AI在泌尿外科:临床端真正在用的,是什么?

过去几年，AI医疗的热度从放射科一路烧到了泌尿外科。学术会议上有关AI的讨论越来越多，拿证的消息越来越密，资本市场的标签越来越亮。

但如果把目光从PPT和论文里移开，真正走进泌尿外科的诊室和手术室，一个更真实的问题浮出水面：

这些AI工具，一线医生真的在用吗？

泌尿外科是天然依赖影像的科室。前列腺、肾脏、膀胱的检查，几乎没有哪一项绕得开超声、CT或磁共振（MRI，即利用磁场成像的大型检查设备）。也正因如此，影像诊断成了AI最早进入、也是目前渗透最快的领域之一。

但”渗透最快”不等于”无处不在”。

AI在泌尿外科影像领域的应用，主要集中在三个方向：超声图像的实时辅助分析、多参数磁共振（mpMRI，同时采集多种图像参数的磁共振检查技术）的AI判读，以及CT影像的智能识别。其中，AI超声是落地最广的一条赛道——超声本身成本低、可床旁操作、适合基层，成了AI商业化天然的切入点。

但问题也随之而来。超声图像的质量高度依赖操作者的手法和经验。AI模型在训练时依赖的标注数据，往往来自特定设备、特定参数设置下的图像，一旦换一台机器、换一种扫查方式，模型的判断准确率就可能打折扣。这是AI超声在泌尿外科规模化推广时，遇到的第一个硬钉子。

而在磁共振领域，AI的应用则走了一条完全不同的路。

多参数磁共振结合前列腺影像报告和数据系统（PI-RADS，一套用于规范前列腺MRI影像报告的国际标准），是目前前列腺癌影像诊断的主流标准。但问题在于，PI-RADS评分的判读高度依赖影像科医生的经验——同一张MRI影像，不同医生看，可能得出完全不同的结论。

海军军医大学第二附属医院泌尿外科任善成教授团队的研究指出：不同医师对同一张MRI影像的判断差异，最高可达30%。

这个数字意味着，一份影像，两个人看，可能得出完全不同的临床决策。

AI的价值，在这里找到了真实的落点。通过深度学习对多参数磁共振影像进行量化分析，AI可以帮助降低主观判断带来的差异，提升不同中心、不同医师之间诊断的一致性。这也是为什么，AI+磁共振在前列腺癌早筛中的应用，是目前临床认可度最高的AI应用方向之一。

一个值得关注的进展：2025年，任善成教授团队联合国内多家顶尖医疗机构和大学，将AI大模型应用于前列腺癌无创精准诊断与分级，相关成果获得了2024年上海市自然科学奖一等奖，代表着这一方向在国内的顶尖认可。

前列腺癌诊断的”金标准”是穿刺活检——通过穿刺取组织做病理分析，才能最终确诊。但传统经直肠超声引导下的穿刺，命中率高度依赖医生的经验和手感，有假阴性率，也存在一定程度的过度穿刺问题。

AI介入后，这个局面正在发生改变。

目前临床上最成熟的应用，是AI影像融合引导下的靶向前列腺穿刺。这套技术的逻辑并不复杂：AI将磁共振影像（MRI）和超声影像进行实时融合，让医生在超声引导穿刺时，能同步看到磁共振影像上标注的可疑区域，从而提高穿刺的精准度和检出率。

这条路不只是停留在研究阶段。

2023年5月，国内首款前列腺穿刺机器人Mona Lisa获得国家药监局（NMPA）上市注册证，成为泌尿外科领域率先获证的机器人产品之一。Mona Lisa的核心功能，正是AI影像融合引导下的精准穿刺。

2024年11月，北京大学泌尿外科研究所暨北京大学第一医院泌尿外科龚侃教授、刘毅副主任医师团队，在国际知名期刊上发表了AI磁共振辅助认知融合靶向前列腺穿刺的临床研究成果——为这一技术的推广应用，提供了来自中国临床的数据支撑。

更值得关注的是，解放军总医院泌尿外科王保军教授团队，在2024年中华医学会泌尿外科学分会（CUA）学术年会上，分享了AI HIFU（高强度聚焦超声，一种通过超声波聚焦产生热能来消融组织的无创治疗技术）机器人无创前列腺局灶手术的临床应用经验，将AI与手术机器人结合的边界，又往前推进了一步。

前列腺增生的治疗，正在经历一场从”有创”到”无创”的范式转移。传统电切手术需要全麻、出血、住院恢复，而高强度聚焦超声（HIFU）通过超声波聚焦产生的热效应，可以在不开刀的情况下消融增生组织。

AI的加入，给这把”无形刀”装上了导航系统。

AI HIFU的核心逻辑是：在术前利用影像数据进行手术规划，在术中利用实时超声图像进行智能导航和能量控制。机器人在AI的辅助下，可以更精确地识别治疗区域和周围正常组织的边界，减少对关键解剖结构（如尿道括约肌，控制排尿的肌肉组织）的损伤，在保证治疗效果的同时，更好地保护患者的功能。

这个方向在临床应用层面走得有多远？从公开的临床报道来看，AI HIFU目前仍处于临床推广的早期阶段。武汉市普仁医院泌尿外科、嘉会医疗等机构，已开始开展AI HIFU无创治疗的临床交流和患者服务。2024年的CUA年会上，相关临床应用分享也引发了不少同行的关注。

但需要正视的是，AI HIFU目前的普及率仍然有限。设备成本、治疗费用、临床操作的学习曲线，都是摆在面前的现实障碍。从”技术可行”到”普遍推广”，中间还有相当的距离。

讨论到这里，有必要冷静下来，看看AI在泌尿外科临床落地的真实状态。

行业数据呈现出一幅有趣的图景：根据华经产业研究院统计，中国AI医疗器械市场规模从2019年的1.25亿元增长至2024年的96.41亿元，年复合增速高达138.47%。

截至2024年6月，国家药监局已批准32款AI医疗产品上市。

但仔细看这32款产品的分布，放射科占据了绝对大头，泌尿外科相关的产品凤毛麟角。获批，只是万里长征第一步。

从临床端来看，AI在泌尿外科的落地，至少面临四重障碍：

第一，数据的标准化难题。AI模型的训练依赖大量高质量标注数据，但不同医院、不同设备采集的数据标准各异。一家医院的模型，直接迁移到另一家医院，往往需要大量的本地化适配。

第二，算法可解释性不足。AI做出判断的依据是什么？为什么这份影像被评为阳性？医生需要的不只是结果，还有推理过程。这种”黑箱”问题，在临床医生群体中仍然普遍存在信任障碍。

第三，医疗责任归属模糊。AI辅助诊断出了问题，谁来负责？是算法提供方、设备厂商，还是使用AI的医生？目前的法律法规尚未给出清晰答案，而这种不确定性，直接影响了不少医生的使用意愿。

第四，医院采购决策链长。一款AI产品要进入医院，需要经过科室申报、医务处评估、设备处谈判、招标采购等多个环节，每个环节都有可能被卡住。即便产品本身足够好，漫长的决策链条也足以消磨掉最初的市场热情。