AI for Science

Midjourney Medical 全身超音波掃描儀:60 秒成像的豪賭與爭議

Midjourney 於 2026 年 6 月 18 日發表 Medical 全身超音波掃描儀:受測者浸入水槽,環形探頭 60 秒取滿全身資料,由 AI 重建成類 CT 影像。官方稱速度近百倍於 MRI,並引用「避免 30% 死亡」的說法,引發放射科醫師強烈質疑。

Midjourney Medical 全身超音波掃描儀:60 秒成像的豪賭與爭議 — 文章封面
本頁內容6 個段落
  1. 六十秒與數 TB 資料:掃描儀如何運作
  2. 「避免 30% 死亡」:行銷話術與臨床現實的落差
  3. 物理限制與過度診斷的隱憂
  4. Wellness 包裝:繞過 FDA 的策略?
  5. 對 AI 醫療產品團隊的啟示
  6. 參考來源

2026 年 6 月 18 日,以圖像生成模型聞名的 Midjourney 發表 Midjourney Medical:一部全身超音波掃描儀。受測者被緩緩沉入水槽,環形排列的超音波探頭從各角度同時取像,掃描約 60 秒,產生以 TB 計的原始資料,再由 AI 模型重建為低解析度、類 CT 的影像。官方的說法是,結果「看起來很像今天的 MRI,但速度接近一百倍」。

這不是模型更新,而是直接跨進醫療硬體。公告在 Hacker News 累積超過 1,300 點與 800 則留言,討論卻很快從驚奇轉向質疑:一家沒有醫療器材實績的公司,憑什麼宣稱翻轉診斷影像?對 AI 產品團隊來說,這是觀察「AI 重建」承諾與臨床現實落差的難得案例。

六十秒與數 TB 資料:掃描儀如何運作

裝置概念不複雜:水是超音波良好的耦合介質,把人浸入水槽、用一圈探頭環繞,就能同時從所有角度發射與接收聲波,避開手持探頭一次只能看一個切面的限制。原始資料量以 TB 計,必須靠深度學習模型把散射訊號重組成可用影像——這確實是 Midjourney 的 AI 老本行,官方也把整個問題框成「每秒每美元能取得多少身體資料」。

硬體細節目前只能靠外部拼湊。Hacker News 留言者指出,Midjourney 採購的是 Butterfly 掌上型 USB 超音波所用的同款探頭晶片,但規模說法不一:有人說是「40 顆同款晶片、從遠 200 到 400 倍的距離成像」,也有人解讀公告為「35 萬顆以上」的成像陣列。更關鍵的是,官方頁面展示的樣本全是假體(phantom)影像,還沒有人體臨床影像。有放射科醫師直言,那些「模糊的器官輪廓,離醫療可用非常、非常遠」。

「避免 30% 死亡」:行銷話術與臨床現實的落差

公告中最爭議的一句話,是「早期影像可以讓全世界避免 30% 的死亡與 50% 的醫療支出」。在 HN 討論中回應的放射科醫師直接批評這個數字與臨床現實脫節。問題不在早期診斷有沒有價值,而在把篩檢好處外推到全身、全年齡,等於假設所有疾病都適合早篩早治——醫界早已知道事實並非如此。

Theranos 的類比在討論串反覆出現:先有大膽的健康承諾與漂亮頁面,卻不見研究論文與同儕審查資料。「研究論文在哪?同儕審查的文章在哪?」是留言區最常見的提問。這個順序問題對醫療器材是致命傷:臨床證據不是上市後的補作業,而是上市的前提。

物理限制與過度診斷的隱憂

超音波無法有效穿透含氣的肺部、緻密的骨皮質與脹氣的腸道——這正是肺癌篩檢採用低劑量 CT 而非超音波的原因。號稱「全身」成像,先天就存在看不到的區塊,模型再強也不能憑空補出沒收到的訊號。

更實際的風險是過度診斷。全身掃描必然挖出大量偶發瘤與假警報;留言者引用乳房攝影的經驗,其陽性預測值僅 10–15%,也就是說九成被標記異常的個案追蹤後並非癌症。對健康人做大規模全身篩檢,衍生的侵入性檢查、焦慮與醫療成本,可能遠大於收益。工程面上還有兩個被點名的疑慮:影像重建依賴外部伺服器運算,資料主權與可用性都繫於雲端;深度學習重建在受測者不符合訓練資料分布時表現會失效,而 Midjourney 目前沒有公開驗證方法。

Wellness 包裝:繞過 FDA 的策略?

Midjourney 把首批裝置定位在 spa 等級的「健康」體驗而非診斷器材,目標客群是 biohacker 與自我量化愛好者,評論者的總結是「這是 spa,不是診所」。討論區的一種解讀是:刻意先以 wellness 裝置上市,延後觸發 FDA 的醫療器材審查。這條路並不新鮮——從消費基因檢測到心率手環,都走過「只量測、不診斷」的灰色地帶。

但掃描儀輸出的是器官級影像。一旦行銷開始暗示「及早發現疾病」,wellness 與 diagnostic 的一字之差就會被監管機關逼著劃清楚,屆時 FDA 的器材審查、臨床證據要求都會一次補上。

對 AI 醫療產品團隊的啟示

第一,AI 重建不是魔術:輸入訊號的物理極限(聲波穿不透的組織)不會因為模型變強而消失,產品宣稱必須對物理負責。第二,證據順序不能顛倒:先發表論文再上市,是醫療圈建立信任的底線;反過來走,幾乎必然付出監管與商譽代價。第三,定位決定監管:wellness 與 diagnostic 的一字之差,決定 FDA 是否介入,也決定行銷能說什麼、不能說什麼。

Midjourney 的生成模型實力無庸置疑,但診斷影像的戰場比生成圖像殘酷:對手不是美感,而是假陽性率、過度診斷成本與數十年累積的臨床證據。這場豪賭值得所有投入 AI 醫療的團隊盯著看。

參考來源

本文由 AI 協助自上述來源整理,經人工審核後發布。

這篇內容對你有幫助嗎?

支持本站繼續整理實用的 AI 文章、教學與開發筆記。

請我喝杯咖啡
分享X電郵