2.45亿张超声图像训练视觉-语言大模型：UltraUnion揭示医疗数据规模化的「质变门槛」

在2026武汉AI智能体创新大赛决赛中，一个由武汉协和医院超声医学科医工交叉博士团队与香港科技大学联合研发的医疗AI项目引发关注：基于武汉协和医院2.45亿张脱敏超声图像预训练的超声视觉-语言大模型UltraUnion，具备"超声诊断+生成报告"能力，可识别超声图像特征并自动生成文本描述。目前该模型已在院内完成系统部署。

对医疗数据从业者而言，UltraUnion的意义远超"一款获奖模型"本身——2.45亿张脱敏超声图像的预训练底座，揭示了中国医疗AI从"百万级"到"亿级"数据规模的一道质变门槛。

数据规模：2.45亿张脱敏超声图像的预训练底座

2.45亿，是理解UltraUnion的关键数字。过去大多数医疗AI模型的训练数据停留在数十万到数百万张影像的量级，而2.45亿张超声图像意味着数量级的跃升。

这一规模带来的直接价值，是预训练而非微调。传统的医学影像模型多采用"小数据+强标注"的监督学习路线，数据规模受限、标注成本高昂。而UltraUnion以亿级数据做自监督预训练，让模型先在大规模无标注数据上学习图像特征与分布规律，再通过下游任务微调适配具体场景。这从根本上改变了模型能力的天花板——当数据足够多，模型能够捕捉到更细粒度、更底层的影像特征，为后续的诊断任务提供更强的底座支撑。

值得注意的是"脱敏"二字。2.45亿张图像并非原始临床影像的简单堆积，而是经过脱敏处理（desensitization）后的数据资产。这意味着数据的获取与使用必须遵循严格的隐私合规路径，也预示着医疗数据规模化进程中，合规治理与技术创新是同一枚硬币的两面。

模型能力：视觉-语言双模态，超声诊断+报告生成一体

UltraUnion的另一特点是视觉-语言双模态架构。传统影像模型通常是"看图出结论"的单模态判别模型，而UltraUnion在识别超声图像特征的同时，能自动生成符合医学规范的文本描述——即把"看图诊断"和"书写报告"两个环节打通为一个闭环。

这一能力直击超声科室的痛点：超声检查高度依赖操作医生，而报告书写又占用了大量工作时间。视觉-语言大模型（Vision-Language Model, VLM）能同时建模图像与文本的对应关系，从影像中提取病变特征并转化为结构化、可读的自然语言报告，有望显著提升检查效率、缓解超声医师资源紧张。

多中心验证：脂肪肝/胆囊息肉/乳腺结节/甲状腺结节筛查场景评估

模型不是纸上谈兵，而是经过了多中心医生的实测评估。根据多中心医生评测结果，在脂肪肝、胆囊息肉、乳腺结节、甲状腺结节等筛查场景中，AI辅助后，基层和三甲初级医师的诊断效能均有提升。

这组验证场景的选择很有针对性。脂肪肝、胆囊息肉、乳腺结节、甲状腺结节都是基层体检和门诊中最常见、需求量最大的超声筛查项目，对初级医师的判读能力依赖高、误漏诊风险也相对集中。AI作为"第二意见"辅助初级医师提升诊断效能，正是医疗数据模型从实验室走向真实临床、下沉基层最有价值的应用路径之一。

千方视角：从「百万级」到「亿级」——医疗AI大模型训练的数据规模门槛与脱敏数据治理

从数据视角看，UltraUnion的2.45亿张图像代表了医疗AI发展的重要信号：训练数据的规模门槛正在发生质变。

一方面，模型能力与数据规模之间存在明显的正相关。当数据从百万级迈向亿级，模型才有足够的数据量支撑自监督预训练，从而具备通用特征表征能力，进而支撑视觉-语言等更复杂的多模态任务。这背后的算力、存储、采集和标注体系，也构成了新的人才与资源门槛——不是任何团队都能轻易跨越。

另一方面，数据规模的扩大使脱敏数据治理（data desensitization governance）成为核心挑战。2.45亿张医疗影像的采集、脱敏、存储、流转与使用，涉及患者隐私保护、数据安全合规、标注质量控制、数据质量审计等一系列系统工程。数据治理能力，决定了数据资产能否被安全、合规、高质量地转化为模型能力。对医疗数据从业者而言，这既是挑战，也是新的专业化分工机会——谁掌握了亿级脱敏数据的治理能力，谁就掌握了医疗AI时代的话语权。

从百万级到亿级，UltraUnion用2.45亿张脱敏超声图像验证了医疗数据规模化对模型能力的质变作用，也为医疗AI大模型的训练路径与数据治理提供了值得关注的样本。

---

千方医数集编辑部 出品