Henry Schein One 在亚马逊云科技上构建实时牙科影像质量核查系统

Henry Schein One 在牙科诊所管理软件 Dentrix 与 Dentrix Ascend 中嵌入了 Image Verify 功能。技师完成 X 光拍摄后，系统立即调用多模型推理流水线，自动识别影像类型（如咬翼片、全景片、根尖片），再由专项模型分别评估锐利度、对齐度、覆盖范围与完整性，最终汇总为 1 到 5 分的质量评分。整个流程中位数延迟为 1.4 秒，P90 为 2.2 秒，错误率维持在 0.01%，已能无缝嵌入临床拍摄节奏。

Image Verify 的定位是质量评估而非疾病诊断，只回答“这张影像是否足以用于临床”这一单一问题。这一边界设计使团队能够在不涉及诊断类监管约束的前提下快速迭代，从 2025 年秋季概念立项到大规模生产部署仅用了六个月。系统在 250 家诊所上线后不到半年即扩展至超 1 万家，单周处理量稳定在 150 万张 X 光片。

在基础设施层面，团队选择了 Amazon SageMaker AI 的异步推理模式，按队列深度而非 CPU 利用率触发自动伸缩，更贴合 GPU 工作负载的弹性特征。GPU 实例从 ml.g6e.4xlarge 升级到 ml.g7e.4xlarge 后，中位数延迟从 1.687 秒降至 1.432 秒，实例数量由 15 台缩减至 10 台，基础设施规模压缩 33% 的同时响应更快。

为支持高频迭代，团队搭建了基于真实生产流量的 A/B 验证框架，每次变更先在小流量上验证再全量发布，实现了零停机日更。借助 AWS Cloud WAN，网络层在美、欧、加、亚太四大区域保持一致的部署体验，使全球 4 万家诊所的扩展路径具备可复制性。

对一线诊所而言，该方案直接削减了患者回访频次、提升了理赔通过率，并为新技师提供了即时的拍摄反馈。Henry Schein One 副总裁 Troy Miller 评价，从构想到规模化部署仅用半年，核心在于工作流设计与临床场景贴合得足够紧密。

要点

• Image Verify 在 X 光拍摄瞬间给出 1 至 5 分质量评分，把质量反馈从“事后”前移到“当场”，减少患者重复就诊。
• 系统累计处理逾 1100 万张 X 光片，单周增量 150 万张，已覆盖超 1 万家诊所，正向全球 4 万家规模扩展。
• 整条推理链路中位数延迟 1.4 秒、错误率 0.01%，异步推理与队列深度驱动的自动伸缩是兼顾速度与成本的关键。
• GPU 实例从 g6e 升级到 g7e 后，延迟下降同时实例数量减少 33%，实现性能与成本双优化。
• 该系统定位为质量评估而非疾病诊断，由此绕开了诊断类 AI 的监管约束，得以在数月内完成从概念到规模化部署。