圖像識別是深度學習等人工智慧技術最先突破的領域,已經廣泛用於圖片搜索、自動駕駛、人臉識別。而在醫療健康領域,目前看來醫療影像也會是人工智慧與醫療結合中,最可能先發展起來的領域。
簡單而言,醫療影像智能分析是指運用人工智慧技術識別及分析醫療影像,幫助醫生定位病症分析病情,輔助做出診斷。目前醫療數據中有超過90%來自醫療影像,這些數據大多要進行人工分析,如果能夠運用算法自動分析影像,再將影像與其它病例記錄進行對比,就能極大降低醫學誤診,幫助做出準診斷。
將人工智慧應用於醫療影像已經成了一個熱門創業方向,國外早已出現了一批將人工智慧用於醫療影像的明星公司,如Enlitic、Butterfly Network、VisExcell、VoxelCloud等。在醫療智能領域深耕最久的IBM,也在今年8月斥資10億美元收購了醫療影像處理與加工公司Merge,欲將其技術整合進IBM Watson認知智能系統。
國內也不甘落後,特別是今年以來,我們陸續見到了一批初創公司成立,如Deepcare、推想科技、圖瑪森維等。同時,以醫療影像雲平臺起家的公司也逐漸涉足人工智慧領域,比如醫渡雲與匯醫慧影。
國內目前從事醫療影像智能分析的公司不多,雷鋒網根據公開資料,從眾多醫療科技公司中,整理了十多家較為明確涉足將人工智慧用於分析醫療影像,從而提高診斷效率和精確性的公司。從這些公司的情況,我們可以一窺國內在這一領域的現狀。
調查無法覆蓋所有公司,如欲補充和交流可與我聯繫(zhangchi@leiphone.com)。
國內人工智慧+醫療影像公司一覽
公司名稱 | 成立時間 | 最近融資 | 投資人 | 地區 | 技術及產品 | ||
雅森科技 | 2006年 | A輪3000萬元 | 未知 | 北京 | 基於PET/SPECT/fMRI/US等醫療影像定量分析,用數學模型和人工智慧技術,提高診斷精確性。 | ||
健培科技 | 2012年 | 5000萬元,輪次未知 | 未知 | 杭州 | 擁有醫療影像雲平臺,醫療影像輸出、智慧醫療和智能診斷為主,其他大數據支撐設備及平臺建設為輔的醫療系統;提供病例檢索和醫療影像智能診斷服務,幫助醫生進行定位病症、分析病情和指導手術;另外還開發有雷射熱敏醫用膠片。 | ||
銳達影像 | 2012年 | Pre-A輪 1000萬元 | 中路資本、快創營 | 上海 | 開發有影像平臺,同時探索不同領域的智能化,目前已有的乳腺輔助檢測、虛擬結腸鏡等,都是初步的專業領域技術。 | ||
醫渡雲 | 2013年 | A輪2億元 | 未知 | 北京 | 擁有醫療大數據平臺,對醫療數據進行集成、挖掘、利用,輔助開展新型臨床、科研、醫院管理等服務,涉及的臨床數據包括影像數據和病例等文本數據。 | ||
智影醫療 | 2014年 | A輪 | 未知 | 深圳 | 擁有基於數字影像醫學的健康分析管理平臺,提供早期癌症篩查、疾病輔助診斷,及健康指數分析。 | ||
匯醫慧影 | 2015年 | A輪數千萬元 | 藍馳創投、水木易德投資 | 北京 | 提供醫療影像雲平臺和閱片外包服務,並通過建立人體器官模型和神經網絡技術,識別病灶,涉及胸部X光,腦核磁腫瘤,胸部CT。 | ||
醫眾影像 | 2015年 | 未知 | 未知 | 北京 | 擁有醫療影像數據云平臺,同時建立影像診斷數據結構化知識庫。目前可對大量歷史影像診斷報告進行智能的結構化、標準化處理,可輔助醫生診斷。 | ||
