的深度学习模型开发流程图。
△使用Grad-CAM算法对具有不同特征的SLN(淋巴结)的GSUS和CEUS图像生成的代表性热图。
成就二：胆囊息肉智能诊断与风险分层利器 发表于《Insights into Imaging》（IF 4.5）的研究，开发了一种基于灰阶超声与彩色多普勒血流成像（CDFI）的集成深度学习（IDL）模型。该模型不仅能自动、精准地分割胆囊，更能有效鉴别息肉的非肿瘤性与肿瘤性、以及良恶性。其诊断性能优异，更重要的是，它能作为辅助工具，显著提升低年资超声医生的诊断水平与一致性，有望减少基于单一大小指标（如10 mm）决策所带来的过度治疗或漏诊风险，为胆囊息肉的个体化精准管理提供客观依据。
△各深度学习模型在验证集上的诊断性能。
△IDL模型的工作流程
脉得智能的贡献与临床意义 在上述突破性研究中，脉得智能团队提供了关键的算法设计、模型构建与优化支持。我们利用先进的深度学习架构（如双模态融合、交叉注意力机制模块等），实现了对双模态超声图像深度特征的提取与有效融合，这是模型获得高精度与强泛化能力的核心。 这两项成果的临床意义深远：它们将人工智能与常规超声检查相结合，为解决乳腺癌精准腋窝管理、胆囊息肉风险分层等临床难题提供了客观、可重复、高效的AI辅助决策工具。这不仅有助于推动精准医疗的发展，优化治疗策略，减少不必要的有创操作和手术并发症，更能提升基层医院的诊断水平，惠及更广泛的患者群体。 脉得智能将持续致力于将前沿人工智能技术与临床需求深度融合，赋能医学影像，助力精准医疗。 参考文献：
1.Huang, D., Shi, Y., Cao, W., Feng, L., Luo, Y., Zhao, X., ... & Luo, J. (2026). Exempting axillary staging surgery in breast cancer using multimodal ultrasound imaging and radiomics of sentinel lymph nodes. EClinicalMedicine, 92. 2.Tang, C., Shi, Y., Wang, L., Zhao, X., Li, C., Guan, P., ... & Yuan, H. (2026). An integrative deep learning model based on dual-mode ultrasound for diagnosing gallbladder polyps. Insights into Imaging, 17(1), 32.
撰文、排版丨罗超然 黄 倩 设计丨 黄若曦 审核丨 李春磊 赵 星 牟立超 陈咏虹