![]()
SigmaLUTM系统弥补了医生人为诊断漏检率高的缺陷，对于系统带来的误判，医生可以快速的做出筛除和修正，从而为医生辅助诊断，提升工作效率。
文｜zi跃
医生借助医学影像做出疾病诊断已经是常用手段。据了解，临床诊断的70%依靠医学影像。加之人口总数增多、老龄化趋势加剧以及收入水平提高等因素的影响，更是驱动着医学影像行业保持长期增长的态势。有分析报告认为，预计到2020年，中国医学影像设备市场初步可达400亿市场规模。不过，在这片蓝海中依然有不少亟待解决的问题，比如如何减少疾病误诊率、提升医生的诊断效率。而人工智能或许能给这一问题提供一个很好的答案。
2015年成立的图玛深维（12Sigma）正是这样一家将深度学习人工智能技术引入到智能医学诊断的系统开发商。12Sigma创始人钟昕向36氪透露，近日，12Sigma已经完成150万美金的天使轮融资，由真格基金、经纬中国共同投资。
钟昕表示，图玛深维将深度学习引入到计算机辅助诊断系统中，可应用于各类医学图像分析诊断、显微镜下的病理图像分析、以及发现DNA结合的蛋白质的序列特异性并协助基因组诊断等。帮助放射科医生提高诊断精度和诊断效率，降低诊断成本，带给病人更佳的诊断和治疗方案。
目前国内外已有一些公司在人工智能医学影像诊断上进行尝试，如美国硅谷的Enlitic，加拿大的Imagia，国内如此前36氪报道过的DeepCare、推想科技等。
与之相比，12Sigma在疾病的解决方案上选择了不同的切入点。公司第一款产品为针对于肺癌的自动诊断系统（SigmaLUTM）。该系统训练使用的数据来源于我国若干家三甲医院及美国癌症协会提供的上万例胸腔CT扫描数据，能从胸腔CT扫描中自动分割肺部，并自动标记疑似肺癌结节的组织结构位置、大小、形状、良恶性等信息，辅助医生对胸腔CT扫描图像的分析，在帮助医生提高早期肺癌的检出率的同时大大降低临床医生的工作量。
目前低剂量CT已经成为肺癌和肺结节筛查的NCCN推荐方法。但是肺结节在临床漏检率一般在15%-20%之间，美国最优秀放射科医生的漏检率在7%左右。而经前期的实验数据证明，12Sigma的肺癌的自动诊断系统的可靠性在98.5%，也就是说漏检率仅为1.5%；而系统的准确性为2.8，这意味着每检查出一个肺结节，系统会伴有2.8个误判。
“因此，我们的CAD系统恰恰与医生需要是互补的。因为医生极少有误判，但是容易漏检。SigmaLUTM系统弥补了医生人为诊断漏检率高的缺陷，对于系统带来的误判，医生可以快速的做出筛除和修正，从而为医生辅助诊断，提升工作效率。”钟昕称。
目前，图玛深维的客户主要以B端为主，其商业模式大致可以分为两类：
一是面向医院、影像中心、体检中心推广。目前，主要以科研合作的方式进入医院，通过系统辅助医生诊断，获得相关数据与医生的指导反馈。
二是与PACS厂商、医疗器械厂商合作，将该系统作为软件集成在其他产品中。据了解，12Sigma已经与PACS系统提供商对接，与他们的集成系统一道进入医院。
目前公司总部在北京，并在美国圣地亚哥设有分公司。在团队规模上，图玛深维在美国的研发团队7人，中国研发销售团队4人。创始人兼CEO钟昕为清华大学生物医学工程学士，密执根大学生物医学工程、电子工程硕士，卡内基梅隆大学工商管理专业硕士，曾就职美国高通公司、高盛证券交易部，美林、摩根-斯坦利等投行。联合创始人兼CTO高大山毕业于清华大学自动化系， 拥有加州大学-圣地亚哥分校电子工程学博士，曾任职于GE全球研究所、美国高通公司，是人工智能和计算机视觉学领域的专家。
此前，12Sigma曾获得30万美元的种子轮融资。钟昕表示，本轮融资后，公司的产品研发将在肺病领域实现由点到面的扩展，从目前肺结节的自动诊断扩展到如肺结核、肺气肿等多类呼吸科疾病的自动诊断。未来的3至5年，12Sigma计划推出6-8类针对肿瘤、心血管疾病、脑血管疾病的自动化诊断产品等。
![]()
推荐阅读
点击下方图片即可阅读
![]()
![]()
