← 返回首页

2026-04-27 · Dermatology / Clinical Imaging / AI Workflow

LesionFlow

把全身皮肤影像采集、病灶变化复核与随访召回串成一条连续工作流，让皮肤科筛查从经验密集型检查变成可规模化的临床操作面。

潜力评分 91/100

新闻来源

SquareMind Raises $18 Million to Redefine Skin Exams With Robotics and AI

SquareMind 宣布获得 1800 万美元融资，并推进 Swan 机器人皮肤成像平台在欧美市场的商业化。新闻真正释放的机会，不只是“用机器人给皮肤拍照”，而是皮肤科最高频、最容易被产能与记录质量拖住的筛查流程，终于出现了一层可标准化的软件工作台：把全身影像采集、可疑病灶对比、变化追踪、复诊召回与文档留存放进同一个连续界面。真正值得下注的，不一定是再造一台设备，而是做一层让诊所和医院每天都能更稳定完成高质量皮肤筛查的临床运营系统。

查看原文 ↗

为什么值得做

这件事现在值得做，是因为皮肤科正在同时面对三股已经足够具体的压力。第一，筛查需求持续增长。新闻直接提到皮肤筛查是 dermatology 里量最大的流程之一，而老龄化与皮肤健康关注度上升让门诊量继续往上走；但很多地区的等待时间已经按月计算。第二，真正拖慢规模化筛查的，不只是医生数量不够，更是全身检查和完整文档记录太吃时间、太依赖一致性。文章强调 80% 的黑色素瘤来自新病灶，这意味着“这次到底有没有完整看全、下次怎么和上次对比”比单次印象判断更重要。第三，机器人与 AI 已经把影像采集和复核支持推到可商用阶段：Swan 已 FDA-listed、CE-marked，说明市场开始接受“标准化采集 + AI 追踪 + 医生最终判断”的新流程。谁能先把这条筛查与随访链路产品化，谁就有机会成为皮肤科高频检查场景里的新入口。

LesionFlow 的创意不在于替代医生做诊断，而在于把皮肤科里最容易被忽视的“连续性”做成产品核心对象：不是一张张孤立的皮肤照片，而是同一位患者跨时间、跨部位、跨门诊的一条病灶变化时间轴。这样一来，设备负责稳定采集，AI 负责帮助对比和排序，临床团队真正操作的是一个围绕“哪里变了、谁需要复看、谁该被召回”的审阅与行动台。

Problem

要解决什么问题？

今天许多皮肤科诊所、医院皮肤中心和高端体检机构的痛点，并不是不知道全身皮肤筛查重要，而是很难在有限时间里把它做得稳定、完整、可复查。医生往往需要在门诊节奏、患者沟通、局部放大检查、图像记录和病历书写之间来回切换；一旦检查高度依赖人工拍摄与个人记忆，不同医生、不同时间点、不同地点之间的可比性就会明显下降。更麻烦的是，真正高风险的不是“这颗痣今天看起来怪不怪”，而是“和上次相比，哪里新长了、哪里变了、哪些患者不该在六个月后悄悄流失”。当影像采集、变化复核、随访召回和证据留存分散在不同设备、不同系统和不同人的脑子里时，筛查质量与诊所产能都会一起受限。市场缺的不是又一个图片归档工具，而是一层把标准化采集结果即时翻译成临床复核与运营动作的皮肤筛查操作面。

目标用户

  • 管理高量门诊筛查、色素痣随访与疑似黑色素瘤初筛的皮肤科诊所负责人、皮肤科医生与运营经理
  • 希望把体检中心、医院皮肤中心或多点门诊的全身皮肤影像流程标准化，减少漏检与文档缺失的医疗机构管理团队
  • 面向高风险人群做连续皮肤监测、复诊提醒与患者教育，但不想增加医生拍摄和整理负担的高端体检与预防医学团队

