36氪首发 | 基于AI做消化内镜辅助诊断，「Wision A.I.」获数千万元A轮融资
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Wision A.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。
Wision A.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，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4%-5%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6%~27%，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Wision A.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
据介绍，现阶段Wision A.I.能实现如下服务场景：医生利用Wision A.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。
Wision A.I.的产品
刘敬家透露，目前Wision A.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%，AUC=0.991。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（prospective study）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Wision A.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，斯坦福发布在Nature上的皮肤病变诊断成果等。
渠道方面，Wision A.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，Wision A.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。
提及到技术壁垒，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，Wision A.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 ，它摆脱了常规深度学习方法对图像形态的限制，模型构造难度更大。
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。
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。
原文はこちら
セミナー情報や最新業界レポートを無料でお届け
メールマガジンに登録
Google翻訳などのAIを使い、編集者が補正した文章です。
主な提起
１．なぜ消化器の内視鏡映像で補助診断をする必要があるのか。マーケティング的にはどの位の規模なのか。
２．技術的な問題点はあるか。
３．どのように技術の臨床価値を検証するのか。
36ｋｒが得た情報によると、内視鏡映像による補助診断に力を入れたAI企業であるWisionA.I.は既に数千万元のA型融資を受けており、投資したのは北極光創投とされている。本融資は主に人材の引き込みと更に多くの臨床試験への展開に用いられる。
WisionA.I.は2016年末に設立され、AIを通して消化器内視鏡を使う医師に補助診断を提供する事に力を入れている。主に結腸、直腸の早期癌検査に用いられる計測器を提供するが、これによって腸管ポリープの誤診率が減少する。
結腸、直腸癌の発病率の継続的増加と下がらない誤診率
結腸、直腸癌は世界でも最も良くみられる悪性腫瘍の１つであり、現在中国における各癌症状の中でも発病率第３位に位置づけられている。その発病原因はその他の癌と比べても環境要因の影響が高い。中国経済の成長が増すにつれて、人々の生活様式は日々多様化し、結腸、直腸癌の発病率も年平均4％〜5％という速度で増加している。
結腸、直腸癌の発症と病変時期は密接に関係しており、多くの早期結腸癌は治癒し、5年生存確率は90％に達し、局部での進展は70％、晩期は10％に満たない。これも早期診断が生存に大きな影響を受けていることを充分に説明している。結腸、直腸癌の多くは結腸ポリープから変化しており、腸癌における主要な早期発見の目安はポリープの発見にある。
消化管の病変の検査と診断の確実な基準は、臨床上一般的に消化器内視鏡によるポリープの検査が採用されており、生検を通して病理変化を分析し悪性の程度を確定して癌症状の検査を行う。
しかし、その中には明らかな問題点が幾つかある。１つ目は腸内環境が複雑なことだ。早期の癌病変またはポリープは小さく平らなため、検査前に腸洗浄をしてもきれいにならないなどの要因があると、多くの医師が精密な判断をする事が難しくなり、臨床上の誤診率が高くなる（アメリカは6％〜27％、日本は約20％、中国は更に楽観視できない状態である）。２つ目は消化器内視鏡は自然な空洞を通して人体に入れる必要があるため、検査過程のなかで医師が多くの時間を用いて機器を操作したりすると患者に強烈な不快感を伴う。３つ目は医師の人材難等の問題によって、消化器疾患はとりわけ悪性病変の早期診断、早期治療は基礎があるだけで行き渡っているとは言い難い。
先見性のある臨床試験を用いてA.I.の技術価値を確認する
WisionA.I.の創設者兼CEOである劉敬家(リョウ・ジンジャア)は次のように言っている。消化器内視鏡における人工知能技術では、上記の問題は大方解決している。補助検査システムを通して検査効率と早期癌検出率を高め、医師に完璧な診断をもたらす。未来にこのような技術が普及すれば結腸、直腸腫瘍検査能力の基礎固めとすることができる。
