当前位置:首页 > 医疗电子 > 医疗电子技术文库
[导读] 动脉网第一时间获悉,专注于医学图像增强的医疗AI公司Subtle Medical(中文名:深透医疗)近日获得了约500万美元的Pre-A轮融资。 本轮的领投方为美国顶级风险投资公司Bes

动脉网第一时间获悉,专注于医学图像增强的医疗AI公司Subtle Medical(中文名:深透医疗)近日获得了约500万美元的Pre-A轮融资。

本轮的领投方为美国顶级风险投资公司Bessemer Venture Partner及种子轮投资方Data CollecTIve,Breyer Capital和Fusion Fund等跟投,天使投资方真格基金、百度创投、清源创投、Wisemont资本等继续支持。

此次获得融资的时间距Subtle Medical获得NVIDIA初创加速计划挑战赛冠军仅隔两个月。


Subtle Medical团队与黄仁勋的合照

Subtle Medical立志于将影像检查流程变得更高效、更安全、更智能。公司利用深度学习算法提高医学影像的质量及诊断价值,降低医学影像成像时间、风险及成本。Subtle Medical在MRI,PET等大型成像领域已取得显著的成绩。

Subtle Medical创始人宫恩浩告诉动脉网记者,本轮资金主要有三方面用途:

第1,资金将用于美国FDA、中国药监局、欧洲CE的审批,公司产品预计在今年底获得FDA的认证。

第2,扩充AI影像开发团队、加大临床产品合作范围。

第3,完成医疗产业链布局。Subtle Medical将在现有美国十数家顶级医疗机构的基础上,与全球更多医疗机构及厂商展开战略合作,并逐步拓展欧洲和中国业务。

美国的医学影像检查成本高、效率低

CBInsights最新医疗消费报告指出美国医疗总支出约3万亿美元,占GDP的17%以上。其中,医学影像占整个医疗费用的10%。高昂的医疗支出背后实则有很大的提升空间。

宫恩浩告诉动脉网记者,在美国,一个核磁共振(MRI)的收费在1000-2000美元,而一个中子断层影像(PET)收费则在几千甚至上万美元。这个费用中仅有10%左右是用来支付影像医生诊断的,其余80%-90%的费用来源于器械的采购成本、维护花销和整个影像检查操作时间的成本。除了高昂的花费,较长的预约排队等待时间不但为病人带来不便也有可能耽误疾病的检查。

因此,在不影响诊断质量的前提下,提高效率无论是对医院的还是对患者来说都非常重要。

由于常规缩短成像时间的方法会严重降低图像质量,影响诊断精确度,影像检查时间长的问题多年未曾彻底解决。

宫恩浩告诉记者,斯坦福大学10多年前就研究出压缩感知技术用来提高MRI检查的效率,目前各大医学影像设备公司都有自己类似的技术并很多已经通过FDA的认证进入了医疗市场。但是在实际应用中,医生并未完全接受这种基于固定模型和统计学算法的技术,主要原因是算法在图像质量以及运算效率等方面优势无法满足临床需求。

跨学科团队深耕科研与临床转化

弥合科研技术与临床应用的转化鸿沟,不单单需要专业的技术开发能力,也需要对于临床痛点的认知。Subtle Medical团队中核心成员都有着医学和工程的双重背景。

公司创始人宫恩浩在2012年清华大学生物医学工程本科毕业,大学期间即与飞利浦科学家合作对压缩感知技术进行优化,并发表多项论文和专利。2012年进入斯坦福大学电子工程系攻读博士,进一步探索核磁共振领域研究。在此期间他体会到这个领域临床需求和市场空间很大,以及科研项目与实际临床应用存在脱节。

自2016年初起,宫恩浩凭借着他在斯坦福大学几年来深度学习和人工智能领域的扎实基础,开始利用深度学习技术在医学图像后处理、图像重建以及辅助诊断等方面进行研究。

2017年7月份,宫恩浩与此前长期合作的斯坦福大学医学院放射科教授、神经影像医生、前沿神经影像实验室主任Greg Zaharchuk医生一起正式注册公司成立Subtle Medical。随后,两位在美国从事医学影像研究的清华生医校友张涛和朱立人也先后加入。

张涛博士此前曾在GE Healthcare通用医疗研发磁共振影像技术,并担任MD Anderson肿瘤医院教职。朱立人博士有多年多模态影像的学界和产业经验。

作为一名生物医学工程的毕业生,宫恩浩表示,这个专业有很强烈的医工结合的特点,他们既要利用工程学的知识,也要掌握基础的医学知识,同时要结合临床需求,用工程学的技术来解决临床的问题,所以他们的专业培养非常适合医疗人工智能行业的研究和工作。

