获红杉A轮投资 他师从奥斯卡奖得主 用机器之眼助医生诊断4类疾病

◆ 一年前，丁晓伟在UCLA的毕业典礼上开心得笑。

文| 铅笔道 记者 罗正臣

►导语

今日，VoxelCloud（体素科技）创始人丁晓伟向铅笔道透露，已于今年1月完成A轮融资，领投方为红杉资本（中国）。本轮融资由华兴Alpha担任项目独家财务顾问。

据悉，去年9月，体素科技已完成天使轮融资，金额为550万美元。丁晓伟解释道：“新一轮融资将用于招揽新型人才，并完成进一步市场推广及科研研究。”

VoxelCloud定位为一家人工智能医疗公司，主要为早期癌症筛查、心血管疾病诊断、眼科疾病诊断、肝脏早期病变诊断，提供基于深度学习算法的全自动医疗影像分析及辅助诊断功能。

注: 丁晓伟承诺文中数据无误，为其真实性负责，铅笔道已备份录音速记，为内容客观性背书。

医院里的程序员

丁晓伟读博期间，多数时间生活在UCLA的计算机视觉与图形学实验室内，师从2005年奥斯卡技术成就奖得主Demetri Terzopoulo院士。在该实验室研究的领域中，机器学习人工智能医疗影像分析，深深地吸引了丁晓伟。

他的爷爷奶奶，曾是某三甲医院的医生。自小生活在爷爷奶奶身边，丁晓伟小时候记忆多是停留在医院的生活里。耳濡目染，他对整个医院的运作、简单的医疗健康知识都有所了解。而这些回忆，让丁晓伟心中种下了对医学产生浓厚兴趣的种子。

随着计算机及互联网的兴起，丁晓伟学起了计算机和编程。在UCLA的实验室里，这颗种子终于发芽，促使着丁晓伟走向了研究人工智能医疗方向。在任职于美国西达赛奈（Cedars-Sinai）医学中心人工智能医疗项目和生物医学影像研究所期间，他发现了创业的方向。

据丁晓伟说，人工智能医疗领域，在2013年前一直存在着一个问题：受到人力及病人数量限制。除去少数国家级大型临床或筛查项目，该领域大多数项目研究规模不大。“对于单体研究机构，一个几百位病人的案例就是中大型项目了。彼时没有一个好的机器学习方法论来真正应用到这些临床数据。而传统机器学习方法，很难保证在每一项新任务上都有良好表现。”

随着深度学习理论像核弹一样在机器学习领域引爆，丁晓伟看到了改变传统模式的希望。“新的方法虽然也不能保证每个任务都有良好表现，但是提升了整个体系内的工作效率，解决问题的能力也高于之前的大多数方法论。”

因为丁晓伟本身的研究方向便是心脏影像量化分析及肺部影像分析，所以他选择了将专业融入到创业项目中，让机器能够看得懂、读得懂医疗数据。

◆ VoxelCloud的临床解决方案

于是在调研了近一年后，丁晓伟与2016年年初创立了VoxelCloud（体素科技），旨在为医生提供客观精准量化指标，帮助医生提高工作效率。对此，他主要向两大方向发起进攻：精确的量化数据及循证医学。

在丁晓伟看来，医生的诊断一定要精准化且不受主观因素影响。“所有检测指标都需要量化，从而避免不同医生在诊断标准上不一的情况。”同时，医生的诊断一定要有迹可循。“医生在做每一个判断和发现时，最好以之前相应的证据来作为佐证。”

完成这两项目标的途径，便是利用基于大数据人工智能提供服务的云平台。传统的医生在诊断过程中，需要翻查先前的文献及记载，并根据检查数据结合经验提出治疗方案。这期间判断便会受到多方因素影响，也会受到人工干预，诊断周期会变长且容易出现失误。

丁晓伟认为，只要数据汇集在云平台上，且标记足够真实客观，加之方法论足够合适，医生们便可以用人工智能的方法提高临床流程效率，并为诊断结果提供提示、纠正。“医生对于结果的修正，就是让云服务器中的系统进行自我修正。”

VoxelCloud的云服务器通过与国内某些三甲医院合作，可收集各维度检查数据，如化疗、血检、病例检查、切片等，通过机器视觉、NLP/NLU技术，将之存储在云端。其解决方案及架构如下：

目前，VoxelCloud的产品已覆盖早期癌症筛查、心血管疾病诊断、眼底疾病诊断、肝脏早期病变诊断等业务领域，其他项目正在并行研发中。

人工智能医疗的误区

在丁晓伟看来，人工智能医学应用存在一些误区：机器诊断分析报告与医生主观印象的匹配率。“机器辅助诊断结果，不应该与医生主观印象做比对，而应该在有条件的情况下，去比对该疾病的金标准检查结果（Gold Standard）。”

金标准一般是特异性诊断方法，它能真实反应临床检查结果，是最重要的客观指标。“医生的报告里会掺杂主观认知，而通过与金标准的比对，才可以让临床检测率得到保证。”

同时丁晓伟也认为，机器诊断结果与医生初步主观印象无限接近，不一定是好事。“早期疾病的筛查在正常状况下，是允许错误发生的。因为它不能全完提供病情的最终诊断所需要的信息量。医生也知道，在初步筛查结果下得到的只是初步意见，不能作为金标准下定论。”

◆丁晓伟和其PHD导师Demetri在上海交大校长办公室洽谈合作，图中为交大校长张杰院士。

而VoxelCloud保证产品质量的量化标准，则是通过临床统计数据。“这些诊断结果需要第三方，甚至第四方、第五方同时审阅证实它的客观性。”在这种情况下，很难用单一的数字准确率去概括一个系统的好坏。“如果想讨论准确性问题，就需要坐下来把全部数据涵设定、环境、人群等做出统一。”

丁晓伟说，VoxelCloud能够保证的是在人们认知的检查中，基于数据信息量，让准确率接尽金标准的极限。“一个检查的天花板不是100%准确，因为检查的特性决定它只能做到这个程度。”

同时为了保证信息的客观，VoxelCloud会请4~5组独立不知情的医生团队对数据做质控标记。“我们在中心进行投票，再去确定哪些标记是客观的，哪些标记存在差异性。”

在产品销售方面，丁晓伟将市场策略定位直销和分销两种。直销客户主要以权威性大医院为主，“有些医院会配合我们做研发，更了解产品本质和能力，方便促使他们做采购决策”。而分销客户则是面向基层一级医院提供终端产品进院的模式。

除此之外，VoxelCloud还决定针对友商或行业上下游企业提供技术输出。“我们可以提供医疗影像知识图谱的API。 该API能够完成一些临床上的一些任务，而不是工程上的任务。并不是所有公司都需要向我们一样从最基础数据收集、清洗、研发做起，他们可以根据使用场景调用我们的API。”

对于公司快速融资，3月融两轮的决策，丁晓伟的解释是：医疗领域的伸缩性非常强。伸可以同时布很多产品线，因为技术流派相似，资源可以共享；同时资金的支持可以在特定应用领域深度探索，以完善产品形态。

对于未来医学人工智能，丁晓伟表示：“仍需要在行业内的技术团队和临床技术相结合，在学术领域保持先进性及前瞻性，从而谋求发展。”

/The End/

编辑 薛  婷 校对 朱明驰