摘要： Midjourney 於 2026 年 6 月 18 日推出全身超音波掃描儀，受測者浸入水槽後由環形探頭取像，過程約 60 秒並累積 TB 級資料，再由 AI 重建成近似 CT 的低解析度影像。文章指出目前公開樣本都是假體而非人體臨床影像，並質疑物理盲區、過度診斷、監管定位與缺乏同儕審查證據。
2026 年 6 月 18 日，全身超音波掃描儀 Midjourney Medical 問世，背後推手是以圖像生成模型打響名號的 Midjourney。掃描時，受測者會被緩緩浸入水槽，一圈環形排列的超音波探頭同時從各個方向取像，過程約 60 秒，累積出的原始資料以 TB 計，接著交由 AI 模型重建成解析度偏低、外觀近似 CT 的影像。官方對成果的形容是「看起來很像今天的 MRI，但速度接近一百倍」。
這回端出的不是新一輪模型改版，而是公司頭一次踏進醫療硬體領域。消息在 Hacker News 上累積了超過 1,300 點與 800 則留言，風向卻很快由讚嘆轉為存疑：一家在醫療器材圈毫無資歷的公司，憑什麼宣稱要翻轉診斷影像？對投入 AI 產品的團隊來說，這是一個極難得的即時案例，足以看清「AI 重建」的承諾與臨床現實之間隔著多遠。
掃描儀的運作原理：60 秒、TB 級資料
這套裝置的原理說穿了很直白。水對超音波而言是理想的耦合介質，讓人待在水槽裡、四周用一圈探頭包圍，系統就能在同一時間對所有角度發射並接收聲波，不必受手持探頭一次只能看一個切面的束縛。TB 級的原始資料，得靠深度學習模型把雜亂的散射訊號重新組合成可判讀的影像——而這恰好是 Midjourney 積累多年的 AI 本業，官方也把整件事定義成「每秒每美元能取得多少身體資料」。
硬體規格部分，外界眼下只能東拼西湊。Hacker News 留言者判斷，Midjourney 買進的是與 Butterfly 掌上型 USB 超音波同一款的探頭晶片，但數量規模眾說紛紜：一種說法是「40 顆同款晶片、從遠 200 到 400 倍的距離成像」，另一派則把公告讀成擁有「35 萬顆以上」成像元件的陣列。更要緊的是，官方頁面展示的樣本清一色是假體（phantom）影像，人體臨床影像至今一張也沒有。一位放射科醫師說得毫不客氣：那些「模糊的器官輪廓，離醫療可用非常、非常遠」。
從「避免 30% 死亡」看行銷語言與臨床現實的距離
整份公告裡招致最多反彈的，是「早期影像可以讓全世界避免 30% 的死亡與 50% 的醫療支出」這句話。在 HN 討論串中回應的放射科醫師直指這個數字跟臨床現實對不上。爭議的重點不是早期診斷有無價值，而是把篩檢效益一路外推到全身、全年齡，等於預設每一種疾病都適合早篩早治——醫學界早就清楚，實情並非如此。
討論串裡一再被拿出來對照的是 Theranos：同樣是先端出氣魄十足的健康承諾與精美頁面，研究論文和同儕審查資料卻遍尋不著。「研究論文在哪？同儕審查的文章在哪？」是留言區出現次數最多的疑問。對醫療器材來說，這種順序顛倒足以致命：臨床證據是取得上市資格的先決條件，不是上市之後補交的作業。
物理極限，與過度診斷的雙重陰影
含氣的肺部、緻密的骨皮質、脹氣的腸道，全都是超音波難以有效穿透的部位——肺癌篩檢之所以選低劑量 CT 而不用超音波，原因正在這裡。既然標榜「全身」成像，天生就存在掃不到的盲區，模型能力再強，也無法無中生有地補出從未被接收到的訊號。
更貼近現實的隱患是過度診斷。只要替全身做掃描，勢必翻出一大批偶發瘤與假警報。留言者舉乳房攝影的數據為證：其陽性預測值只有 10–15%，換句話說，被標為異常的個案裡有九成在後續追蹤後證實與癌症無關。替健康族群進行大規模全身篩檢，伴隨而來的侵入性檢查、心理焦慮與醫療支出，很可能遠遠蓋過得到的效益。工程面同樣有兩項顧慮被點出：影像重建要靠外部伺服器完成，資料主權與系統可用性全都押在雲端上；深度學習重建一旦遇到偏離訓練資料分布的受測者便會失準，而 Midjourney 至今沒有公布任何驗證方法。
包上 wellness 外衣：這是在避開 FDA 嗎？
首批裝置被 Midjourney 定位成 spa 等級的「健康」體驗，而非診斷用途器材，鎖定的對象是 biohacker 與熱衷自我量化的族群；評論者一句話概括：「這是 spa，不是診所」。討論區裡有一種讀法把這步棋視為刻意為之：先以 wellness 裝置的名義問世，把觸發 FDA 醫療器材審查的時點往後拖。這條路早有人走過——消費基因檢測、心率手環，都經歷過「只量測、不診斷」的模糊地帶。
然而這台機器輸出的是器官等級的影像。行銷只要開始暗示「及早發現疾病」，監管機關就會逼著把 wellness 與 diagnostic 之間一字之差劃分明白，FDA 的器材審查與臨床證據要求屆時會一併補齊。
這場豪賭給 AI 醫療產品團隊的三堂課
其一，別把 AI 重建想成魔術：輸入訊號的物理上限（聲波穿不過的組織就是穿不過）不會隨模型進化而消失，產品宣稱終究得接受物理檢驗。其二，證據的先後順序不容倒置：論文先發表、產品再上市，這是醫療圈累積信任的基本功；順序一反，賠上的幾乎必然是監管與商譽。其三，定位左右監管：wellness 與 diagnostic 一字之差，就足以決定 FDA 會不會上門，也決定行銷哪些話講得、哪些講不得。
論生成模型的功力，Midjourney 無人會質疑；可診斷影像這個戰場遠比生成圖片險惡，較勁的對象不是美感，而是假陽性率、過度診斷的成本，以及數十年堆疊出來的臨床證據。所有想投入 AI 醫療的團隊，都該緊盯這場豪賭的後續。