成立4个月即获2000万元投资，视见医疗如何走顺AI这条路？

7月14日雷锋网消息，深圳视见医疗宣布已经完成近2000万人民币首轮融资，由联想创投领投。视见医疗科技创始人兼首席科学家陈浩透露，首轮融资将主要用于核心团队的组建、技术和产品的研发与完善等。此前，视见医疗曾获香港创新科技署数百万港币资助。

视见医疗，成立于2017年2月，由香港中文大学医学影像计算分析实验室孵化，创始团队为香港中文大学王平安教授及其博士团队和联想集团前高管，是一家将人工智能和医学影像分析技术应用于辅助诊断的科技公司。目前视见医疗的产品研发包含放射影像（DR/CT/MR）辅助诊断、放疗靶区辅助勾勒及病理（细胞学、组织学）影像辅助诊断三大方向。

雷锋网了解到，在短短的4个多月内，视见医疗科技已与四川大学华西医院、广州中山大学肿瘤医院、香港威尔斯亲王医院等十余家一流三甲医院达成战略合作。

市场需求巨大 “人工”看片难以为继

目前，医疗数据中有80%来自于医学影像，70%的临床诊断需借助医学影像，2015年中国影像检查人次达14.4亿，医学影像支出突破4000亿，预计到2020年将增至6000亿至8000亿。与之相比，病理医生供给量和诊疗效率已难以应对如此巨大的市场需求，目前中国病理医生缺口在4-6万左右，亟待填补，但独当一面的病理医生成长周期往往达10年之久。

人工诊断的问题是工作量大、重复性高。2016年1月份，医学界曾对1241名医学影像医生做过调查，其中数据显示，有超过50%的放射科医生阅片时间在8小时以上，20.6%的放射科医生每天平均工作时间超过10个小时。在这样繁重的工作量下，人工分析只能通过医生经验去进行判断，误诊和漏诊率高。

在这样的现实条件下，通过机器辅助诊疗，将人工智能应用于医学影像大数据分析，提供客观、定量化的结果成为了一个必然的选择。可以有效提高医生诊疗效率和准确性，减轻医生压力，结合远程医疗还能改善顶级医院人满为患，基层医院医生少，漏诊、误诊率高的问题。

创始团队：会经营的“技术控”

视见医疗最早由香港中文大学医学影像计算分析实验室孵化，公司创始人、首席科学家陈浩博士毕业于香港中文大学计算机科学与工程系。陈浩在博士期间，就在CVPR, MICCAI, AAAI, MIA,IEEE-TMI, NeuroImage 等会议和期刊发表了数十篇论文，其中三维全卷积神经网络相关论文获得2016 MIAR 最佳论文奖。同时，他还担任了 NIPS ,  MICCAI ,  IEEE-TMI ,  NeuroImage 等国际会议和期刊审稿人。2014年以来，陈浩带领团队在数十项国际性医学影像分析和识别挑战赛中，战胜来自顶尖企业和医学影像研究机构的强劲对手，获得全球冠军。

而视见医疗最大的技术支撑，来自其联合创始人、出任荣誉董事长的王平安教授，他是教育部长江学者、香港中文大学计算机科学与工程系教授，也是深度学习和医疗影像结合领域的技术大牛，曾研发出我国的首个“虚拟可视人”，这个项目首次在个人计算机平台上，实现对超高分辨率可视人数据的高度交互及的可视化。

在加入视见医疗、担任CEO之前，王峰是联想集团副总裁，已经在联想工作了18年。王峰在联想期间主管过全国分公司业务、联想中国个人及中小企业PC业务、联想中国手机业务等，多年的市场、销售和管理工作经历，使得王峰对于中国商业市场有着深厚的积累和理解。这也帮助视见医疗从一开始就确立了医工结合的产品研发道路，在成立后短短的四个月内，就跟国内十余家一流三甲医院建立了合作研发关系，使得技术和顶级医疗专家的临床知识、经验得到结合。

产品要解决哪些痛点？

从模式上看，目前视见医疗主要提供2B服务，客户包括公/私立医院、第三方独立影像检验中心及医学成像设备提供商，公司先后与四川大学华西医院、广州中山大学肿瘤医院、香港威尔斯亲王医院等20多家三甲医院，以及奥泰医疗等大型医疗设备与信息科技相关机构建立了商务合作关系。

具体到产品层面，视见医疗搭建的是一套“医学影像辅助诊断系统+远程诊断云平台+辅助诊断算法模块供应商+医学影像大数据处理中心”的服务体系，已推出AI放射辅助诊断系统、AI放疗辅助勾勒系统和AI病理辅助诊断系统。

功能上，系统可自动对病灶进行标注，并自动完成病灶定性诊断、定量分析及三维建模，以及提供治疗策略、病情发展预测等，从而帮助医生更加高效、准确地完成病症诊断和治疗方案设计。

考虑使用人群和商业落地难易程度，系统主要针对乳腺癌、宫颈癌、胃癌、肝癌、肺癌等高发癌进行开发设计，后期将依据技术成熟度逐步扩展至其他病种。现阶段，AI辅助诊断系统已在华北和华南多家医院投入使用。

医疗影像的挑战与未来

在实际临床效果上，以肺癌为例，早期肺癌的典型症状是肺部结节，其尺寸小、对比度低、形状异质化高，医生通常需要人工阅读病人大量的CT图像来检查肺部是否存在结节，读片量通常在200-600张左右，耗费了大量时间。

相比其他“人工智能+”项目，医疗影像的特殊之处在于，其存在很高的技术门槛，并且市场对智能化的需求切实存在。针对这一现象，以及基于团队在计算机医学影像分析、人工智能技术和数据可视化等领域的多年积累，视见医疗面向PACS系统厂商、影像设备厂商、第三方云平台推出了算法和辅助诊断模块开发服务。

在技术之外，医疗影像另一大挑战是需要应对庞大的数据处理量，以病理切片为例，简单的一张病理切片可能就有1-3GB大小，比一部高清电影还大，其中蕴藏着海量信息，如何在医生可忍受的时间范围内，快速找到有价值的信息点?雷锋网了解到，除了优化算法，视见医疗也通过构建高性能、大规模的计算集群，稳定的数据管理存储结构，来并行处理数据需求，以缩短等待时间。

“Amara法则说,我们常常高估科技的短期影响力,而又低估其长期影响力。”陈浩说，“人工智能不是取代医生，而是一个有效的辅助手段。人工智能在医疗领域的落地，也许是个长期的过程，但是，技术去改变医疗诊断效率的趋势，是不可逆转的。”