国内外多个医疗人工智能公司的创始团队都有着生物医学工程的专业背景,也有不少是清华生医校友。

提高影像效率、减少放射量双管齐下

Subtle Medical首发产品应用AI来提高医学影像诊断质量与效率,为医院和影像中心赋能。作为一个由AI专家和影像医生组成的团队,Subtle Medical不以取代医学影像医师为目的,而重点解决实际工作效率的痛点。公司出发点是希望影像检查可以更高效、更经济、更安全、更智能。Subtle Medical为医院和影像中心提供AI影像处理平台,首发产品具有多项功能。

提高成像速度,提升图像质量:产品利用AI提高MRI磁共振和PET中子断层影像的图像质量,从而在现有影像设备硬件软件的基础上,达到2-4倍MRI加速和4-10倍PET加速。

宫恩浩强调,现阶段Subtle Medical主要处理的是MRI和PET(包括PET-CT和PET-MR)的图像。在这些领域,宫恩浩所在斯坦福的实验室已经有几十年的研究和产业合作的经验,有很深的数据和经验积累。同时从临床需求的角度来说,MRI和PET成像的速度是最慢的,医生和患者的痛点也最明显。MRI可以看到更多的软组织和对比度。 PET-CT和PET-MR则可以获得分子和功能成像,在很多临床检查(如癌症早期筛查、分期)中有着重要价值。

减少放射剂量,缩短检查时间:在提高图像成像速度和质量的同时,Subtle Medical还在借助技术的力量减少放射剂量的使用,能减少至少10倍造影剂以及100倍的辐射危害。PET-CT、PET-MRI和PET都需要使用放射剂,有辐射风险,尤其是PET-CT,它的放射剂量是一个头部CT的数倍。宫恩浩表示,最近他们发表的论文中提到,他们所在的斯坦福实验室可以在保证图像质量的前提下,减少100倍-200倍的放射剂量使用,在临床的实际应用中,目标至少将放射剂量降低为原来的十分之一,同时保证图像质量。

同时,Subtle Medical的系统可同时使用于提高影像检查速度和减少放射剂量两个目标。

产品嵌入医生工作流程

宫恩浩表示他们在研发产品质量的同时,也会考虑医生的工作流程,不会为医生增添负担。Subtle Medical将AI技术应用到影像检查的最前端。影像数据从设备端出来以后直接进入他们的系统,处理之后,进入PACS影像工作站,医生看到的是系统处理好的影像,工作流程还跟之前一样,并没有为医生增添负担。

正是由于Subtle Medical的系统是应用到影像检查的最前端,其系统可以拿到第一手的医学影像数据。他们的合作伙伴可以是医疗影像器械厂商,可以是PACS系统厂商和医疗AI公司。对于这三方公司来说,在没有增加医生工作流程的前提下,保证甚至增强图像质量,降低放射剂量,都很有吸引力。

宫恩浩表示,公司第一个FDA(二类510k)产品预计在2018年10-11月通过。后续会持续跟进多项FDA申请,不断扩充产品线。以优化影像检查流程为突破口,搭建影像AI平台,优化影像采集与分析流程。

宫恩浩告诉记者,之所以认证二类证,是因为Subtle Medical目的是通过增强医学图像的质量来降低影像检查的成本,缩短检查的时间,进而帮助医生做出诊断。具体的指标可定量化判断,同时产品本身不直接给出诊断结果,所以无需申报三类认证。

斯坦福数百万张高质量医学影像数据支撑

利用深度学习技术开发模型离不开高质量大数据的支撑,Subtle Medical也不例外。宫恩浩介绍,由于他们诞生于斯坦福,斯坦福独家授权使用3项专利及海量医学影像数据(粗略估计近期使用的超过两百万张医学图像,主要为MRI和PET/CT, PET/MR影像),专利和数据均为他们团队在斯坦福的科研成果。

除了这些斯坦福的研究人员在平时科研积累的数据,Subtle Medical也在和美国知名医院和第三方影像中心合作,在保证隐私、合规合法的前提下,使用这些机构的临床数据。

值得一提的是,Subtle Medical并不是像国内的医疗AI公司聘请大量医生团队去标注这些数据,而是根据研究的需求,设计、采集和处理特定的医学影像数据,转换成研发所需数据。

