雷锋网按：近日，黄仁勋与评委小组共评选出 3 个类别的 14 家 AI 创业公司。这些初创公司是从 Nvidia Inception 项目中 2000 多家 AI 公司中筛选而来，被选中的获胜者将可参加 5 月 10 日的 Nvidia GPU技 术大会，并领取 150 万美元现金。
雷锋网了解到，评委小组包括 Fidelity Investments 投资经理加文·贝克(Gavin Baker)、高盛半导体投资银行全球主管塔米·凯利(Tammy Kiely)、软银 Shu Nyatta，Coatue Management 高级董事总经理托马斯·拉芬特(Thomas Laffont)以及微软创投加速器全球 CTO 普拉什特·沙尔马(Prashant Sharma)。
目前，Nvidia 从 600 多家参赛者中筛选“最具社会影响力”的 5 家 AI 初创公司，且均为医疗公司。
1.Genetesis（心脏病检测公司）
Genetesis 成立于 2013 年 9 月，该公司有 15 名员工，目前已获得达拉斯小牛队老板马克·库班、CincyTech、Wilson Sonsini、Danmar Capital和 43North 等机构 190 万美元的投资。
数据统计，美国每年有 1000 万人次因胸部疼痛进行急诊，光就诊费用高达 66 亿美元。但存在的问题是，75% 的胸部疼痛都与心脏无关，急诊室很难区分出与心脏有关的疼痛类别。
这直接导致大约 5％ 的患者没有诊断出心脏病，被送回家中，另有 2% 的病人病死在家中。除此之外，浪费的开支约为 4.94 亿美元。
大多情况下，医生必须使用心电图(EKG)机器来进行协助，但结果并不确定，所以患者必须还要经过 6 小时的肌钙蛋白测试。即便如此，诊断结果仍无法保证，患者还需做更多测试。整个过程耗时数小时，而医生们也会对病人进行更长时间的观察。
Genetesis 正在利用深度学习、传感器以及物理学来正确诊断胸痛症状。Shrivastava 介绍到：针对这一痛点，Genetesis 开发了一个基于生物磁性成像系统的测试，该系统可以监测从胸部自然散发出来的弱磁场。然后生成一张心脏的 3D 地图，从而告诉医生患者是否患有心脏病。护士和技术人员可以用无创的方式对病人在 90 秒内进行评估，决定患者是否需要进一步医治。
Genetesis 正接受急救室胸部疼痛治疗的全球挑战。该系统使用 GPU 加速 AI 来诊断，生物磁成像技术也可应用于大脑、肝脏和胎儿等其他方面的测试，为患者创建数千个 1 毫米分辨率的 3D 地图。
Lunit 成立于 2013 年 8 月，来自韩国，拥有 30 名员工。目前已获得 Formation 8、SoftBank Ventures、Mirae-Asset Venture Investment、Intervest 和 Kakao’s K-Cube Ventures 等投资机构共计 520 万美元的资金，现已与韩国的主要医疗领先机构达成合作。
Lunit 正在开发基于深度学习的医学诊断软件，专攻难以检测的疾病。
在美国，每年将花费 100 亿美元进行乳腺癌检测，在筛查检查中，大约有 20％ 的肺癌和乳腺癌会被漏诊。Lunit 则正在尝试利用 3D 成像和深度学习来进行乳腺检测，医生使用 Lunit 的技术，正确诊断率从 84％ 提高到 86％。在测试中，Lunit 也已经击败来自 IBM 和 微软等团队。
Lunit CEO 帕克指出，未来 Lunit 将会吸收更多的数据，训练其神经网络。之后业务还将扩大到其他医疗领域，也可用来检测其他类型的癌症。
Insilico Medicine 于 2014 年 1 月在巴尔的摩成立，公司拥有 30 名员工，投资方包括 MannBioinvest、Deep Knowledge Ventures，累计获得 500 万美元投资。
