立足核心的醫學影像和流體力學仿真技術,閱影科技致力于研發心腦血管疾病輔助診斷和決策產品,以協助醫生實現更精準的診斷。目前,公司擁有脈影、剪影、顱影等多款在研產品。

　　“我們并不想造超人來取代醫生,而是要造盔甲來幫助醫生成為超級英雄。”

　　研發團隊“添磚加瓦”,15年醫學圖像處理專家進閱影

　　根據《中國心血管健康與疾病報告2019》,我國心血管現患人數為3.3億,其中腦卒中患者1300萬,冠心病1100萬。

　　背靠千萬級患者,瞄準國內心腦血管疾病的治療需求,2017年10月閱影科技在深圳成立。公司針對心腦血管領域的精準診斷,以“人工智能+醫學影像”為中心,提供從診斷、術前規劃、術中導航到預后的全流程輔助診斷和決策平臺,力圖改善目前繁瑣的人工流程。

　　踏足心腦血管精準診斷市場,閱影科技的“底氣”是一批AI、流體力學仿真人才。公司非常重視自主研發,內設的研發團隊共分為三大板塊。一是公司CEO張超帶隊的高精度仿真團隊,二是首席科學家王純亮帶隊的機械視覺團隊,三是工程化團隊。

　　公司創始人張超是美國約翰·霍普金斯大學機械工程系和醫學院聯合培養的博士,他曾參與聯合數字心臟項目(Hopkins Heart),其中有包括CT-FFR在內的醫學影像計算技術。同時,在工作過程中他積累了仿真算法、計算功能學等技術,由此奠定了回國創業的契機。

　　自2017年成立以來,閱影科技吸引了一群海歸博士、國內外高校人才。在技術更迭、產品線擴張的當口,王純亮博士選擇全職回國擔任閱影科技的首席科學家。

　　王純亮是瑞典皇家理工學院副教授,有15年的醫療影像從業經歷,是醫療影像領域的資深專家。談到此次回國,他表示希望把這些年積累的技術、經驗真正用于臨床,做出幾款能夠在臨床中實際使用的產品。

　　臨床科班出身,王純亮對臨床需求具有深切的感知,他認為AI是一個能改變臨床的技術。

　　“醫學影像中包含的信息在很大程度上是浪費掉的。”

　　比如一個胸部CT中包含肺的容積、心臟形態學等信息,如果醫生愿意花時間去做,一定會發現很多信息。但在醫療資源短缺的地方,全面篩查胸部CT影像可能會為醫生增加許多負擔。利用AI技術對影像進行自動化分析,可以在不增加醫生任何負擔的情況下,為他們提供更準確的診斷信息,對患者情況進行綜合判斷,從而提高整體的醫療水平。

　　全自動CT圖像處理,基于少量數據進行深度學習

　　FFR(血流儲備分數)是冠脈狹窄功能性診斷的“金標準”。

　　臨床上常用壓力導絲測量FFR,在《2018歐洲心臟學會心肌血運重建指南》和《中國經皮冠狀動脈介入治療指南(2016)》中均作I類A級推薦。但傳統的壓力導絲測量FFR在安全性、經濟性、實用性上都有待改進,在中國的應用率不及1%。

　　CT-FFR可作為有創FFR的重要替代,在CT影像的基礎上無創測量FFR值,為醫生提供輔助診斷。在全球范圍內,HeartFlow率先開展CT-FFR業務,國內科亞醫療、數坤科技等企業也在推進相關產品。

　　閱影科技抓住AI醫學影像、精準診斷發展的契機,推出CT-FFR產品脈影。在冠脈CT影像的基礎上,基于深度學習全自動化分析影像數據來測算FFR值,以評估患者的血管功能狀況。

　　脈影CT-FFR產品作用的第一階段是3D建模,把CT影像信息轉化為血管三維模型。在這過程中,一旦血管直徑出現一點偏差,就會成倍數地影響血流計算結果。

　　在有15年從業經驗的圖像處理專家王純亮博士的帶領下,閱影科技利用圖像分割和圖形仿真技術,把血管的形態較準確地呈現出來。同時,在這過程中引入人工智能,大大加快了圖像分割和三維建模的速度。

