以往，超声诊断需要依靠专业的医生通过眼睛来识别图像中的解剖结构，而AI通过智能识别让超声的使用不局限于经过专业训练的医生。实现自动找到最佳的图像和辅助诊断。
对于AI＋掌上超声来说，不同的应用场景，带来了不同的应用挑战。
对于临床科室应用来说，很多临床科室医生以往没有使用过超声设备，并且各个临床科室需求较为分散，人工智能应用的过程需要经历一定的市场教育过程。
但是在介入科、心内科这样的科室，有的临床医生也有一定的超声诊疗经验，掌上超声在这些科室落地并不难。
而对于基层来说，市场教育更是难上加难。
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时较短的，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。
