廣州熱線

核心提示：

1. 為什么要做消化內(nèi)鏡影像的輔助診斷？商業(yè)化的空間有多大？

2. 技術難點何在？

3. 如何驗證技術的臨床價值？

36 氪獲悉，專注于內(nèi)窺鏡影像輔助診斷的 AI 企業(yè)Wision A.I. 已獲得數(shù)千萬元 A 輪投資，資方為北極光創(chuàng)投。本輪融資將主要用于人才引進和開展更多臨床試驗。

Wision A.I. 成立于 2016 年底，專注于通過 AI 為消化內(nèi)鏡醫(yī)師提供實時輔助診斷，減少腸道息肉漏診率。據(jù)悉，其在測產(chǎn)品主要用于結(jié)直腸早癌篩查。

結(jié)直腸癌發(fā)病率的持續(xù)增長 VS 居高不下的漏診率

結(jié)直腸癌是世界上最常見的惡性腫瘤之一，目前在我國各癌癥中發(fā)病率排第 3 位，其發(fā)病過程較其它癌種受環(huán)境因素影響更高。隨著我國經(jīng)濟高速增長，人們生活方式日趨多樣化，結(jié)直腸癌發(fā)病率也以年均 4%-5% 的速度增加。

據(jù)了解，結(jié)直腸癌的轉(zhuǎn)歸、預后與病變的分期密切相關：多數(shù)早期結(jié)腸癌可治愈，5 年生存率可達 90%，局部進展期為 70%，而晚期不足 10%。這也充分說明早期診斷對生存有很大的影響。結(jié)直腸癌多數(shù)由結(jié)腸息肉演變而來，腸癌早篩的主要任務是發(fā)現(xiàn)息肉。

作為消化道病變篩查和診斷的金標準，臨床上一般采用消化內(nèi)鏡來查看息肉，再通過取活檢分析病理的方式確定其惡性程度來進行癌癥篩查。

但其中會涉及到幾個明顯痛點：其一，由于腸道環(huán)境復雜、早期癌變或息肉又小又平、檢查前洗腸不干凈等因素，多數(shù)醫(yī)生很難做到精準化判斷，臨床漏診率很高（美國是 6%~27%，日本約為 20%，中國更不容樂觀）；其二，消化內(nèi)鏡要通過自然腔道進入人體，檢查過程中醫(yī)生要花太多時間操作設備，會給患者帶來強烈不適感；其三，由于醫(yī)生資源匹配等原因，消化道疾病尤其是惡性病變的早診早治在基層并不普及。

用前瞻性臨床試驗確認 AI 的技術價值

Wision A.I. 創(chuàng)始人兼 CEO 劉敬家表示，消化內(nèi)鏡人工智能技術能在很大程度上解決上述問題：通過輔助檢測系統(tǒng)提高檢查效率和早癌檢出率，讓醫(yī)生高效完成診斷；未來這種技術的普及也能將結(jié)直腸腫瘤篩查能力向基層下沉。Wision A.I. 也是想基于 AI 技術的不斷優(yōu)化來實現(xiàn)上述目的。

說到服務場景，醫(yī)生利用 Wision A.I. 的系統(tǒng)進行輔助診斷時，患者消化道的視頻影像在屏幕上不斷變化，與視頻畫面相對應的各種病變提示也實時發(fā)生著變化。即在醫(yī)生還沒有進行判別之前，機器就已自動對圖像進行了專業(yè)判斷。

Wision A.I. 的產(chǎn)品

劉敬家透露，目前 Wision A.I. 它已在國內(nèi)某三甲醫(yī)院進行了大規(guī)模的前瞻性、隨機化技術驗證，測試樣本是訓練樣本的 44 倍，規(guī)避算法過擬合。結(jié)果顯示，敏感度>94%、特異度>96%，AUC=0.991。該研究獲得了 2017 年世界消化大會（WCOG）唯一的國際獎，團隊受邀在大會首場環(huán)節(jié)進行報告。

需要指出的是，前瞻性研究（prospective study）是以現(xiàn)在為起點追蹤到將來的研究方法，處于醫(yī)療人工智能試驗的第三階段。第一階段是要確定有前景的模型；第二階段是通過大規(guī)模患者陣列確定模型的價值的回顧性研究。以 Wision A.I. 為例，通過前瞻性研究在現(xiàn)有數(shù)據(jù)模型基礎上，追蹤 AI 工具介入過程中醫(yī)生診斷效果的的改變情況，更具臨床價值。

劉敬家表示，醫(yī)療 AI 技術開發(fā)現(xiàn)在還處于早期階段，前瞻性研究要求的控制變量又相對復雜，目前我們能看到的多數(shù)精尖研究成果都未經(jīng)過前瞻性研究的驗證，包括谷歌發(fā)布在 JAMA 上的糖尿病視網(wǎng)膜病變定級成果，斯坦福發(fā)布在 Nature 上的皮膚病變診斷成果等。