睿佳醫影RayPlus | 2015年 | 未知 | 未知 | 武漢 | 結合圖像處理和雲計算,為醫生提供基於影像的計算機輔助診療工具RayPlus,特點是滿足專科醫生的特異性輔助診斷需求。 | ||
DeepCare | 2016年 | 天使輪600萬 | 峰瑞資本 | 北京 | 將深度學習用於醫療影像,削減讀片時間,降低誤診的概率,目前主攻的方向是胸肺部CT的智能影像診斷。 |
推想科技 | 2016年 | 天使輪1100萬 | 英諾天使基金、金臻雲創投 | 北京 | 用深度學習技術分析和識別醫療影像上的病變,推薦治療方案,協助醫生診斷,目前主要用於胸肺疾病的診斷。 | ||
連心醫療 | 2016年 | 天使輪300萬 | 未知 | 北京 | 主要提供腫瘤數據平臺搭建和醫療數據分析,其中涉及醫療影像處理、分割、配準等,並引導放療優化。 | ||
圖瑪深維 | 2016年 | 天使輪150萬美元 | 真格基金、經緯中國 | 北京 | 將深度學習引入到計算機輔助診斷系統中,可應用於各類醫學圖像分析診斷、顯微鏡下的病理圖像分析、以及發現DNA結合的蛋白質的序列特異性並協助基因組診斷等。 | ||
迪英加 | 2016年 | 未知 | 未知 | 成都 | 提供基於人工智慧,用於精準醫療的醫療影像大數據分析解決方案,例如基於病理圖片分析的癌症診斷和分級等。 |
以上資料及數據由雷鋒網根據公開資料整理,如有遺漏,歡迎補充
據統計,在美國醫療影像數據的年增長率為63%,而放射科醫生數量年增長率僅為2%;根據動脈網的數據,國內醫療影像數據和放射科醫師的增長數據分別為30%和4.1%。如果能藉助人工智慧的方式解讀影像,以輔助診斷,可以有效其中的彌補缺口。而國內醫護人員短缺的情況,只會比美國更甚,而且影像科醫師在醫院的收入與地位不高。
影像需求與醫生數量的錯位,也導致醫生負荷過重,影響診斷效果,而這其中就有人工智慧發揮的空間。而美國哈佛醫學院參與進行的智能診斷臨床試驗顯示,人工智慧輔助醫生進行乳腺癌診斷可以將誤診率從4%降低到0.5%。不斷增長的需求與技術的進步,基本可以解釋醫療影像領域人工智慧類公司的崛起。
從成立時間上看,今年或許可以不免俗,被認為是人工智慧+醫療影像的「元年」(純主觀判定)。根據上表中的統計,有今年就有5家公司成立;其餘公司也集成在2012-2015年成立,但初期多提供影像雲服務,智能業務也多在今年開始拓展。
相比之下,國內也並不落後,上文提到的幾家國外公司中,僅Butterfly Network成立較早,是在2011年,其餘公司也僅兩歲左右。
從地域上劃分,13家公司中有8家位於北京,其餘位於上海、深圳、杭州等地,這倒是與人工智慧公司的總體地域分配相符。
在國外,醫療影像智能分析公司發展較早,目前部分公司已經較為成熟,處於A輪融資階段較多,個別獲得B輪融資。
比如,Enlitic在去年獲得了1000萬美元A輪融資,該公司使用深度學習技術,幫助放射科醫生分析醫療影像;Butterfly Network則在2014年的8000萬美元A輪融資後,去年再獲得1億美元B輪融資,這是一家醫療成像技術公司,通過一種新型醫學成像設備,建立數以千計圖像的資料庫,然後使用人工智慧的方式分析新的臨床治療手段。
相比之下,國內公司總體上以天使輪為主,特別是新興初創公司,只有部分成立數年的公司已進行到A輪。目前融資額最高的是醫渡雲,A輪2億元,且其在2015年底還領投了糖尿病管理平臺微糖數的千萬美金B輪融資,財大氣粗。
以下是今年國內這一領域融資事件一覽:
