NTL HEALTHCARE 推出本地部署AI宫颈筛查平台 CerviCARE AI AT，让医疗数据不出院

文/IAICA.NGO®

女性健康人工智能企业 NTL HEALTHCARE 宣布，旗下人工智能宫颈筛查系统 CerviCARE AI 的本地部署版本 CerviCARE AI AT 面向全球市场发布。该版本以院内运行、数据不出院为核心设计思路，将AI图像分析与相关数据管理环节整体迁移至医疗机构自身的信息技术环境之中。

CerviCARE AI 的基本功能是借助人工智能对宫颈图像进行分析，为医疗专业人员在宫颈筛查中的临床判断提供辅助。此次推出的 AI AT 版本并未改变这一定位，而是在部署形态上作出调整：系统安装在医疗机构内部的个人电脑上，无需配置专用服务器，也不依赖云端基础设施即可运行。这意味着宫颈图像及相关信息在医院之外传输与存储的必要性显著降低，机构可以在自有IT环境中完成数据管理，对数据的掌控程度相应提高。

本地化部署回应数据治理关切

伴随医疗AI落地范围扩大，医疗机构的评估维度正在发生变化。算法准确率与临床价值固然是采购决策的前提，但医疗数据在何处处理、如何存储、由谁管理，同样成为合规与伦理审查的关键环节。多数司法辖区对患者健康信息设定了严格的本地化与最小必要原则，跨境传输往往需要额外授权与安全评估，云端存储的保留期限与二次使用边界也常被追问。在这一背景下，把推理过程留在院内网络，成为部分机构愿意接受的技术路径。

NTL HEALTHCARE 首席执行官 Tae-hee Kim 表示，随着医疗AI在全球范围内的采用持续增长，医疗机构不仅关注AI性能，也越来越重视医疗数据在其自身IT环境中如何被处理与管理；CerviCARE AI AT 在保留原有核心能力的同时，为机构提供了一种新的部署选择。他同时提到，该版本的全球发布是 CerviCARE AI 平台的一次扩展，公司将继续扩充灵活的部署选项，以适配不同机构的IT环境、安全策略与数据管理要求。

SaaS与本地并行，形成部署组合

值得注意的一点是，AI AT 并未取代原有的软件即服务版本。CerviCARE AI AT 保留了既有SaaS版本的核心AI分析能力与主要功能特性，医疗机构可在两者之间依据自身IT基础设施条件、内部安全政策与数据管理需求进行选择。对资源有限、缺乏本地运维力量的基层机构而言，云端方案在部署速度与维护成本上仍有优势；而对数据敏感度高、网络条件受限或监管要求严格的机构，本地版本则提供了可行替代。两种形态并行，实际上是把选择权交回机构一侧。

DICOM生成补齐影像互操作环节

新版本另一项实质性变化是引入 DICOM 文件生成能力。该功能可将宫颈图像及相关信息转换为 DICOM 文件，使其能够以标准化的医学影像格式被存储和管理。DICOM 是医学影像领域的通用标准，与影像归档与通信系统（PACS）对接后，筛查图像可以进入医院既有的影像工作流，与放射、超声等模态共享同一套归档、调阅与随访机制。对医疗机构而言，这降低了AI系统成为数据孤岛的风险，也为后续的质量控制、病例复核与多学科会诊提供了接口基础。

不过，本地部署亦非没有代价。模型迭代与版本更新需要机构配合完成，算力受限于本地终端配置，跨院区的多中心数据协同与模型持续学习能力相对受限；终端设备的安全加固、权限管理与审计日志也仍需机构自行承担。因此，部署形态的选择更像是安全、成本与效率之间的权衡，而非单一方向的替代。

部署选择背后的行业趋势

从更宏观的视角看，医疗AI的竞争焦点正从单纯的算法指标，转向算法、交付方式与数据治理的组合能力。宫颈筛查作为覆盖人群广、随访周期长的公共卫生项目，对数据留存年限与跨机构流转有较高要求，部署弹性因此具有现实意义。iaica.com.cn 认为，在监管趋严与机构自主意识增强的双重推动下，能否提供可切换、可审计、可融入既有影像工作流的部署方案，将逐渐成为医疗AI产品进入机构采购清单的隐性门槛。

需要指出的是，本地部署并非适用于所有场景。宫颈细胞学与阴道镜图像的分析质量高度依赖采集端的成像条件，若终端设备规格参差，模型输出的稳定性可能受到影响；而在缺乏集中式运维的情况下，版本一致性管理也会给多院区集团带来新的管理成本。对于希望通过集中化平台统一质控的卫生健康主管部门而言，云端架构在数据汇聚与人群级筛查监测上仍有不可替代的价值。

截至发稿，NTL HEALTHCARE 未披露 CerviCARE AI AT 的具体定价、已覆盖地区的监管认证范围以及已签署的合作机构数量。这些信息的缺失，意味着该版本在不同市场的实际落地节奏仍有待观察，其与既有SaaS版本的业务占比变化也需更长时间的数据加以验证。

评论

0 条

登录后才可以发表评论。

立即登录

暂无评论，快来抢沙发。