从内镜设备到各类植入类医疗器械，工艺制造与软硬件算法一体化能力直接决定了产品的安全性能与临床使用稳定性。
2026年9月2日上午，在2026 Medtec “医疗粘接与焊接先进技术研讨会”上，深圳开立生物医疗科技股份有限公司创新研究中心负责人、总监周国义先生发表了题为《AI场景化赋能消化内镜设备——从图像增强、辅助质控到辅助诊断》的主题演讲。
周国义总监的核心论点是：AI医疗设备与算法的成功落地，必须依赖“算法、软件、硬件与高性能AI引擎”的一体化设计，通过将医生的先验知识与临床诊断思维深度嵌入算法架构，实现“人机共检”的自然融合，在不干扰医生正常诊断流程的前提下，全面提升内镜图像质量、质控水平与诊断精度。
1 坚守全链条自主研发与软硬件算法一体化设计
周国义总监介绍，开立医疗始终坚持从核心传感器、探头到整机及图像处理流程的全链条自主研发。
基于国内医疗器械注册法规要求，AI医疗器械发证明确要求算法与特定主机和传感器硬件深度匹配（开立曾获国内首张产前超声人工智能医疗器械证XPuS）。若研究机构仅单炼算法而缺乏与硬件的一体化设计，将面临测试因素复杂、无法通过法规认证的落地瓶颈。
2 推出IEndo AI Box 1.0，实现图像实时超分与自然嵌入式辅助质控
开立自研内镜模型并推出内镜AI盒子，具备超低延时（处理延时控制在50毫秒以内）及全链兼容特性，能无缝嵌入医生工作流。
在图像增强方面，通过攻克实时超分算法难题，补齐狭窄内镜镜头造成的高频信息丢失，实现清晰观察血管内红细胞流动的真实呈现。
在辅助质控方面，1.0版本覆盖上消化道31个部位的盲区监测与解剖示意，配合进镜速度与时间控制，以余光可见的雷达图和矩形框进行提示，绝不遮挡或干扰医生观察。
3 升级IEndo AI Box 2.0，模拟医生思维走向精准辅助诊断
开立AI 2.0功能从质控延伸至辅助诊断与报告生成，涵盖HP感染、胃炎特征因果推理、肠化生与萎缩辅助诊断、息肉分型追踪及BBPS分区分段清洁度评分。
算法模拟医生“先筛选可疑、得出初步结论、再围绕周边特征寻找证据”的临床思考逻辑，并在器械介入时自动隐藏提示框。
周国义总监总结指出，AI的定位不是替代医生，而是以“人机共检”为核心，将AI的图像计算能力与医生的先验知识结合，实现发现与防漏的双重赋能。