　　第二階段是流體力學仿真,基于血管三維模型模擬血流。張超博士與研發團隊一同開發出精準、快速的血流模擬技術,建立了一個可拓展、模塊化的可視化平臺,用于支撐多模塊信息的集成。

　　CT-FFR無創測量計算量較大,對計算機硬件要求高。傳統的CT-FFR系統需要醫院把CT數據上傳云端,再通過企業的服務器去計算,一般需要幾小時或隔天才能把數據送到臨床科室。而脈影產品可以直接在臨床科室對CT圖像進行全自動化處理,把整個過程縮短到10分鐘以內。

　　這不僅可以減輕醫生負擔,縮短FFR測量的時間,而且還能提高臨床應用FFR技術的積極性。因為醫生已經有了CT影像,如果可以不費力氣就得到FFR數據,不需要再對患者進行額外的圖像采集操作,他們會更愿意使用CT-FFR系統。

　　再而,我國醫院對于數據的安全性管控非常嚴格,按照這樣的發展趨勢,未來企業只有把輔助診斷技術部署在醫院,才便于進行數據采集與管理。

　　此外,閱影科技開發的AI算法只需要小量的優質算例就可以完成高精度的卷積神經網絡架構的搭建,大大減少了對原始醫療數據的依賴。目前,很多深度學習提供的是一種端到端的學習范式,整個學習流程完全交給深度學習模型直接學習從原始數據到期望輸出的映射。

　　以腦出血為例,根據出血部位的不同,腦出血可分為蛛網膜下腔出血、腦實質出血、腦室內出血等類型。只有提前把各類出血病例展示給神經網絡,它才能夠準確識別不同類型的腦出血。這就導致神經網絡數據依賴性強,而且可能無法識別偶發、低發的腦出血病灶。

　　這種方式與醫生的學習過程不同。醫生是在學習了人體正常的解剖結構之后,再根據異常判斷疾病。閱影科技的深度學習網絡借鑒了醫生的學習路徑,先從健康、正常的人體解剖結構入手,再根據異常綜合判斷,降低對原始數據的依賴。如此一來,即便患者出現一些異常情況,如大規模的鈣化或放置支架,閱影科技的產品也能準確進行血管分割。

　　根據臨床應用數據,脈影產品測量FFR值的準確率達90%,而且對于FFR灰區(即FFR在0.75-0.80之間)的患者計算的準確率較高。

　　基于3D建模和流體力學仿真兩方面技術,閱影科技仍在不斷開發新產品,將心腦血管形態學和功能學信息整合起來。新產品將不止能夠判斷血管狹窄率、血流情況,還能反映血管周圍斑塊及其結構組成。

　　“先有靶子再拿槍”,擴展心臟、顱內兩大產品線

　　閱影科技錨定血管影像領域,主要研發診斷輔助、診斷決策類產品。

　　公司共有兩條產品線。一條是研發心臟科影像診斷產品,如冠脈形態學的分析平臺、結構性心臟病的診斷及術前規劃、房顫射頻消融術前的規劃。另一條是開發顱內功能學診斷產品,不只針對顱內動脈,還有顱內的多模態影像融合。

　　在產品布局上,閱影科技精準把握臨床需求,“先有靶子再拿槍”,專注于心腦血管領域的縱深發展。正是看到了心腦血管疾病的危急性、重要性,閱影科技才將重心放在心腦血管影像領域。下一步,公司計劃將業務拓展至外周血管領域。

　　在發展過程中,閱影科技與北大三院、阜外醫院、安貞醫院達成合作,共同開展脈影CT-FFR產品的臨床試驗,同時將宣武醫院、復旦大學附屬華山醫院作為顱影產品落地的中心。在海外市場,公司與斯坦福醫學院的心內科、約翰·霍普金斯大學親密合作,共同開展公司在全球范圍內的多中心臨床試驗。

　　未來,閱影科技希望通過心腦血管產品的串聯,搭建一個心腦血管輔助診斷和決策平臺,真正替代醫生現有的診療手段。