紹介によると現段階でWisionA.Iはこのようなサービス環境で用いることができるとされている。医師がWisionA.I.システムを利用し補助診断を進める際に、患者の消化管の映像はディスプレイ上で絶え間なく変化し、ビデオ画面に対応する様々な病変もリアルタイムですぐ分かる。つまり医師が判別する前に、機械が既に自動で画像に対して専門的な判断をしているのである。
劉敬家が明かしたところによると、現在Wision A.I.は既に国内の某三甲医院で大規模な機械化技術検証が行われ、試験サンプルはトレーニングサンプルの44倍であり、計算と一致する。結果的に、敏感度＞94％、特異度＞96％、AUC＝0.991である。この研究は2017年世界消化器病学会（WCOG）で唯一の国際賞を受賞し、チームは学会の最初のセッションで報告するように招きをうけた。
指摘する必要があるのは、前向き研究（prospective study）は現在を起点とし将来に至る研究方法であり、医療における人工知能試験の第３段階として位置づけられている事である。第１段階は目の前のモデルを確定させること、第２段階は大規模な患者を通してえられたデータの価値を確定する回顧的研究である。WisionA.I.を例に挙げると、前向き研究が現在のデータモデルの基礎の上にあることをふまえて、A.I.機器が介入することで、医師の診断効果がどう変化するのかを追跡する事は更なる臨床価値を備えている。
劉敬家は、医療A.I.技術はいまだ早期の段階にあり、前向き研究が要求している変化量のコントロールは相対的に複雑だと述べている。それは私達が見ている多数の精密な研究成果が未だ前向き研究の検証を経ていない事を示している。これにはGoogleがJAMA上において糖尿病で見られる網膜疾患の変化レベル発表し、スタンフォードがNature上において皮膚病変の診断成果を発表した事等も含まれている。
パイプラインの面では、WisionA.I.が設立した当初はアメリカ向けであり、ハーバード医学院及びその傘下の病院との協力により、50種の大腸内視鏡検査に対して検証を行い、ポリープに対し医者の日常の診断を超える効果を提示した。その他にもニューヨークの某トップ病院との協力をとりつけた。
可能な限り多くの病院でシステムをトレーニングする他のAI企業とは異なることをWisionA.I.の創設者である劉敬家は示している。医療A.I.は循証医学のロジックを守らなければならず、パイプライン毎に全てその製品から来る更に良好な臨床のエビデンスとすることができ、これによってシステム部所から多くの病院に行き渡らせる必要がない。彼が明らかにしたところによると現在あるパイプラインが安定して協力関係を構築した後、更にアメリカ中部、東南部、西海岸などの幾つかの州へと発展させるベンチマーキングの性質を持った医療機構の設立が次の一歩である。
商業による空間の変化と技術の壁
製品が続々と商業化されると、消化器内視鏡の応用を考えていく必要が出てくる。まず、消化器内視鏡の特殊な光源、ルーペ、顕微鏡の観察方法は疾病病理研究で更に豊富な情報を提供している。次に腫瘍は早期にスクリーニングされたのち、さらなる治療（最小限の手術、もしくは手術しない）、肺、胆のうなどを含む器官付近の腫瘍の切除、及び治療である。
そして関係する病気の発病率が年々高まるにつれ、無手術の更なる普及、A.I.＋消化器内視鏡映像も更に幅広いビジネスとなる。相応して、放射線映像、超音波映像、病理切片、眼底などの医学映像の補助検査、消化器内視鏡のA.I.補助診断道具も更に独立した医療機器商品の臨床価値及び商業変成能力となる。
当然ながら、多くの機構がこの甘いケーキに着目しはじめた。そして消化器内視鏡の人工知能開発領域に投入した。公開されている資料から分かる事は、昨年5月、日本のオリンパスと富士フイルムが協力して開発した胃に適合し腸管を調和するA.I.補助診断製品を発表した。昨年7月、日本のがんセンター及びNECも結腸内視鏡中のポリープ自動診断を行う人工知能を開発した事を発表した。8月、華西病院と希氏病院の医学における人工知能センターが人工知能による消化管内視鏡の製品を発表した。それは胃カメラでポリープや腫瘍、静脈瘤を確実に識別することもできる。今年7月、騰訊写真も結腸、直腸腫瘍にA.I.システムを導入することを発表した。
技術的障壁に関しては、劉敬家が次のように言っている。消化器内視鏡の疾病徴候を示す形態的特徴は複雑である。正常な隆起、絨毛壁、脂肪顆粒などが識別指標（ポリープや腺腫等）であるはずが、干渉されたり、統計規則が不明瞭、深い学習を行う際の学習方法が不的確なことからこの種の病変の識別が難しくなっている。これに対して、WisionA.I.は機能解析を用いたオペレータ理論を採用し、構造における各種の深さを神経網関数の不変部分空間を学習させ、同時にこの構造は神経網の深い学習によって基礎関数の機能解析識別関数として、一般的な深さの学習方法による図形形態の制限から抜け出すことができた。相応して、モデル構造の難しさも更に大きくなるはずである。
そのうえ、消化器内視鏡映像は全ての能動的な過程から撮った画像であり、その画像の質は医師の操作あるいは設備レベルに依存する。A.I.識別の助けを借りることはその他の画像に比べて困難であり、A.I.モデル訓練技術に対する要求も高くなる。その他、消化器内視鏡で臨床を行う際には、毎秒何百もの内視鏡映像が流れるため、高速識別の必要がある。ドロップフレームせず、ずれた感覚がないこと、このことからハードウェア技術に対する要求も高いという事が分かる。
チームとしては、主な構成員がブラウン、コロンビア、スタンフォード、复旦、中科大等の名門校出身者からなっており、Google、ゴールドマンサックス、アマゾンなどの会社の職員を兼任している。現在合計１１人で、その中の技術チームはかつてゴールドマン・サックスで定量的取引(Quantitative Trading）を行ったモデラーが率いている。
原文はこちら
セミナー情報や最新業界レポートを無料でお届け
メールマガジンに登録
フォローする
フォローする
