基础大模型与深度学习辅助的超声智能化研究

总体目的：本研究旨在通过开展多中心、前瞻性及随机对照等多类型临床试验，系统评估基于基础大模型与深度学习技术的超声人工智能系统在全身多器官超声中的应用价值。研究目标是推动超声 AI 从单一任务走向多任务、从局部探索走向全流程临床应用，从而实现超声诊断的智能化、标准化与可推广化。 具体目的： 技术层面：开发和验证多种超声 AI 方法（包括但不限于大模型、深度学习、生成式 AI、多模态模型等），支持病灶检测、疾病诊断、图像质量控制、结构化报告生成及临床问答等任务。 临床层面：在体检、门诊、急诊和住院等不同场景，评估 AI 在多器官疾病筛查、诊断和随访中的性能，与常规人工解读进行对照。 人机协作层面：探索 AI 与超声医生在诊断决策和报告生成中的协作模式，比较人工独立、AI 独立及人机协作模式下的表现。 患者与医生体验层面：评估 AI 系统在临床应用中的可解释性、信任度和接受度，分析其对医生工作负担、患者沟通和医疗流程的影响。 真实世界价值层面：验证超声 AI 在不同层级医疗机构的适用性，探索其在分级诊疗、早筛早诊和医疗资源均衡中的作用，为临床推广与政策制定提供循证依据。