利用几何算法将2D影像3D化,这家智能影像企业如何在市场同质化竞争中做出差异?

2017 年 10 月 9 日 动脉网 周梦亚


第一次见到神州德信的产品,便觉得有点科幻剧范儿。


不同于大多数人工智能医学影像产品,他们的产品通过将病变组织或器官量化,以3D影像的形式呈现出来。

  

神州德信是一家医学成像技术企业。与目前主流的主要基于深度学习技术的的智能医学影像技术企业不同,神州德信自主研发的智能影像分析系统综合采用了计算机视觉、图形学、微分几何学以及机器学习等不同学科领域的关键技术。


通过诸多基于计算机视觉的图像分析以及检测技术,产品能将病变组织或器官量化,最终以3D影像的形式呈现出来,通过可视化方案为临床带来决策、手术规划辅助和评估。

 

神州德信的6年发展史中,不但开发除了基于7个医学成像系统,其中的核心产品还相继取得了CFDA、FDA认证。目前公司合作的医院已经超过70家。

 

北上广以外的企业,做出了与行业有差异化的产品,同时还得到了监管部门和市场的认可,他们是如何做到的呢?

 

前瞻性思维以及团队


在智能手机尚未完全普及的2011年,神州德信已经开始了人工智能+医学影像方向的研究。

 

神州德信创始人兼董事长孟鑫毕业于清华大学,在美国匹兹堡大学从事生物医学和计算机科学之间的交叉学科研究及应用产品开发工作。其他团队成员和技术顾问与美国主要的研究机构和医学中心(比如斯坦福大学和匹兹堡大学医学中心)有着非常紧密的合作关系。


部分成员早在2005年就开始从事智能医学影像分析,还有部分合作者本身直接工作在临床一线。

 

拥有紧跟科研和临床应用的团队,使得他们对诸多临床问题有着非常深入的理解,这些理解直接反映在产品本身的设计上。

 

困难重重的成长过程


2010年,渭南市政府找到孟鑫,希望借由她的前沿技术研究能够开发出能够赋能基层医疗的产品,一年后神州德信公司成立了,开始了创业之路。


渭南位于陕西省渭南市,相比北上广,渭南处于典型的“大西北”。在这样一个并不算太发达的地区,从事一个连在北上广都很少有人能够开展的尖端技术研究,首先面临的就是相关高素质人力资源储备和应用上的困难。


在北上广尚未有类似产品出来的阶段,这家公司第一个产品“数字肺”进入市场。但技术上的前瞻性、创新性和准确性在一开始并没有成为他们的先发优势。不仅没有拿到手软的订单,反而“疯子”、“骗子”成了他们收到最多的答复。

 

“在当时看来,很多专家认为这些平面图片怎么可能测算出密度、面积、体积,更不会测出其他指标。”王亚擘回忆当时的情况:“但随着这两年国内科技的发展、医疗影像技术的提升及人工智能的高速发展,现在大家逐步认可了这些技术。”

 

扭转医疗体系对于这种新技术的认知是必须的过程。在对各项因素进行分析之后,团队觉得可能地域上的劣势也在某种程度上为市场推广带来了困难,他们把目光聚焦到了北京。

 

“这个地方与国外交流的机会比较多,有什么前沿技术也必定是从那里进入国内。相比其他地区,北京对新事物的态度要更开放。”王亚擘告诉动脉网。

 

神州德信采取了自上而下的策略。他们先与解放军总医院、第四军医大学唐都医院、西安交通大学第一附属医院等这些全国知名的医院展开合作,在得到这些大医院的医疗专家认可后,再向下推广。

 

“之所以与这些医院和专家合作,因为医疗的安全、严谨、有效是必须首先保证的,这些大医院、大专家对于我们这种具有尖端技术、创新模式企业的认可是非常重要的。”王亚擘表示。

 

在市场化推广过程中,他们逐渐对临床现状有了更多的了解,出于对国内“重硬件、轻软件”的认识。基于解决数据和医疗信息安全的考虑,神州德信实现了产品的软硬结合,根据专家的需求开发出了支持目前主要虚拟现实装备的相关产品。


与同类企业一致的目标

 

与大部分同类公司一样,神州德信看到了中国医疗资源的两极分化,希望通过技术手段把大医院的能力赋予到基层。

 

中国的医生数量多,但人口更多。“中国的医患比例可能排到全球100多位,是比较落后的。”公司主要负责人王亚擘表示:“优秀医疗资源大部分集中在三甲医院,但从患者的刚需来说,基层医院的医疗需求量更大。”

 

基层“缺医不少药”,无论是在基层医院还是三甲医院,药是很容易走通的。“药”可通过药店、医院渠道进行流通,但是“医”的质量很难在基层有大的提升。

 

“科技改变生活”,这是大部分人工智能企业的初衷;“科技改变医疗”,这便是在医疗行业的人工智能企业共同的目标。


基层医生的医疗能力确实比不上三甲医院的医疗专家。通过科技的力量将三甲医院的能力赋予基层,虽不一定能真正的达到三甲医院的诊疗能力,但至少能够让基层医生的能力得到大幅提升,惠及更多的老百姓。

 

