首發 | 獲聯想創投近2000萬元首輪融資,視見醫療:將人工智能融入醫學影像

來源:i黑馬 2017-07-14 08:04:00

首輪融資將主要用於核心團隊的組建、技術和產品的研發與完善等。

7月14日,黑智獲悉,深圳視見醫療科技有限公司宣布完成近2000萬元人民幣首輪融資,由聯想創投領投。在此之前,視見醫療曾獲得香港科技創新署的數百萬元港幣資助。視見醫療科技創始人兼首席科學家陳浩透露,首輪融資將主要用於核心團隊的組建、技術和產品的研發與完善等。

視見醫療成立於今年2月,是一家將人工智能和醫學影像分析技術應用於輔助診斷的科技公司。但在短短的4個多月內,據悉,視見醫療科技已與四川大學華西醫院、廣州中山大學腫瘤醫院、香港威爾斯親王醫院等十餘家一流三甲醫院達成戰略合作。同時,視見醫療也是創業黑馬&黑智評選的《2017年度最具商業價值人工智能公司TOP50》榜單入選公司。

▍ “職業選手”組隊

醫療,正成為人工智能技術落地應用,最具想象力的領域之一。圖像識別是人工智能技術最先取得突破的領域之一,目前在人臉識別、自動駕駛、圖片搜索等領域已經得到了廣泛應用,而人工智能+醫學影像,也成為人工智能和醫療結合的趨勢中,最先可能得到發展的領域之一。

在人工智能和圖像識別領域的研究,香港中文大學在國內處於領先位置。而視見醫療的創業契機,也是從這裏發軔。

視見醫療最早由香港中文大學醫學影像計算分析實驗室孵化,視見醫療創始人、首席科學家陳浩,博士就畢業於香港中文大學計算機科學與工程係。立足於港中大在計算機醫學影像技術上的豐厚資源,陳浩在博士期間,就在CVPR, MICCAI, AAAI, MIA,IEEE-TMI, NeuroImage 等頂級會議和期刊發表了數十篇論文,其中三維全卷積神經網絡相關論文獲得2016 MIAR最佳論文獎。同時,他還擔任了NIPS, MICCAI, IEEE-TMI, NeuroImage等國際會議和期刊審稿人。2014年以來,陳浩帶領團隊在數十項國際性醫學影像分析和識別挑戰賽中,戰勝來自頂尖企業和醫學影像研究機構的強勁對手,獲得全球冠軍。

而視見醫療最大的技術支撐,來自其聯合創始人、出任榮譽董事長的王平安教授,他是教育部長江學者、香港中文大學計算機科學與工程係教授,也是深度學習和醫療影像結合領域的技術大拿,我國的首個“虛擬可視人”就是由王平安教授帶隊研發,首次在個人計算機平台上實現對超高分辨率可視人數據的高度交互及逼真的可視化。

在加入視見醫療、擔任CEO之前,王峰是聯想集團副總裁,已經在聯想工作了18年。而之前曾有過一次創業經曆的他,在麵對人工智能第三次浪潮時,再次按捺不住加入創業團隊的衝動。“這將是一波比當年的互聯網更大、影響也更深遠的技術浪潮。”王峰說,“而人工智能在醫療這個方向的應用,則是其中市場規模和成長空間最為廣闊的領域之一。”

將人工智能應用於醫療影像領域,正成為國內外關注的創業方向。IBM斥資10億美元收購了醫療影像處理公司Merge,將之整合進IBM Waston係統,而在國內,近兩年,也有一批相關的初創公司相繼成立。風口已至。在這樣的時間節點上,視見醫療的創始團隊正式組建,開始了醫工結合的研發道路。

▍ 革新診療效率

基於團隊的算法和模型基礎,視見醫療成立後,王峰和陳浩,已經跑了國內幾十家三甲醫院,了解它們的需求,建立合作關係。對此表示抵觸的也有,但王峰說,在大多數醫療機構中,他們得到了負責人的歡迎與支持態度。