2016年2月,推想科技獲得1100萬元天使輪融資,投資方是英諾天使基金和臻雲創投;
2016年6月,DeepCare獲得600萬元天使輪融資,投資方是峰瑞資本;
2016年7月,連心醫療獲得300萬元天使輪融資;
2016年8月,雅森科技3000萬元A輪融資;
2016年10月,圖瑪深維獲得150萬美元天使輪融資,投資方是真格基金與經緯中國;
2016年10月,匯醫慧影獲得數千萬元A輪融資,投資方是藍馳創投。
從公司的發展路徑看,醫療影像智能診斷的公司大致可以分為兩類。
第一類公司主要以人工智慧技術,提供影像分析與診斷服務,其中以DeepCare、推想科技、圖瑪深維、雅森科技等為代表,且一般成立時間較短。
比如,DeepCare主要研發醫療影像檢測、識別、篩查和分析技術,為醫療器械廠商和基層醫療中心提供影像識別服務,對新錄入資料庫的病例,它可以進行算法匹配,尋找出影像數據相似的案例;雅森科技則專注醫療影像分析應用,基於醫療影像定量分析,用數學模型和人工智慧技術提高診斷精確性。
第二類公司原先提供醫療影像雲服務,而後將服務延伸到智能診斷領域,其中以匯醫慧影、醫眾影像、醫渡云為代表,成立時間一般為二到三年。
比如,匯醫慧影是一個獨立第三方的醫療影像諮詢平臺,早期專注基於雲平臺的線上影像中心,從今年開始著重向人工智慧領域發力,輔助影像的篩查;醫渡雲主要提供醫療大數據和醫療雲平臺解決方案,同時利用機器學習的方式,挖掘臨床數據中的文本數據和影像數據。
從提供的產品與服務上看,醫療影像智能診斷公司又可分為兩類。第一類專注於醫療影像服務,比如影像雲平臺及影像智能分析。
第二類是搭建醫療大數據平臺,其中包涵了醫療影像數據的分析處理,比如連心醫療、醫渡雲。連心醫療專注於腫瘤大數據平臺搭建和醫療數據分析,其系統會對接治療過程中各環節產生的數據,其中就包括了醫療影像的處理、分割和配準等,以此優化放療。如上所述,醫渡雲的臨床數據中還包括了病例這種文本數據。
人工智慧應用普及的三大推力是以深度學習為代表的新技術,計算力和海量數據,前兩者各行業通用,所以對於醫療領域的人工智慧公司來說,面臨的最主要問題可能是數據。比如,現在的醫療影像幾乎沒有對病灶進行標註,而這種系統性的數據整理過程又十分專業,需要專業醫生配合,這也是醫療行業的獨特之處。
由於醫療數據尚未實現互連互通,國內醫療影像數據應用還處於起步階段。這一點在國外也一樣,美國醫療行業數據共享困難,數據格式也難以統一。但隨著信息化的加強,未來會有越來越人工智慧類公司出現,就像信息化系統促進發展為影像的雲平臺一樣。
雷鋒網將持續報導人工智慧技術對醫療健康領域的變革,歡迎與我們交流。
技術創新正在變革醫療與健康產業,雷鋒網(公眾號:雷鋒網)持續關注醫療領域出現的軟硬體創新。目前我們在招募醫療健康領域作者,負責採寫報導醫療科技領域的企業與牛人。簡歷投遞至 zhangchi@leiphone.com。
PS:2016 年即將結束。當我們回望這一年,無論艱難還是幸運,這年仿佛過得飛快。「2016 影響因子」是雷鋒網在高速運轉的科技行當裡,在不斷發生和被人忘記的事件中,試圖在各個領域篩選出那些我們認為可能對當下和未來產生深遠影響的因素。2016 影響因子,就是 2016 年值得記錄的人、事、公司和技術。
本文是 2016 影響因子之「醫療影像」。歡迎向我們推薦 2016 年在健康醫療領域值得記錄的其他因子(微信:nksimons)。
雷鋒網原創文章,未經授權禁止轉載。詳情見轉載須知。