Facebook刚宣布要做的加速医学成像技术,深透医疗已经开始商业化了

2018-10-24 10:22 稿源:用户投稿  0条评论

今年8月,Facebook宣布将和纽约大学医学部成立fastMRI项目,希望能共同研究如何加速MRI成像,最终达到10倍加速。

然而,一家硅谷医疗科技影像公司已经完成这项技术的研发,在UCSF等全美十数所知名医院进行早期测试。

这家公司名为深透医疗(Subtle Medical),创始人及CEO宫恩浩博士拥有医学与工程双重背景,是一名来自斯坦福的连续创业者。

“对于高成本的医学影像来说,我们认为提高成像效率有更大的价值和市场空间。”宫恩浩对钛媒体说道。2017年,他创立了深透医疗,结合深度学习和图像重建技术,只需用更少、质量更低的数据,就能获取诊断级别的医学图像,和传统形式质量持平,甚至更好。这意味着,比起“如何代替读报告的医生”,深透的技术更希望帮助机器更快、更好地完成自己的工作。

如今,这项技术主要应用在MRI(磁共振)和PET(核医学影像、正电子发射计算机断层扫描)这两种市面上最贵、最慢的医学影像模态上。

创立一年内,深透医疗已经获得了两轮融资。种子轮来自美国大数据基金Data Collective、真格基金、百度风投、清源创投、Wisemont Capital等。今年5月,深透医疗获得了由美国老牌基金Bessemer Venture Partner领投的500万美元PreA轮融资,此外,其第二轮投资人还包括“全球第一VC”Facebook投资人Jim Breyer以及硅谷新秀基金Fusion Fund。

今年早些时候,宫恩浩和他的合伙人、斯坦福放射科医生Greg Zaharchuk教授代表公司在英伟达Inception创业大赛上拿到了“医疗健康+AI”方向的冠军,公司分享了百万美元奖金。

另辟蹊径,加速医学成像

“医学成像+AI”不是一个新奇的组合,但是在过去,大部分创业企业走的都是用AI来加速图像解读、出具医学诊断报告的路。

“这个因素实际上只影响10%的生产成本,而且也不一定是耗时最长的部分。”宫恩浩解释道。

90%的成本和大量耗时,都在机器成像过程中。

MRI、PET等成像技术是现代科技进步、提高医学水平的重要标志——MRI的原理是通过收集大量的原始数据,重建出信息丰富的医学图像。比起看密度的CT和X光,MRI能得到清晰的软组织多对比度,帮助辨别病灶;PET能得到分子层级功能活跃信息,从而确认病灶级别。过去,医生从未能这么清晰地看到病灶、进行诊断和分析。正是因此,这些检查对神经系统疾病辨别,癌症的早期筛查、分期诊断及膝关节等软骨相关疾病都尤为重要。

然而也正是因此,它们又贵、又耗时,还需要精细的维护。而且采集时间长,很难像CT或X光一样,即拍即走,大批量普及。

深透医疗提供的示意图:技术方面的花费占比90%;医生解读医学影像花费占比10%

以核磁共振(MRI)为例,在美国的收费大约是1000-2000美元(6800-13600人民币)之间,其中只有10%用于付给医生,作为诊断费用,而90%以上都是用于支付医院用于机器的成本、维护等费用。一次采集的时间大约是30-45分钟,一台耗资数百万甚至上千万的机器,一天只能服务十几个病人。而由于资金、场地等限制,机器数量也很有限,大型三甲医院可能也只有2-3台MRI机器。

PET价格更加高昂。在美国,根据不同的医院定价、检查部位以及放射性核素价格,一次PET检查少则数千美金,最高花费可达上万美元。

根据Transparency Market Research数据,核磁共振图像处理市场将在2022年超过91亿美元。而正如上文所说,如此巨大的市场,仍旧有着三个亟待解决的痛点:速度、成本、安全性。

宫恩浩认为,从他在斯坦福的研究开始一路研发的这个技术方案——结合深度学习和图像重建,加速医学成像——能够成为解决这些痛点的最终路径。

深透医疗的投资者Jim Breyer对钛媒体表示:“我很看好AI和医学的结合,这几年来,我一直试图在这一领域寻找好的投资机会。在大量的调研和沟通后,我才决定投资Subtle Medical——这个团队既有对医学影像极其熟悉的医生,也有AI技术专家,而且他们选择了一个与大多数AI医学影像公司都不同的切入点,通过AI技术来优化医学临床影像的拍摄流程及质量,降低其需要的时间、花销及放射性。我认为他们的商业模式非常令人信服,前景可期。”Jim Breyer是硅谷知名投资人,也是Facebook最早的投资者之一。

