超声最稀缺的从来不只是设备。

一名超声医生，从医学院毕业到成长为一名能够熟练、独立开展超声检查的医生，往往需要近十年的系统学习和临床训练。探头怎么放、切面怎么找、屏幕上图像中不同的明暗和组织结构该怎么解读，每一步都依赖长时间的经验积累。而产前超声，是最复杂的超声检查之一。

在这个行业待了二十多年的莫若理打了一个很直白的比方：就像判断一个西瓜有没有籽，如果切的位置不对，看到的就不是一回事。探头偏一点，图像上就可能显示不出重要信息，漏诊和误判也就由此而来。

于是问题变成了：如果没有超声医生，超声检查是不是就只能缺席？

这不是一个突兀的假设。

目前，全球约有40亿人无法获得任何影像检查，其中最紧迫的缺口之一就是产前超声检查。目前，全球每年约有26万名女性在怀孕、分娩期间或产后死亡，平均每两分钟一例。其中的大部分孕产风险，本可以通过产前检查和超声尽早发现，为及时干预争取机会。

没有超声医生，怎么办？

在与盖茨基金会的合作过程中，莫若理团队开始更深入地了解资源匮乏地区对超声的真实需求。在一些中低收入国家，基层医疗点的配置往往只有血压计、血糖仪等基础设备，工作人员可能就一位护士。她们承担着测量、注射、随访这些日常工作，却没有接受过专业的超声扫查和影像判读训练。

如何让一名从未有过专业训练的人，也能完成一次超声检查？

直觉性解法是远程支援：现场的人负责扫查，由网络另一端的专科医生进行远程实时指导。但很快团队就发现：在真正缺少医疗资源的地方，网络本身也并不稳定，把检查的可行性押在信号上，等于让它变成了一件靠运气的事。

这个方案行不通。

给超声扫查做“导航”

团队换了个思路：能不能把原本依靠网络，需要医生远程提供的指导，直接放进超声设备里？

这意味着，超声设备不仅要告诉操作者“看到了什么”，还得先告诉“该怎么扫”。

最终，他们把过去靠医生经验寻找的标准图像，拆解成了一套可以跟着完成的固定扫查路径：腹部被划分成若干条扫查线，操作者按提示纵向扫、横向扫，不同孕期对应不同的路径条数。整个过程中，操作者不需要辨认“双顶径”在哪里、也不需要判断哪一帧是标准切面，只需要照着路径提示扫完。

同时，设备会实时监督容易出错的细节：探头有没有真正贴合皮肤、移动是不是太快。它用倒计时来提醒操作者尽量保持匀速，避免关键图像被一带而过。

路径走完，点一下计算，系统自动测算头围、腹围等数值，然后直接给出推算的孕周，并提示胎位是头位、臀位还是横位，是否多胎等关键信息。

能扫出来，还得测得准

“导航”做完，只是解决了“怎么扫”的第一步。因为，超声图像的质量高度依赖采集，一旦扫查手法不到位，后面无论用什么算法都补不回来。

为此，团队给这台设备设了三道门槛：要符合法规规定的分辨率检测标准、真人临床验证要达到医生能下结论的程度，以及把掌上机与大型设备放在同一位受检者身上比对，双顶径、头围这些数值必须落在允许误差内。

团队累计采集了超过20万例临床超声图像，经历了20轮算法与扫查流程迭代，才最终把超声医生依靠多年经验形成的扫查方法，转化成普通操作者也能执行的标准化流程。

真正落地，还要再过几关

这套方案能否成立，还有一个容易被忽略的前提：掌上设备的算力有限，模型既要实时运行，又不能牺牲诊断所需的精度。同时，检查也不能因为断网或供电不稳而中止。

团队最后的选择是把算法都放在掌上设备本地运行，应用预装在设备上，不需要联网，也不依赖外部算力。

此外，更为严苛的条件是，考虑当地的实际情况，整套设备成本要比传统设备至少降低一个数量级，单次筛查降至一美元左右。这是调研出的当地孕妇每次检查能承担的上限。到了基层，如果单次收费超过这个数，就不会有人走进来。

只为把第一道防线前移、再前移

莫若理认为这套流程最重要的意义，是把最基础的那一层筛查，从大医院前移到离人更近的地方，及时识别出需要进一步关注的情况，帮助进行转诊决策。

目前，针对非超声专科人员的试点研究结果显示，护士和助产人员经过培训后，能够在常规产前检查中完成掌上超声操作，初步的临床产出也值得肯定。

除了产科，团队还在乳腺检查上积累了算法能力，也在向妇科、新生儿肺部疾病、先天性心脏病等方向延伸。同一个平板，换一个探头和算法，就能操作另一个流程的检查。

莫若理反复提到一句话：真正厉害的技术，应该让更多人受益。医生的缺口不只存在于某一个地区，很多国家都长期缺人，而人的培养速度是有上限的。

让一次超声检查不再取决于有没有专业医生，让每一位母亲和孩子，都有机会被守护，这才是了不起的创新。