医药研发是一项庞大的工程，数据统计，2014 年只有 46 种新药被推出，每种药物的研发费高达 26 亿美元，全球研发这些药物的费用是 1500 亿美元，与此同时，新药研发的失败率为 92%。
Insilico Medicine 正在利用 AI 的技术解决药物发现、生物标记发展和衰老研究等问题，提升每个人的生命周期质量（QALY ）。目前，每提升一个单位 QALY，将花费 6 万美元，而这将由新药物的研发所引导。Insilico Medicine 可以用生物标记衡量一个人的年龄，有几千个“leads”用于治疗疾病的分子模型，它们通过在生物体模型中验证来提炼相应药物。
Insilico Medicine 通过验证新药的方式来实现上述目标，同时向药品公司发放许可证，如果得到认证，公司就会收到付款。这种工作的许可证为从 200 万美元到 3800万 美元不等，具体取决于发展程度。
“我们发现成功机会较高的药物，加速制药公司的药物开发。我们希望能够战胜最大的挑战：与年龄有关的疾病。”
4.SigTuple（医疗数字化）
SigTuple 成立于 2015 年 7 月，拥有 30 多名员工。公司已获得 Accel Partners、IDG、Endiya Partners、Pi Ventures、VH Capital 以及 Axilor Ventures 共计 640 万美元的融资。
人们面对多种疾病，需要进行大量的医学测试。印度初创公 SigTuple 希望通过用 AI 来地提高各种筛选过程的速度、准确性和一致性，让医生为更多的病人服务，减少错误。
SigTuple CEO 罗希特·库马尔·潘迪(Rohit Kumar Pandey)说到，公司通过提供智能的筛选方案来革新医疗行业。SigTuple 专注于疾病、医学专家和设备等领域，该公司可以通过使用 AI 来分析医学影像数据，并通过远程诊断血液、尿液和精液测试来扩大服务规模，让医生能够远程为患者评估。
SigTuple 开发了一款名叫 Shonit 的设备，它可以获得血液测试结果并对其进行数字化。当下印度的血液检测成本约为 4 到 10 美元，而 Shonit 每次检测仅收取 40 美分至 80 美分的费用，大大降低了成本。
潘迪指出，血液检测的解决方案目前正在进行测试。该公司将测试数据数字化，并将其放在云端，利用 AI 进行数据分析后，将结果传回给医生，打通了云端到远程医疗终端。
现阶段 SigTuple 仅投入了大约 30 万美元，但收入不菲，该公司预计明年将在印度创造 100 万美元的收入。随着时间推移，还将拓展海外市场。
Bay Labs 成立于 2014 年 7 月，该公司拥有 15 名员工，投资方包括 Khosla Ventures 和 Data Collective Venture Capital，融资金额不详。
据悉，当时的约翰·麦瑟(Johan Mathe)医生预感到自己可能患有心脏病，于是他用听诊器花了 5 年的时间来观察，最终验证了自己确实有心脏杂音。花费如此长的时间，有没有办法使超声波直接实时传送到你的全科医生？这个想法促使他创建了 Bay Labs。
众所周知，心脏的超声波图像分析难度较大，如果能够更容易地识别出这些图像，将会对其所帮助。为此，Bay Labs 在英伟达的 GPU 上运行自己的 AI 软件，实时进行训练，以便更好地识别超声波图像。它还可以帮助技术人员引导超声波探测器导到准确的位置，从而获得更高质量的患者数据。
数据现实，它的解决方案要比常规速度快 20 倍，成本为之前的 1/8，将每次扫描的费用从 400 美元降至 50 美元，而且每年可以扫描 5 倍以上的病人。
麦瑟表示：“超声波是无侵入性的，我们想让它和听诊器一样有用。”
更多关于 Nvidia Inception 项目的内容，雷锋网将持续报道。
via venturebeat
正在生成分享图...
晓楠