目錄

• 你可能想知道
• 主要議題
• 重點摘要表
• 後續……

你可能想知道

新的超音波硬體、水體浸泡與 AI 組合，是否能在極短時間內產生與 MRI 同等細節的全身掃描？

如果快速、便宜且無輻射的全身影像能廣泛取得，對公共衛生與醫療成本會帶來什麼影響？

主要議題

Midjourney——原本以其 AI 驅動的影像生成平台聞名的公司，宣布大幅擴展至醫療影像領域，成立名為 Midjourney Medical 的新部門。該公司不再僅專注於生成模型與視覺創作，而是打算開發一套他們稱為「超聲 CT」的全身影像系統。這套系統結合高密度的超音波換能器陣列與先進的 AI 基礎影像重建技術，以在無電離輻射或強大磁場的情況下，快速產生三維人體掃描。

根據 Midjourney 表示，擬議的掃描儀將把人浸沒在注滿水的艙室中，並將其垂直移入一個包含大約 500,000 個超音波發射與接收元件 的環狀結構中。這些元件將以協調的週期運作——發射聲脈衝、接收回波、壓縮原始訊號，並將資料串流至大型運算集群。在那裡，數千個處理器將協同使用經過訓練的機器學習演算法，將超音波資料重建為具有臨床意義的體積影像。

Midjourney 宣稱該技術可在大約 60 秒內產生類似 MRI 的影像，與傳統全身 MRI 常需 30 分鐘或更長時間相比，速度有顯著縮短。公司將此速度視為推動更廣泛族群篩檢與例行健康監測的門檻。他們表示的雄心是在六年內於全球布署約 50,000 臺掃描儀，並利用分散式感測器艦隊執行極大規模的掃描作業——根據公告規模可達每月約十億次全身掃描。

為了向公眾推介該技術，Midjourney 計畫在舊金山建立一個面向消費者的「Midjourney Spa」，預定於 2027 年底開放。該 SPA 被描述為結合熱水浴、三溫暖、冷水浴和專用掃描房間的健康設施。Midjourney 打算隨後擴展此概念，利用初期場域蒐集資料、精進演算法，並展示使用體驗與系統的臨床可靠性。

在技術上，這種方法依賴三項互動的進展：高密度超音波感測陣列、大規模分散式運算，以及以 AI 為基礎的重建模型。超音波的吸引力在於它使用非電離的聲波；與涉及 X 光的 CT 掃描相比，通常更安全且具可攜性。然而，傳統超音波高度依賴操作者，並且在穩定提供全身覆蓋與可視化體內深處構造方面有其限制。Midjourney 的構想旨在以全面自動化的感測環取代手動探頭定位，並運用機器學習合成可解讀且一致的體積影像，以克服這些限制。

Midjourney 表示，未來一年將投入研究試驗、演算法開發與硬體精進。初期提供的服務可能集中於較不受監管的輸出，例如身體組成圖與健康分析，同時追求診斷宣稱所需的正式監管核准。公司將此分階段策略定位為技術必要與建立使用者熟悉度及取得監管級表現所需資料集的辦法。

此舉將 Midjourney 置於一群日益增多、瞄準醫療保健的 AI 開發者之中，但其獨特之處在於強調影像硬體，而非僅僅是軟體工具。其他公司與平台已推出診斷輔助、臨床文件工具或語言模型驅動的健康產品；Midjourney 預期透過掌控整個技術堆疊——感測器、運算與重建影像的 AI 模型——來區隔競爭，主張此整合可降低篩檢與監測應用的成本並提高通量。

Midjourney 宣稱與快速影像的大規模可得性相關的宏大公共衛生目標。公司推測，廣泛的早期影像可能顯著降低死亡率與醫療支出，並提出若早期檢出與預防性介入擴展，死亡率可能降低多達 30%、醫療成本可能降低多達 50%。這些數字屬於願景性估計，實際成效將取決於診斷準確性、後續照護、醫療體系容量與公平取得等眾多因素。

值得注意的是，前方存在實務與監管挑戰。用於診斷的影像方式必須符合嚴格的安全性、敏感性與特異性標準。臨床驗證需要精心設計的試驗，與 MRI、CT 等既有方式比較，並在各司法管轄區接受監管審查。即使硬體與 AI 能提供高品質影像，影像解讀流程、與電子病歷的整合、給付模式及臨床醫師接受度等都將影響採用情況。

倫理、隱私與資料治理議題也值得關注。分散式影像掃描儀網路產生大量資料集，會帶出知情同意、安全儲存、將資料作為模型訓練之次級使用，以及防止濫用等問題。若要按 Midjourney 描述的規模部署此類系統，確保透明的驗證、外部稽核與明確的治理機制將是必要的。

總結來說，Midjourney 從創意 AI 轉向醫療影像，代表一項雄心勃勃的嘗試，欲結合感測器密度與 AI，使全身影像更快速、更安全且更易取得。該提案結合了新穎的硬體概念與大規模運算及機器學習；若能證明臨床療效、安全性與符合倫理的部署並獲得適當監管，便有望帶來可觀的公共衛生效益。

重點摘要表

後續……

該公告提出若干未來技術與科學探索方向。首先，需要在高通道數的超音波硬體與低成本、低雜訊換能器製造方面有所改善，以使高密度感測陣列實用且負擔得起。其次，分散式運算架構與即時壓縮的進展對於管理此類系統所產生的龐大資料量至關重要。第三，針對物理知識導向重建的機器學習模型的進展——將聲波傳播物理作為先驗知識的模型——可能提升影像的可靠性與可解釋性。

從臨床與公共衛生角度，應優先進行嚴謹的驗證研究，將新型態與 MRI、CT 及超音波進行比較，並研究當例行影像整合到預防性照護路徑時，對健康結果的影響。同樣重要的還有隱私保護的資料共享技術、聯邦學習與透明稽核機制的發展，以確保信任與公平受益。

最後，工程師、臨床醫師、監管機構、倫理學家與病患代表之間的跨領域合作，對於將有前景的技術構想轉化為安全、有效且廣泛可得的醫療實務至關重要。硬體、演算法、臨床驗證與治理等領域的持續探索，將決定快速、AI 驅動的全身影像能否實現其改善早期檢出、降低成本並擴大診斷資訊取得機會的潛力。

本文摘要 Midjourney 所公布的方向，並強調將影響其發展與潛在影響的技術、臨床與倫理面向。