基于AI做消化内镜辅助诊断，WisionA。I。获数千万元A

　　核心提示：
　　1。为什么要做消化内镜影像的辅助诊断？商业化的空间有多大？
　　2。技术难点何在？
　　3。如何验证技术的临床价值？
　　36氪获悉，专注于内窥镜影像辅助诊断的AI企业WisionA。I。已获得数千万元A轮投资，资方为北极光创投。本轮融资将主要用于人才引进和开展更多临床试验。
　　WisionA。I。成立于2016年底，专注于通过AI为消化内镜医师提供实时辅助诊断，减少肠道息肉漏诊率。据悉，其在测产品主要用于结直肠早癌筛查。
　　结直肠癌发病率的持续增长VS居高不下的漏诊率
　　结直肠癌是世界上最常见的恶性肿瘤之一，目前在我国各癌症中发病率排第3位，其发病过程较其它癌种受环境因素影响更高。随着我国经济高速增长，人们生活方式日趋多样化，结直肠癌发病率也以年均45的速度增加。
　　据了解，结直肠癌的转归、预后与病变的分期密切相关：多数早期结肠癌可治愈，5年生存率可达90，局部进展期为70，而晚期不足10。这也充分说明早期诊断对生存有很大的影响。结直肠癌多数由结肠息肉演变而来，肠癌早筛的主要任务是发现息肉。
　　作为消化道病变筛查和诊断的金标准，临床上一般采用消化内镜来查看息肉，再通过取活检分析病理的方式确定其恶性程度来进行癌症筛查。
　　但其中会涉及到几个明显痛点：其一，由于肠道环境复杂、早期癌变或息肉又小又平、检查前洗肠不干净等因素，多数医生很难做到精准化判断，临床漏诊率很高（美国是627，日本约为20，中国更不容乐观）；其二，消化内镜要通过自然腔道进入人体，检查过程中医生要花太多时间操作设备，会给患者带来强烈不适感；其三，由于医生资源匹配等原因，消化道疾病尤其是恶性病变的早诊早治在基层并不普及。
　　用前瞻性临床试验确认AI的技术价值
　　WisionA。I。创始人兼CEO刘敬家表示，消化内镜人工智能技术能在很大程度上解决上述问题：通过辅助检测系统提高检查效率和早癌检出率，让医生高效完成诊断；未来这种技术的普及也能将结直肠肿瘤筛查能力向基层下沉。WisionA。I。也是想基于AI技术的不断优化来实现上述目的。
　　说到服务场景，医生利用WisionA。I。的系统进行辅助诊断时，患者消化道的视频影像在屏幕上不断变化，与视频画面相对应的各种病变提示也实时发生着变化。即在医生还没有进行判别之前，机器就已自动对图像进行了专业判断。
　　WisionA。I。的产品
　　刘敬家透露，目前WisionA。I。它已在国内某三甲医院进行了大规模的前瞻性、随机化技术验证，测试样本是训练样本的44倍，规避算法过拟合。结果显示，敏感度94、特异度96，AUC0。991。该研究获得了2017年世界消化大会（WCOG）唯一的国际奖，团队受邀在大会首场环节进行报告。
　　需要指出的是，前瞻性研究（prospectivestudy）是以现在为起点追踪到将来的研究方法，处于医疗人工智能试验的第三阶段。第一阶段是要确定有前景的模型；第二阶段是通过大规模患者阵列确定模型的价值的回顾性研究。以WisionA。I。为例，通过前瞻性研究在现有数据模型基础上，追踪AI工具介入过程中医生诊断效果的的改变情况，更具临床价值。
　　刘敬家表示，医疗AI技术开发现在还处于早期阶段，前瞻性研究要求的控制变量又相对复杂，目前我们能看到的多数精尖研究成果都未经过前瞻性研究的验证，包括谷歌发布在JAMA上的糖尿病视网膜病变定级成果，斯坦福发布在Nature上的皮肤病变诊断成果等。
　　渠道方面，WisionA。I。在成立之初就面向美国，通过与哈佛医学院及旗下医院合作，对其50个全长度的肠镜检查算法进行验证，有效提示了息肉并超越了医生日常的诊断水准；另外，它还和纽约某顶尖医院建立了合作。
　　区别于其它将系统装到尽量多的医院进行训练的AI公司，WisionA。I。创始人刘敬家表示，做医疗AI要遵循循证医学的逻辑，每个渠道都要为其产品带来更好的临床证据才行，因此并不急于将系统部署到更多医院。他透露，待与现有渠道建立稳固合作关系后，下一步会扩展到美国中部、东南部和西海岸几个州的标杆性医疗机构。
　　商业变现空间与技术壁垒
　　至于产品后续的商业化，还要考虑到消化内镜的应用场景。首先，消化内镜能特殊光源、放大镜、甚至显微镜的观察方式，为疾病病理研究提供了更丰富的手段；其次，它在肿瘤早筛之余还能深入到治疗环节（微创或无创手术），包括肺、胆囊等器官的临近区域肿瘤的切除和治疗。
　　而随着相关疾病发病率的逐年上涨以及微创、无创手术的进一步普及，AI消化内镜影像也能有更广阔的商业空间。相应的，相比于对放射影像、超声影像、病理切片、眼底等医学影像的辅助筛查，消化内镜的AI辅助诊断工具也更具备作为独立医疗器械产品的临床价值和商业变现能力。
　　当然，也有不少机构开始盯住这块蛋糕：投入到消化内镜人工智能开发领域。公开资料显示，去年5月，日本奥林巴斯和富士公司宣布合作开发适合胃和肠道的AI辅助诊断产品；去年7月，日本癌症中心和NEC公司也在宣布开发出在结肠内窥镜中自动诊断息肉的人工智能；8月，华西希氏医学人工智能中心发布了人工智能消化内镜产品，并宣称它能在胃镜下对息肉、肿瘤和静脉曲张进行准确识别。今年7月，腾讯觅影也发布了结直肠肿瘤筛查AI系统。等等。
　　涉及到技术壁垒，刘敬家表示，消化内镜的病兆形态特征复杂正常隆起、皱壁、脂肪颗粒等会对识别目标（息肉腺瘤等）造成干扰，无明显统计规律，常规深度学习方法并不适用于这类病变的识别。对此，WisionA。I。采用了泛函分析算子理论的方法，即构造各种深度学习神经网络函数的不变子空间，并据此构造以深度学习神经网络为基函数的泛函识别函数，摆脱了常规深度学习方法对图像形态的限制，模型构造难度大。
　　而且，消化内镜图像是在整个动态过程中所截取的图像，图片质量受限于医生的操作手法或设备水平，借助AI识别要比其他的图像要更困难，对AI模型训练技术要求也很高。另外，做消化内镜时临床上每秒钟会有上百帧的内镜下视频流，要做到高速识别，不丢帧、不卡顿、不能有感觉上的延时，这对配套的硬件技术的要求也会很高，包括质量佳、小型化、经济适用等。
　　团队方面，主要成员来自布朗、哥伦比亚、斯坦福、复旦、中科大等名校，团队成员曾供职于谷歌、高盛、亚马逊等公司，目前共有11人，其中技术团队是由曾在高盛做量化交易的模型师领衔，非常重视算法开发，而并非单纯依赖深度学习和大数据。
　　来源：36氪