直击医学影像痛点:速度、成本、安全性

在斯坦福攻读电子工程学博士时,宫恩浩所在的研究室有几十年产业研究结合的经验,是压缩感知等传统快速采样技术在医学影像领域应用的发祥地。他做的方向是深度学习与医学影像研究,主要探索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的应用。

结识他的联合创始人、也是斯坦福教授及知名放射科医生Greg Zaharchuk后,宫恩浩与Zaharchuk教授将深度学习技术快速引入大量神经影像临床引用,成果颇丰,相关研究发表在NeuroImage等顶级影像学期刊和NIPS等人工智能会议。宫恩浩萌生出创立公司的想法。

“以压缩感知快速成像为例,过去我们实验室的技术常常是研究出来之后授权给大型医学影像仪器公司,花五年、十年才做到产品化。可是这类AI的技术,你很难想象要等到十年之后再做出产品——在研究的过程中它也需要大量的数据去完善整个技术方案、真正解决弥合临床与科研之间的鸿沟。我们在研究中产生了前沿的技术以及海量的数据,对于商业化也有很大优势。所以我们一拍即合,决定开始走商业化的路径。”

MRI需要处理的数据很多,收集完图像后才能最终成像,所以扫描时间长,而宫恩浩及团队开发的专利技术能优化这个将数据重建成图像的过程,使MRI和PET都加速4-10倍。 最重要的是,如此高倍加速后的图像能达到诊断级别的精确度,这是过去的加速方法都无法做到的。

加速之后,医院提供每次检查的单位成本下降,机器的使用效率也会提高。

深透医疗技术优化示意图

这项技术解决的另一个痛点是安全性。PET这种分子影像的扫描需要注射放射试剂,对于人体会有较高辐射。深透医疗的技术可以提高影响质量,从而降低临床PET影像4-10倍放射性试剂计量,对病人、操作人员以及医院都有好处。

相关论文还证实,此技术能用深度学习针对 PET/MRI 和 PET/CT 成像过程进一步优化,对于肿瘤病人以及中辐射剂量降低高达百倍。MRI没有辐射,但是很多MRI检查会用到基于重金属钆的造影剂。美国FDA,欧洲CE以及中国CFDA都对于钆造影剂在人体内沉积问题提出了警告。而深透提供的方案,可以大幅降低 MRI 的钆使用剂量,从而降低钆在病人体内的沉积。

从左至右:传统加造影剂的头部磁共振影像,减少10倍造影剂的磁共振影像,以及减少10倍造影剂后通过SubtleMedical人工智能增强信息的磁共振影像。SubtleMedical人工智能算法在减少剂量、提高安全性的情况下,能显著增强诊断所需要的影像信息。

公司建立后,宫恩浩搭建起了一个技术实力强大,横跨工程、医疗研究、临床和产业的团队,包括曾在GE Healthcare 研发磁共振影像技术、担任 MD 安德森肿瘤医院教职的张涛博士,以及拥有多年多模态影像的学界和产业经验的朱立人博士等等。

“我过去也有做创业公司的经历,所以把公司从零到一做起来,组建团队,以及后续的商务拓展都有一定经验。”他是图像处理软件Polarr的联合创始人之一,这个app在2015年、2016年连续入选app store最佳应用榜,用户数量超过1000万。

创立深透医疗时,过去的创业经验帮助宫恩浩更好地把握公司架构、融资节奏等重要部分,而这个项目结合医疗及AI的特点和他又更加契合。除此之外,他的合伙人Greg Zaharchuk在美国从医数十年,获得过美国放射学与生物医学影像研究学会的杰出研究者奖(Distinguished Investigator Award)等多个奖项,拥有多项专利。正是因此,他不仅了解医学成像领域临床的种种痛点,也在业界有广泛的人脉和经验,成功帮助深透科技找到了一条高效的商业化路径。

今年开始,深透科技已经在与美国十数家顶尖医疗院校、医院及第三方影像中心开展早期测试,其中包括斯坦福大学、加州大学旧金山分校医学院(UCSF)、MD 安德森肿瘤医院和梅奥医学中心等。其技术方案兼容医院使用的硬件软件系统,在医生端的处理与往常毫无二致,医生只会感觉到机器提供图像更快、也更清晰。宫恩浩表示,未来的盈利模式将会是与医院签订年付费协议,根据医院提高的影像效率收益分成,并且探索OEM解决方案商业化。

