Midjourney 医疗

技术概念与可行性

• 该设备被描述为使用数十万换能器、在水中工作的“全身超声 CT”，可在约 60 秒内重建 3D 扫描。
• 一些有影像背景的人表示，USCT 确实存在，已用于研究和乳腺成像；浸没式方式可改善耦合（水-皮肤界面）。
• 放射科医生和成像工程师指出，与传统超声、CT 和 MRI 相比，当前样图细节较少，并质疑“达到 MRI 级或更好”的分辨率说法，尤其是对深部结构、肺部（空气）和大脑（颅骨阻挡声波）而言。
• 其他人质疑数据速率说法（每次扫描拍字节级）是营销包装；实际流程很可能会在 FPGA/计算节点上进行大幅降采样。

医疗价值、假阳性与过度诊断

• 许多发帖者认为，对无症状人群进行大规模全身扫描很可能有害：高假阳性率、“偶发瘤”、后续检查、活检、手术、焦虑以及系统负担的连锁反应。
• 讨论中反复提到贝叶斯定理：对于低患病率疾病，即使测试非常准确，也会产生大量假阳性。
• 反方观点：廉价、频繁的纵向扫描（观察随时间变化的趋势，而不是一次性快照）再加上更好的模型，或许最终能区分良性异常与危险变化，并从根本上推进医学认识。

监管、责任与“SPA”定位

• 有强烈担忧认为，将其营销为 spa/健康服务是在绕过 FDA/监管；质疑者表示，它应先在医院和临床试验中证明临床价值，而不是在医美 spa 中。
• 人们也在追问：由谁来解读扫描结果、漏诊由谁承担责任，以及非诊断性的“身体组成图”是否仍会被用户和部分医生以准医疗方式解读。

规模、经济性与目标用户

• 所谓目标（5 万台扫描仪、每月 10 亿次扫描能力）被普遍认为在数学和后勤上都不现实，原因包括扫描时间、清洁、人员配置和基础设施。
• 许多人认为早期采用者会是富有的生物黑客，而不是“十亿人”，并将其与高管体检和其他奢侈筛查服务相比较。

数据、隐私与 AI

• 有些人认为，其核心玩法是构建一个巨大的未标注影像数据集，用于训练健康模型（类似 LLM 训练文本数据）。
• 也有人对一家生成式图像公司掌握全身 3D 医疗数据感到不安，尤其是几乎没有提到隐私、治理或开放性。

总体情绪

• 整体偏怀疑，但态度混杂：对其野心和硬件表示钦佩，同时强烈联想到 Theranos，担忧炒作、缺乏临床证据，以及大规模过度诊断的风险。