超声检查作为临床常规诊断手段，面临医师资源紧张、基层诊疗能力不足及诊断标准化程度不高等现实挑战，同时AI研发也深受高质量训练数据稀缺的制约。华中科技大学同济医学院附属协和医院依托医院海量超声影像数据，攻克数据整合、安全脱敏与专家级标注等关键技术，构建亿级规模的多器官超声人工智能训练资源库，旨在驱动超声AI研发突破并赋能临床与基层应用。

图1 超声AI大数据平台架构图

一是汇聚多源超声数据，构建规模化高质量资源基座。平台汇聚亿级规模的脱敏超声影像、百万级报告文本等非结构化数据，以及检查信息、图像与文本标注信息等结构化数据，形成覆盖多器官、多病种的超声数据资源池。通过“临床自产+多中心汇聚+开源整合”的可持续汇聚模式，以武汉协和医院日均产生的10万份临床影像数据为核心，联动十余家顶级三甲医院的科研合作数据，并合规引入国际公开数据集，保障了数据的规模性、多样性与持续更新能力。

二是创新数据治理与标注体系，破解AI研发数据瓶颈。针对数据碎片化、安全合规与标注质控等核心难题，构建高性能存储与实时同步体系，实现数据的完整高效管理与近实时访问；建立安全脱敏与全流程可追溯保障体系，严格防控隐私风险。通过自研的EchoMap智能标注平台与“三级审核”专家级质控流程，形成人机协同的高效标注闭环，构建了百余个高质量、结构化的标准化AI数据集，有效解决了超声数据标注效率与精度难以兼得的痛点。

图2 超声AI大数据平台

三是驱动多场景AI应用落地，形成创新诊疗与产业赋能体系。基于高质量数据基座，平台融合影像、报告、临床资料与专家经验，打造多层次细粒度标签体系，支撑一系列前沿应用。研发了基于2.45亿影像预训练的突破百种诊断的超声视觉语言大模型；联合开发了具身智能超声体检机器人并开展多中心临床验证；联合湖北省器械院共建超声AI标准数据集，赋能医疗器械质量检测与产业创新。

四是构建内外双循环数据生态，释放显著经济社会价值。通过内外双循环模式促进数据合规流通与价值释放，对内嵌入临床工作流，赋能医疗、教学与科研；对外通过湖北省器械院转化中心、武汉市卫健委信息中心等渠道，提供科研协作、数据集订阅、标注平台及定制数据服务，促进联合研发与成果转化。通过提升疾病诊断的准确性与规范性，降低医技成本、缩短检查时间，增强基层医疗服务的可及性与公平性，推动医疗普惠。同时，项目为医学教育、科研创新与产业链协同提供高质量数据支撑，持续释放数据要素价值。

（本项目获得2025年“数据要素×”大赛全国总决赛医疗健康赛道二等奖）