0
7月14日雷鋒網消息，深圳視見醫療宣布已經完成近2000萬人民幣首輪融資，由聯想創投領投。視見醫療科技創始人兼首席科學家陳浩透露，首輪融資將主要用于核心團隊的組建、技術和產品的研發與完善等。此前，視見醫療曾獲香港創新科技署數百萬港幣資助。
視見醫療，成立于2017年2月，由香港中文大學醫學影像計算分析實驗室孵化，創始團隊為香港中文大學王平安教授及其博士團隊和聯想集團前高管，是一家將人工智能和醫學影像分析技術應用于輔助診斷的科技公司。目前視見醫療的產品研發包含放射影像（DR/CT/MR）輔助診斷、放療靶區輔助勾勒及病理（細胞學、組織學）影像輔助診斷三大方向。
雷鋒網了解到，在短短的4個多月內，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余家一流三甲醫院達成戰略合作。
目前，醫療數據中有80%來自于醫學影像，70%的臨床診斷需借助醫學影像，2015年中國影像檢查人次達14.4億，醫學影像支出突破4000億，預計到2020年將增至6000億至8000億。與之相比，病理醫生供給量和診療效率已難以應對如此巨大的市場需求，目前中國病理醫生缺口在4-6萬左右，亟待填補，但獨當一面的病理醫生成長周期往往達10年之久。
人工診斷的問題是工作量大、重復性高。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，人工分析只能通過醫生經驗去進行判斷，誤診和漏診率高。
在這樣的現實條件下，通過機器輔助診療，將人工智能應用于醫學影像大數據分析，提供客觀、定量化的結果成為了一個必然的選擇。可以有效提高醫生診療效率和準確性，減輕醫生壓力，結合遠程醫療還能改善頂級醫院人滿為患，基層醫院醫生少，漏診、誤診率高的問題。
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，公司創始人、首席科學家陳浩博士畢業于香港中文大學計算機科學與工程系。陳浩在博士期間，就在CVPR, MICCAI, AAAI, MIA,IEEE-TMI, NeuroImage 等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系教授，也是深度學習和醫療影像結合領域的技術大牛，曾研發出我國的首個“虛擬可視人”，這個項目首次在個人計算機平臺上，實現對超高分辨率可視人數據的高度交互及的可視化。
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。王峰在聯想期間主管過全國分公司業務、聯想中國個人及中小企業PC業務、聯想中國手機業務等，多年的市場、銷售和管理工作經歷，使得王峰對于中國商業市場有著深厚的積累和理解。這也幫助視見醫療從一開始就確立了醫工結合的產品研發道路，在成立后短短的四個月內，就跟國內十余家一流三甲醫院建立了合作研發關系，使得技術和頂級醫療專家的臨床知識、經驗得到結合。
從模式上看，目前視見醫療主要提供2B服務，客戶包括公/私立醫院、第三方獨立影像檢驗中心及醫學成像設備提供商，公司先后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20多家三甲醫院，以及奧泰醫療等大型醫療設備與信息科技相關機構建立了商務合作關系。
具體到產品層面，視見醫療搭建的是一套“醫學影像輔助診斷系統+遠程診斷云平臺+輔助診斷算法模塊供應商+醫學影像大數據處理中心”的服務體系，已推出AI放射輔助診斷系統、AI放療輔助勾勒系統和AI病理輔助診斷系統。
功能上，系統可自動對病灶進行標注，并自動完成病灶定性診斷、定量分析及三維建模，以及提供治療策略、病情發展預測等，從而幫助醫生更加高效、準確地完成病癥診斷和治療方案設計。
考慮使用人群和商業落地難易程度，系統主要針對乳腺癌、宮頸癌、胃癌、肝癌、肺癌等高發癌進行開發設計，后期將依據技術成熟度逐步擴展至其他病種。現階段，AI輔助診斷系統已在華北和華南多家醫院投入使用。
在實際臨床效果上，以肺癌為例，早期肺癌的典型癥狀是肺部結節，其尺寸小、對比度低、形狀異質化高，醫生通常需要人工閱讀病人大量的CT圖像來檢查肺部是否存在結節，讀片量通常在200-600張左右，耗費了大量時間。
相比其他“人工智能+”項目，醫療影像的特殊之處在于，其存在很高的技術門檻，并且市場對智能化的需求切實存在。針對這一現象，以及基于團隊在計算機醫學影像分析、人工智能技術和數據可視化等領域的多年積累，視見醫療面向PACS系統廠商、影像設備廠商、第三方云平臺推出了算法和輔助診斷模塊開發服務。
在技術之外，醫療影像另一大挑戰是需要應對龐大的數據處理量，以病理切片為例，簡單的一張病理切片可能就有1-3GB大小，比一部高清電影還大，其中蘊藏著海量信息，如何在醫生可忍受的時間范圍內，快速找到有價值的信息點?雷鋒網了解到，除了優化算法，視見醫療也通過構建高性能、大規模的計算集群，穩定的數據管理存儲結構，來并行處理數據需求，以縮短等待時間。
“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。”
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