“深透医疗的技术让我们可以在更少的时间内给更多的患者做检查、并减少放射剂量,这跟其他方案提供商比起来是一个很强的竞争优势。作为医学影像中心,我们一直在努力提高影像质量、减少检查时间和放射剂量,所以这样的算法很可能可以在美国乃至全世界的医学影像中心迅速、简便地部署。”斯坦福医院神经影像科主任Max Wintermark教授表示。

今年9月,深透医疗获得全美最大临床医学影像新闻平台Aunt Minnie提名2018最佳新放射科供应商。

数据壁垒应对竞争

虽然深透医疗的商业化路径看起来一片坦途,但如文初所说,Facebook也开始了这项技术的研究,面对巨头竞争,深透医疗是否有一较高下之力?

宫恩浩对记者表示,深透医疗有一个独特的数据优势:由斯坦福独家授权的大量的医学影像数据。“深透医疗诞生于斯坦福大学,所以学校独家授权了3项专利和海量的医学影像数据 。”这些数据包括超过200万张MRI、PET/CT、PET/MR 影像,涵盖范围广泛。

“很多时候采集一份完整的医学影像数据需要一个小时乃至更多时间,临床上很难获得这样完整的数据,一般只能在科研环境中获得。同时,获取这样的医学影像数据还需要科研人员具备相关的技术背景。斯坦福大学的高质量数据库经过了长时间积累和多年的科研验证,所以这些都是非常珍贵的资源和壁垒。”宫恩浩解释道。

除此之外,他表示,与UCSF、MD 安德森肿瘤医院和梅奥医学中心等美国十几家顶尖医疗院校、医院及第三方影像中心的合作关系也能为深透医疗带来大量高质量的医疗影像数据。这些数据不但可以进一步用于训练深度学习算法,帮助产品进一步优化完善,带来先发优势。同时,通过产品布局,他也希望最终建立跨病种、跨部位、多模态的医学影像数据平台。

 在他看来,“这项技术并不特定于某种特定的疾病,而是适用于跨病种多模态的数据,具有很高的普适性和广泛的应用场景。”对于所有需要使用MRI、PET/CT、PET/MRI等设备进行常规检查的疾病,比如脑卒中、脑血管疾病、肺癌、各类肿瘤老年痴呆症等等,深透医疗都可以提供影像处理,也可进一步提高诊断分析及预后等服务。

“深透医疗针对的是一个与众不同的AI应用落地的切入点。在大部分AI+医疗公司都还在关注诊断端的时候,他们就开始攻克技术难点更高、未来壁垒也更高的图像采集与处理端,通过对跨模态多病种的海量数据收集与理解,真正的对容量巨大的医学影像市场产生深远影响。从我们投资开始到现在,深透医疗产品的商业化落地进展非常迅速,FDA申请即将通过,其将会成为新一代医疗系统里一个重要的数据入口。”深透医疗的另一个投资方,BV百度风投CEO刘维表示。

据悉,深透医疗已提交一款产品 FDA II 类 510(K) 认证申请,即将获得欧洲CE认证,明年初将以第一款产品为基础提交另外两款产品的FDA申请。此外,深透医疗正在和中国东软医疗、西门子医疗(中国)、飞利浦医疗(中国)等企业探索合作模式,与英伟达、英特尔、通用电气等公司合作优化算法,与Nuance等影像平台及PACS服务商也在开展合作。在斯坦福大学的科研团队也与301、天坛等医院陆续进展科研合作。

宫恩浩表示,未来其业务范围将会从美国往中国、欧洲、南美、加拿大等市场继续拓展。

本文由站长之家用户投稿,未经站长之家同意,严禁转载。如广大用户朋友,发现稿件存在不实报道,欢迎读者反馈、纠正、举报问题(反馈入口)。

免责声明:本文为用户投稿的文章,站长之家发布此文仅为传递信息,不代表站长之家赞同其观点,不对对内容真实性负责,仅供用户参考之用,不构成任何投资、使用建议。请读者自行核实真实性,以及可能存在的风险,任何后果均由读者自行承担。

有好的文章希望站长之家帮助分享推广,猛戳这里我要投稿

相关文章

相关热点

查看更多