Signals

来自新闻的关键信号

  • 新闻明确指出皮肤筛查是 dermatology 里量最大的流程之一，说明这不是低频专科工具，而是能从高频临床动作切入的产品机会。
  • 文章提到等待时间已拉长到数月，且需求受老龄化与皮肤健康关注上升驱动，意味着产能瓶颈足够真实，买方痛点也足够强。
  • SquareMind 不是只做 AI 判读，而是把标准化全身 dermoscopic-level 采集自动化，说明市场价值正在从“图像识别模型”转向“高质量数据采集 + 连续复核流程”。
  • 80% 的黑色素瘤来自新病灶，这强化了跨时间对比与完整文档记录的重要性，也让随访与召回流程成为一等功能而不是附属模块。
  • Swan 已 FDA-listed 且 CE-marked，释放出一个关键信号：临床团队更容易接受“设备采集 + AI 辅助复核 + 医生保留最终判断”的组合式工作流。
  • 融资将用于美国与欧洲商业化，说明这不是科研原型，而是即将进入大规模落地阶段的真实市场窗口。

MVP

这个原型包含什么

如果有一个面向皮肤科与体检场景的轻量工作台，能把标准化全身皮肤影像、可疑病灶变化提示、复核优先级、随访计划与患者沟通记录统一到同一条时间轴里，那么诊所和医院会愿意接入它，因为它替代的是目前最耗时间、最容易遗漏、又最直接影响筛查吞吐量与早期发现质量的临床协同工作。

全身采集编排台

接收标准化影像采集结果后，自动按身体区域、采集轮次与患者身份整理成可审阅视图，帮助诊所把一次检查真正变成完整、可复查的数字化基线。

病灶变化分诊器

把新出现、明显变化或需要人工复看的病灶按风险与变化幅度排序，优先推给医生或护士处理，减少在海量图像里手动翻找的时间。

复核与处置时间轴

把病灶对比、医生备注、建议活检/观察/复诊决定与患者沟通记录放在同一条连续时间轴里，让临床判断和后续动作不再分散在多套系统。

随访召回引擎

依据病灶风险等级、既往变化历史和机构策略，自动生成 3 个月、6 个月或 12 个月复查计划，并提醒前台或护理团队完成召回与确认。

Interactive demo

三种最先能打动市场的使用场景

点击不同场景，查看从体验入口到北极星指标的 MVP 路线。

Use case

高量筛查门诊提吞吐

门诊不是不想做更完整的皮肤筛查，而是人工拍摄、定位与记录太慢，最后只能在质量和产能之间二选一。

  • 患者完成一次标准化全身皮肤影像采集后，LesionFlow 自动生成分区域检查面板与本次筛查基线。
  • 系统先把疑似新增或明显变化的病灶推到病灶变化分诊器顶部，医生优先复核高价值部分。
  • 检查结束后，复核结论、处置建议与病历摘要直接落到同一条时间轴，减少重复录入。
北极星指标：单日可完成筛查人数 / 单次筛查平均医生复核时长 / 完整影像归档率

Stack

当前技术栈

  • 第一阶段聚焦高量皮肤科诊所、医院皮肤中心与体检机构，不试图一开始覆盖完整病理、支付和广义 EHR 场景。
  • 数据入口优先接标准化全身皮肤影像、患者主索引、既往检查记录与基础排班/消息系统，先把影像对象、病灶对象与患者时间轴打通。
  • 算法层以变化检测、区域对齐、病灶聚类与复核排序为主，始终保留医生最终判断，不把系统包装成自动诊断器。
  • 产品形态以 Web 临床工作台为核心，主要对象包括 patient exam、body region、lesion candidate、review event、follow-up plan 与 recall task。
  • 输出层优先做复核队列、病灶时间轴、患者随访计划和机构级质控面板，而不是先做复杂报告自动化或保险理赔模块。
  • 商业验证先看筛查吞吐量提升、完整归档率、按期复诊率和高风险病灶处理时效，再决定是否向设备集成或多中心网络扩张。

Risks

主要风险

  • 临床场景对准确性和解释性要求极高，如果变化提示误报过多，会迅速侵蚀医生信任并增加复核负担。
  • 不同机构的影像采集流程、设备组合和病历系统差异很大，接入复杂度可能拖慢标准化部署速度。
  • 一旦产品越界到直接诊断建议，监管负担与临床责任边界会明显上升，因此早期必须把定位守在辅助复核与流程协同。
  • 患者隐私与长期影像存储合规要求高，跨院区时间轴和多站点质控需要足够强的数据治理能力。
  • 如果必须绑定特定硬件才能成立，销售周期会更长；软件层需要证明即便在不同采集设备条件下也能创造明确 ROI。

Next steps

如果继续迭代，接下来做什么