國內的放射科和病理科醫生們,工作是異常“苦”的。在我國的醫療數據中,絕大多數都來自於醫療影像,但是它們又多數都是通過人工分析。而人工診斷的問題,其一是工作量大、重複性高,據視見醫療了解,2016年1月份,醫學界曾對1241名醫學影像醫生做過調查,其中數據顯示,有超過50%的放射科醫生閱片時間在8小時以上,20.6%的放射科醫生每天平均工作時間超過10個小時。在這樣繁重的工作量下,人工分析隻能通過醫生經驗去進行判斷,誤診和漏診率高。“解決漏診和誤診問題,已經成為醫療機構尤其是大型三甲醫院最主要的訴求。”王峰說。

而在這樣的情況下,醫師的缺口率卻在增大。據動脈網蛋殼研究院的數據,目前我國醫學影像數據的年增長率約為30%,而放射科醫師數量的年增長率約為4.1%。尤其是在基層醫院,這個缺口就更為巨大。

針對醫療需求,視見醫療的主要核心產品包括三大方向。其一是基於放射影像的輔助診斷(CAD)係統,幫助醫生提高診療效率。目前視見放射輔助診斷係統已經能實現對DR、CT、核磁等影像在多個解剖部位和病種的智能診斷,並且能進行多種影像模態的交叉融合,進一步提高輔助診斷的準確性和臨床價值。

其二是病理影像輔助診斷係統。對於病理檢查而言,一張全掃描的病理切片有十幾億像素點,人眼觀察非常耗時且觀察區域難以全麵,同時醫生在過度勞累的狀態下也會對判讀結果產生影響。而應用病理影像輔助診斷係統,隻需要十幾秒就能觀察一張切片,並且實現完整觀察無遺漏,以及保持診斷結果的客觀和穩定性。

其三是放療輔助勾勒。在癌症的臨床治療中,放療和化療、手術等,均為治療的主要手段。而精確勾勒出腫瘤靶區,保證射線的精準投射,避免高能射線照射到健康組織和器官,也是決定放療治療效果的關鍵因素。

目前視見醫療和醫療機構的合作方向包括聯合科研、聯合開發,以及較成熟產品的臨床測試等。目前,包括協和醫院、華西醫院、廣州中山腫瘤醫院、香港威爾斯親王醫院,以及和睦家等私立醫院,共有十餘家醫療機構和PACS廠商、醫療平台等,和視見醫療建立了合作關係。

其中,視見醫療跟廣州中山腫瘤醫院合作開發鼻咽癌靶區輔助勾勒模塊,勾勒結果的Dice分數已經達到80%以上,處理時間在一分鍾以內,能大大減少醫生的靶區勾勒工作量,加快勾勒速度,提高勾勒精準度。

目前,視見醫療的肺小結節檢測和識別係統,已經進入臨床試驗階段,檢測敏感性在90%以上,假陽性在2個以下。相關技術曾獲得2016年ISBI(國際醫學影像論壇)挑戰賽冠軍。

目前,視見醫療已組建了超過20人的團隊,其中絕大多數都是研發人員。本輪融資的資金,將主要用於技術研發方麵。“數據和算法是基礎,是邁進這個領域的基礎門檻。”王峰說,“而智能醫療的落地,需要和醫療行業的緊密結合。我們認為,商業模式必須跟用戶需求緊密結合,隻有真正解決了醫院、醫生、患者的關鍵需求和痛點,商業模式才有生長的土壤。”

“Amara法則說,我們常常高估科技的短期影響力,而又低估其長期影響力。”陳浩說,“人工智能不是取代醫生,而是一個有效的輔助手段。人工智能在醫療領域的落地,也許是個長期的過程,但是,技術去改變醫療診斷效率的趨勢,是不可逆轉的。”

點擊查看原文

相關鏈接