在大数据洪流下产生了几种医疗人工智能的模式,轻问诊、医疗信息化、临床诊断辅助。可以说人工智能进入医疗是趋势,也是刚需。


与主流产品不同的路径


目前市场上主流的影像诊断产品基本上是以发现肺结节为主,神州德信采取的方式则是将图像上所展现出的各种组织和病变进行检出、分割、量化、分类,并通过3D形式对结果和影像进行数字化和可视化,将组织特征细节化。

 

“我们更像是在模仿医疗专家的诊疗方式,对专家的判断思路和方法进行学习和总结。”主管市场的副总裁赵胥砚表示“这更像是医疗能力的传承,人工智能是医疗环节的一种工具,是我们整个体系中的一个部分。”

 

对神州德信而言,深度学习只是其产品系统中的一个环节,在其关键技术研发过程中,大量采用了一些新型的计算机视觉和计算几何等手段来描述和分析影像,对医学图像以及其所刻画的生物组织进行深度解读。

 

基于智能影像辅助诊断的7大产品


神州德信目前推出了7个基于智能影像的辅助诊断产品,分别是肺癌辅助诊断系统、数字肺系统、FACT肺减容手术系统、FACT肺功能量化系统、FACT肺结节微创手术系统、支气管内窥镜。

 

通过基于PACS/RIS的计算机辅助诊断系统,产品可与影像设备及PACS无缝对接,进行各种肺部和全身血管组织的计算机自动检测、分割和三维建模。

 

系统将对组织结构上的异常及其空间分布模式进行高精度量化分析,并对其随时间变化进行跟踪以及三维可视化,辅助医生对病人的病情发展及治疗效果做出准确的判断,以便医生制定正确的规范化治疗方案。

 

同时,针对CT图像的在线数据处理服务,系统还支持远程批量数据传输,能自动处理结果及时反馈给用户。

 

公司于2013年、2015年分别拿到了CFDA、FDA认证,并在2014年申请了两项核心技术专利,获得了多项软件著作权证书。

 

虽然前文中提到神州德信在成长过程中遇到了很多挑战,但基于技术优势和CFDA、FDA认证加持,公司几乎与国内排名前十的医院都达成了相关合作。

 

在产品和技术都到位之后,下一步,公司计划一面进一步深入市场,加速已有产品在市场的成熟;另一方面面将挖掘针对其他器官的辅助诊断产品。

 

据了解,公司A轮融资正在进行中。

 

文|周梦亚

微信|rencontre_my

添加时请注明:姓名-公司-职位

后台发送关键词即可获得相关好文

网站、公众号等转载请联系授权


人工智能报告 系列

  用人工智能实现疾病的筛查和预测,肿瘤和阿兹海默或将成为攻克重点

 人工智能辅助新药发现有七个创新方向,可大幅度节省成本和缩短研发时

 我们提出蝴蝶结产业模型和产业技术成熟度曲线,真实还原医疗人工智能产业

 人工智能拐点已至,国内外AI+医疗创业案例扫描

 在人工智能参与最多的医学影像诊断领域,这是一次完整的调研

 人工智能底层技术已然成熟,中国人工智能的发展急需解绑数据和政策支持

声明:动脉网所刊载内容之知识产权为动脉网及相关权利人专属所有或持有。文中出现的采访数据均由受访者提供并确认。未经许可,禁止进行转载、摘编、复制及建立镜像等任何使用。

登录查看更多
0

相关内容

商业数据分析,39页ppt
专知会员服务
159+阅读 · 2020年6月2日
人机对抗智能技术
专知会员服务
201+阅读 · 2020年5月3日
德勤:2020技术趋势报告,120页pdf
专知会员服务
190+阅读 · 2020年3月31日
2019中国硬科技发展白皮书 193页
专知会员服务
81+阅读 · 2019年12月13日
医疗知识图谱构建与应用
专知会员服务
384+阅读 · 2019年9月25日
如何构建行业知识图谱(以医疗行业为例)
阿斯利康高管为您解密药企医学事务部那些事儿
肿瘤资讯
41+阅读 · 2019年7月24日
为什么医学影像AI已进入「后深度学习时代」?
【智能医疗】如何利用深度学习诊断心脏病?
产业智能官
8+阅读 · 2017年10月3日
人脸识别独角兽之战
数据玩家
6+阅读 · 2017年9月30日
【深度】基于医疗大数据和AI技术的影像组学及其应用丨田捷研究员
中国科学院自动化研究所
6+阅读 · 2017年7月20日
已删除
将门创投
6+阅读 · 2017年7月6日
3D Deep Learning on Medical Images: A Review
Arxiv
12+阅读 · 2020年4月1日
Implicit Maximum Likelihood Estimation
Arxiv
7+阅读 · 2018年9月24日
VIP会员
相关VIP内容
商业数据分析,39页ppt
专知会员服务
159+阅读 · 2020年6月2日
人机对抗智能技术
专知会员服务
201+阅读 · 2020年5月3日
德勤:2020技术趋势报告,120页pdf
专知会员服务
190+阅读 · 2020年3月31日
2019中国硬科技发展白皮书 193页
专知会员服务
81+阅读 · 2019年12月13日
医疗知识图谱构建与应用
专知会员服务
384+阅读 · 2019年9月25日
Top
微信扫码咨询专知VIP会员