渠道方面，Wision A.I. 在成立之初就面向美國，通過與哈佛醫(yī)學院及旗下醫(yī)院合作，對其 50 個全長度的腸鏡檢查算法進行驗證，有效提示了息肉并超越了醫(yī)生日常的診斷水準；另外，它還和紐約某頂尖醫(yī)院建立了合作。

區(qū)別于其它將系統(tǒng)裝到盡量多的醫(yī)院進行訓練的 AI 公司，Wision A.I. 創(chuàng)始人劉敬家表示，做醫(yī)療 AI 要遵循循證醫(yī)學的邏輯，每個渠道都要為其產(chǎn)品帶來更好的臨床證據(jù)才行，因此并不急于將系統(tǒng)部署到更多醫(yī)院。他透露，待與現(xiàn)有渠道建立穩(wěn)固合作關系后，下一步會擴展到美國中部、東南部和西海岸幾個州的標桿性醫(yī)療機構(gòu)。

商業(yè)變現(xiàn)空間與技術壁壘

至于產(chǎn)品后續(xù)的商業(yè)化，還要考慮到消化內(nèi)鏡的應用場景。首先，消化內(nèi)鏡能特殊光源、放大鏡、甚至顯微鏡的觀察方式，為疾病病理研究提供了更豐富的手段；其次，它在腫瘤早篩之余還能深入到治療環(huán)節(jié)（微創(chuàng)或無創(chuàng)手術），包括肺、膽囊等器官的臨近區(qū)域腫瘤的切除和治療。

而隨著相關疾病發(fā)病率的逐年上漲以及微創(chuàng)、無創(chuàng)手術的進一步普及，AI+ 消化內(nèi)鏡影像也能有更廣闊的商業(yè)空間。相應的，相比于對放射影像、超聲影像、病理切片、眼底等醫(yī)學影像的輔助篩查，消化內(nèi)鏡的 AI 輔助診斷工具也更具備作為獨立醫(yī)療器械產(chǎn)品的臨床價值和商業(yè)變現(xiàn)能力。

當然，也有不少機構(gòu)開始盯住這塊蛋糕：投入到消化內(nèi)鏡人工智能開發(fā)領域。公開資料顯示，去年 5 月，日本奧林巴斯和富士公司宣布合作開發(fā)適合胃和腸道的 AI 輔助診斷產(chǎn)品；去年 7 月，日本癌癥中心和 NEC 公司也在宣布開發(fā)出在結(jié)腸內(nèi)窺鏡中自動診斷息肉的人工智能；8 月，華西 - 希氏醫(yī)學人工智能中心發(fā)布了人工智能消化內(nèi)鏡產(chǎn)品，并宣稱它能在胃鏡下對息肉、腫瘤和靜脈曲張進行準確識別。今年 7 月，騰訊覓影也發(fā)布了結(jié)直腸腫瘤篩查 AI 系統(tǒng)。等等。

涉及到技術壁壘，劉敬家表示，消化內(nèi)鏡的病兆形態(tài)特征復雜——正常隆起、皺壁、脂肪顆粒等會對識別目標（息肉腺瘤等）造成干擾，無明顯統(tǒng)計規(guī)律，常規(guī)深度學習方法并不適用于這類病變的識別 。對此，Wision A.I. 采用了泛函分析算子理論的方法，即構(gòu)造各種深度學習神經(jīng)網(wǎng)絡函數(shù)的不變子空間，并據(jù)此構(gòu)造以深度學習神經(jīng)網(wǎng)絡為基函數(shù)的泛函識別函數(shù) ，擺脫了常規(guī)深度學習方法對圖像形態(tài)的限制，模型構(gòu)造難度大。

而且，消化內(nèi)鏡圖像是在整個動態(tài)過程中所截取的圖像，圖片質(zhì)量受限于醫(yī)生的操作手法或設備水平，借助 AI 識別要比其他的圖像要更困難，對 AI 模型訓練技術要求也很高。另外，做消化內(nèi)鏡時臨床上每秒鐘會有上百幀的內(nèi)鏡下視頻流，要做到高速識別，不 " 丟幀 "、不卡頓、不能有感覺上的延時，這對配套的硬件技術的要求也會很高，包括質(zhì)量佳、小型化、經(jīng)濟適用等。

團隊方面，主要成員來自布朗、哥倫比亞、斯坦福、復旦、中科大等名校，團隊成員曾供職于谷歌、高盛、亞馬遜等公司，目前共有 11 人，其中技術團隊是由曾在高盛做量化交易的模型師領銜，非常重視算法開發(fā)，而并非單純依賴深度學習和大數(shù)據(jù)。

來源：36氪