宫恩浩表示,很多时候采集一份完整的医学影像数据需要一小时甚至更多,只有在科研环境下才能高质量的实现,同时对科研人员的影像背景也有很高的要求。

如此大量的数据不是一朝一夕可以获得的,都是多年来斯坦福的研究人员积累得到的。而这些数据的质量也是多年来经过科研验证过的。

谈及涉及的病种。宫恩浩表示,Subtle Medical的研究是专注于模态研究而不是具体的疾病研究,产品是专注在图像的增强及后处理。但凡是使用MRI、PET-CT、PET-MRI、PET等放射设备进行常规检查的疾病,比如说脑卒中、脑肿瘤、肺癌 、老年痴呆症等,他们都可以提供图像增强服务。

加速市场布局和产品落地与合作

目前,Subtle Medical国际化市场道路已经展开。

Subtle Medical以美国市场为主,在美国已经与十数家顶尖医疗院校、医院及第三方影像中心开展合作和临床系统测试。合作方包括Stanford(斯坦福)、UCSF(加州大学旧金山分校医学院)、MD Anderson(MD安德森肿瘤医院)、Mayo Clinics(梅奥医学中心)、OHSU(俄勒冈健康科技大学)、Hoag Hospital(霍格医院)及全美最大的影像中心联盟RadNet等机构。

在产业界中,Subtle Medical也与东软医疗、NVIDIA等医学影像及人工智能企业积极开展合作开发,优化基于人工智能的医学影像处理技术。

此轮融资也将加速市场布局和产品落地。

本站声明: 本文章由作者或相关机构授权发布,目的在于传递更多信息,并不代表本站赞同其观点,本站亦不保证或承诺内容真实性等。需要转载请联系该专栏作者,如若文章内容侵犯您的权益,请及时联系本站删除。
换一批
延伸阅读

2024年4月12日,中国--服务多重电子应用领域、全球排名前列的半导体公司意法半导体(STMicroelectronics,简称ST;纽约证券交易所代码:STM)宣布,松下自行车科技有限公司(Panasonic)宣布采...

关键字: 人工智能 电动自行车

4月17日消息,斯坦福大学近日发布《2024年AI指数报告》(AI Index Report 2024),凭借AI在大规模胰腺癌早筛上的创新突破,阿里达摩院(湖畔实验室)医疗AI入选科学与医疗领域的年度亮点研究(High...

关键字: AI 人工智能 集成电路

4月17日消息,去年,中国大陆的半导体设备支出约占据了全球总额的三分之一。

关键字: 半导体 传感器 人工智能 电动汽车

上海2024年4月16日 /美通社/ -- 4月11日,中智《百川汇流 央地融通,全力以赴加快五个中心建设》主题大会在上海成功举办,本次大会由上海市经信委和上海市国资委指导、中智经济技术合作股份有限公司和中智管理咨询有限...

关键字: AI 电气 人工智能 半导体

该实验室的创新技术能够增强人工智能边缘解决方案,提高神经网络能力

关键字: 人工智能 神经网络

机器学习作为人工智能领域的重要组成部分,其过程涉及到多个核心环节。本文将详细阐述机器学习的四个主要步骤:数据准备、模型选择、模型训练与评估,以及模型部署与应用,以揭示机器学习从数据到应用的完整流程。

关键字: 数据 人工智能 机器学习

随着信息技术的迅猛发展和大数据时代的到来,机器学习成为了人工智能领域中的核心技术之一。机器学习是通过模拟人类学习行为,使计算机系统能够从数据中自动发现规律、提取特征并进行预测和决策的过程。它在诸多领域取得了广泛的应用,包...

关键字: 计算机 人工智能 机器学习

机器学习算法是人工智能领域中的核心技术之一,它通过对大量数据进行学习,自动发现数据中的规律和模式,从而实现对新数据的预测、分类、聚类等任务。本文将深入探讨机器学习算法的基本过程,包括数据准备、模型选择、训练与评估等关键步...

关键字: 数据 人工智能 机器学习

机器学习是人工智能领域的一个重要分支,它使用各种算法来使计算机系统能够从数据中学习和改进,而无需进行明确的编程。在机器学习的广阔领域中,有多种算法被广泛应用,每种算法都有其独特的适用场景和优势。本文将详细介绍机器学习中的...

关键字: 机器学习 人工智能 计算机

尼得科株式会社将扩大其位于泰国的服务器用水冷模块CDU(Coolant Distribution Unit)生产线,计划在目前的月产能200 台基础上于 2024 年 6 月增加到每月 2,000 台。

关键字: 人工智能 电源 电路板
关闭
关闭