某日清晨，在美国犹他州一处偏远的乡村里，一位孕妇醒来，习惯性地等待胎动，却迟迟没有感受到任何动静。这里属于典型的“医疗资源匮乏区”，在美国约30%的地区缺少妇科医生，最近的医院也在约500英里之外。
当迟迟没有胎动，她就会立刻拨打医疗机构电话，护士会询问一连串问题，比如饮食、饮水和身体感受等，随后还要踏上漫长而紧张的急诊之路。
但这一次，她没有拿车钥匙，而是拿起一台手持设备。涂上凝胶后，她将探头贴在腹部缓慢移动，不再依赖现场医护人员，而是由设备中的边缘AI实时引导。
设备会发出提示。当动作过快时，会提醒她放慢速度；当探头位置错误时，会立即指出正在采集的是她自己的心跳，而不是胎儿信号，引导她调整操作，比如“增加凝胶”“更换位置”，直到获取到符合临床标准的影像。
不到三分钟，扫描完成。设备在本地即可实时处理8到10项关键参数，无需云端即可判断风险，并将数据实时传给医生，医生远程确认异常后立即启动救援。
把医院搬回家，破解偏远地区看病难
医疗正在从原本医院里洁净、可控的诊疗环境，逐渐走向患者的家庭。这一变化在医疗资源不足、缺乏妇科医生和超声医生的地区尤为重要。在这些地方，患者可能距离最近的医院非常远，依靠频繁往返医院做影像检查很难实现。
为弥补这一差距，Pulsenmore等公司正在探索新的方式，让患者在家中也能操作复杂的医疗设备。但把超声探头这类专业设备交给普通人使用，会明显影响检查的可靠性。要在大规模应用中保证医疗质量，关键是把边缘AI直接嵌入设备，在本地实时指导操作，确保每一次扫描都能用于临床判断。
为什么居家医疗设备必须用“边缘AI”
在家庭医疗设备的设计中，核心挑战是确保采集到的数据能达到医院级别的准确性。但如果依赖云端处理，就会遇到一个关键问题：延迟。在传统云架构中，数据需要上传到远程服务器处理，再返回给设备，这一过程通常需要几秒时间。而在超声检查中，患者正手持探头在身体上移动，这几秒已经足以影响结果判断。
将计算放在设备本地的边缘端，可以实现几乎实时的反馈。这种即时性对安全和诊断准确性至关重要。例如，当孕妇不小心把探头从腹部移到胸口时，边缘AI可以立刻提醒她位置错误，避免把自身心跳误认为胎儿信号，从而导致误判。
此外，高分辨率超声设备每秒产生约25帧图像，全部上传云端处理成本高、延迟大、效率低。通过采用类似 Synaptics Astra™ 这样的AI原生嵌入式计算平台，设备可以在本地快速处理关键数据，让医生几乎实时获得高质量、有效的信息。
打造“智能协同操作”，实现实时用户引导
患者自主操作设备的最大挑战，在于操作本身带有很强的主观性。超声成像质量很大程度取决于“手如何移动探头”，而患者的体型、孕周、按压力度等因素，都会显著影响最终结果。要让设备稳定可靠，工程设计必须在硬件与用户之间建立一种“智能协同”。
这一点通过边缘AI的实时引导实现。系统会监测用户的操作动作和使用状态，并通过手机应用给出语音和视觉提示，让扫描过程尽量标准化。例如，当探头移动过快时，系统会提示放慢速度；当超声耦合不足、凝胶不够时，设备会提醒增加凝胶。通过这些即时反馈，即使是首次使用者，也能在较短学习后获得相对稳定、可用的医学影像。这种实时质量控制，不仅降低了操作失误，也能减少临床中偶尔出现的漏诊或误差，比如疲劳状态下的检查疏漏。
硬件的平衡难题
在医疗边缘AI设备的开发中，工程设计需要在多个因素之间找到微妙平衡。Elazar Sonnenschein，Pulsenmore 首席执行官将这一挑战形容为“四个角的毯子”：算法复杂度、内存需求、算力性能和成本，任何一方都不能被忽视。
由于家用医疗设备通常只覆盖一个孕期或特定治疗周期，因此必须具备成本可控的特点。与医院中可长期使用的设备不同，家用超声设备可能只使用几个月就不再需要，这就要求芯片既要有足够性能，又不能达到高端服务器芯片的成本水平。
Pulsenmore 与 Synaptics 的合作，正是在寻找这一平衡点：选择原生具备安全能力且功耗低的芯片，同时还能支撑复杂AI模型运行，让设备在家庭场景中既可靠又可负担。
Synaptics 团队基于 Astra™ 嵌入式处理器产品组合，结合本地工程、销售与产品团队的协同评估，在性能、合规要求与成本之间找到合适平衡，确保设备既满足医疗级可靠性，又不会因为成本过高而无法进入家庭市场。
以安全与合规为前提，建立高标准
要让一款医疗级边缘AI设备真正可靠，必须满足严格的临床和监管要求，这不仅仅是功能可用，还要证明AI稳定、无偏且准确。
- 一致性：在相同的临床情况下，算法必须给出一致的结果。
- 低偏差：系统需要在多样化人群中验证，确保不同体型、背景的用户都能稳定使用。
- 零幻觉：在医疗场景中，AI不能生成不存在的结果，例如没有心跳却显示心跳，或将单胎误判为双胎。
要达到这样的标准，需要依赖大规模数据训练模型。Pulsenmore 的模型基于数亿张图像、数十万次扫描数据进行训练，使AI能够识别各种临床边界情况和异常，例如胎心率低于100或高于160次/分钟等潜在风险信号。通过大量临床数据和测试验证其可靠性，开发者才能满足美国 FDA 及国际医疗标准的要求。
一个目标：用技术守护家庭
联合撰写
Elazar Sonnenschein博士
Elazar Sonnenschein博士是一位企业家和高管，在医疗器械行业拥有丰富的经验。他是Pulsenmore有限公司的创始人兼CEO，领导开发并成功将一款创新的家用超声解决方案推向市场，获得了美国食品药品监督管理局（FDA）的全新上市许可，并通过与包括GE医疗在内的战略合作，推动了该产品在国际医疗保健市场的普及。在创立Pulsenmore之前，Elazar曾担任Medigus有限公司的CEO兼首席运营官。在其职业生涯早期，Elazar曾在Green Software House担任高级领导职务。他拥有内盖夫本-古里安大学的工程学博士、硕士和学士学位，并在声学和医学成像领域发表了众多论文并拥有多项专利。