B輪5000萬美元，體素科技要做全病種醫療影像閱讀者

今日，AI 醫療初創企業體素科技釋出訊息稱，已於今年 9 月完成 5000 萬美元 B 輪融資；弘泰資本領投，紅杉資本、清松資本、漢富資本跟投；本輪資本主要用於醫療影像 AI 解決方案產品的各國市場準入註冊以及臨床落地。

9 月份融資，12 月份公佈，這個融資訊息似乎有點姍姍來遲。

具體融資流程圖

體素科技創始人兼 CEO 丁曉偉說，他本來不打算披露這一融資訊息。之所以現在公佈，是為了回應外界的期待。

在他看來，兩年多前行業一開始的時候，處於概念期，為了讓更多投資機構和合作方知曉，所以要積極宣傳吸引眼球。現在，醫療公司被大家所熟知之後，進入了行業的實用期，需要夯實之前技術、產品、法規註冊等方面的工作，慢慢向醫療這個行業去靠攏，交出真正讓別人無可挑剔的答卷，還有長的路要走、還有很多的工作要做，而這些都是很難去抓別人眼球的事情。

2 個多月，20 多個投資人，「大浪淘沙」

「這次融資比之前難。」丁曉偉坦言，「之前，我可能只找一家最合適的就可以融。現在這個環境，顯然不是這個樣子。」

在他看來，原因有二：一、這個市場冷了，2018 年後半年進入了資本寒冬；二、越往後，金額越大，自然做決策的時間也就越長。

A 輪融資時，他只聊了紅杉和另一家投資人，最後選了紅衫。A 輪+融資時，他只重點接觸了騰訊一家，其他投資人他通通沒有接受。而這一輪，「有點像大浪淘沙」，「花的心思也比之前多了很多」。

他前前後後花了兩個月時間，見了二十多家投資人，最後選擇了互相認可的 4 家公司：弘泰資本、紅杉資本、清松資本以及漢富資本。

紅杉從 A 輪就開始投資體素科技了。據丁曉偉介紹，其他投資人與老股東風格接近，相對比較信任團隊，不做微管理。用白話講，就是「明事理、乾脆」。

「這個在企業的發展中也是非常重要的。」丁曉偉說，「有的投資人喜歡花很多時間去做微管理，董事會花的時間就非常多。我們公司一直沿襲下來，目前所有的投資人股東和投資人董事都是隻做支援、不做干預的，等於說是有求必應，沒有請求的時候不會過來打擾我們的日常運營。」

他們選擇的投資人在產業上、國內醫療資源上有更豐富的資源。「我們的投資人也是國內幾個大的網際網路問診平臺、多個醫療資訊化系統、醫療機構的投資人。」

要成為「面」

「做全病種產品體系這個方向，是非常確定的。」從公司創立之初，一直沒變過，只是按照分步驟在一步步推進。

對單點突破「重任務」（比如骨折檢測、肺結節檢測）的產品策略，他是這樣看的：「這些當然是一線醫生的工作當中存在的問題，但是我覺得這個定位和定義還是有一點太窄了。」

體素科技沒有選擇走縱深這條路。在丁曉偉看來，在做縱深的過程中，臨床路徑非常多，而企業很難面向一個特定的人群。每個人的情況都非常複雜，個性化的醫療也越來越多，那種產品使用場景會比較窄，比較難設計，也比較難讓醫生對什麼時候使用這個產品有一個清楚的概念。疾病縱深全流程的設計將是很遠的將來，全病種 AI 之後能夠實現目標。

「如果把場景想的非常清楚，診療的病人和醫生只要來到這個階段（特定場景），就通通可以使用這個產品。」

體素科技要做一個個「面」。

「從外界看來，在重病大病上，我們跟競爭企業、同行水平不相上下。但是，我們整個技術構架、內部的運營管理方式都不是針對這類產品去設計的，我們一直是朝著全品種的方向去做的。」

丁曉偉介紹，「醫療 AI 能在更大的定義內、更廣大的人群上，起更大的作用，所以一直以來，我們關心整個醫療體系；在內部，我們關心團隊運作，重視內部運營建設，怎麼正向地、多線地管理六七個同時研發的產品線是非常關鍵的。

如果一個企業要在 2020 年管理 30 個產線的話，怎麼做？這才是一個企業在這個領域能夠擴張的根本能力，而不是某一個產品線做的多好，因為這裡沒有一個 killer app，是非常分散的。不是說你出來了，別人就沒的幹。」

用臨床試驗統計資料證明產品的市場價值

據丁曉偉觀察，現在行業記憶體在這樣一種現象：概念，大家都清楚了；一些定義相對比較簡單、沒有打磨好、使用場景比較窄、沒有完全達到臨床使用標準、功能上也不能在醫院中起到重大作用的產品被過度拿到醫院去試用。而且，這種情況比較明顯。

「我感覺有過度消費市場的趨勢。」他說，「我們融這筆錢不是現階段去競爭，而是想一直延續我們最初的產品定義——做全病種的產品體系，把醫生能寫的東西都去做，讓 AI 覆蓋整個過程、全部流程。」

他們想把高標準的設計做好，做非常正規的臨床試驗，真正在臨床當中得到驗證。拿到臨床試驗統計資料後，再去證明產品的市場價值。

「大部分企業臨床試驗的初衷是為了拿 FDA、CFDA 的註冊證，拿到准入的資質後合法的銷售。大家都是一切從簡，達到最低要求，以最快的速度拿到資格證。這也是企業產品上市的一個目標，也是壓力。」

但是他不這樣認為。他認為，臨床試驗是一個非常好的契機，從第三方、從官方的角度證明產品不只是達到了最低的使用標準和安全性。

「我們是想在基礎臨床試驗中，首先達到安全性和有效性，也多做一些其他臨床試驗終點的統計量的資料，包括提高醫生的工作效率，或者是產品與醫生配合後，對整個病人愈後效果進行跟蹤。然後，在整個大的醫療經濟學上，對美國的商業醫保或者是中國的國家醫保，或者是當地政府的醫保起到節約的作用。

他們希望做高質量的、能達到臨床類學術文章的標準，同時用於有法規註冊的臨床試驗。

但是，據他觀察，這樣的成功案例，國內可能還沒有企業做，還沒有形成這個環境。「歐美很多已經批准的醫療器械之所以有壁壘，之所以能在競爭中異軍突起，都是因為他們的實驗設計。他們所得到的客觀評價是最硬的，最可信的。如果只是證明這個產品剛剛夠用的話，企業可能很難打出品牌來。」

他補充，「我認為這是文化和習慣的問題，是想做和網際網路產品一樣、追求迭代，還是想做專業的醫療器械？不是用感覺去說話，而是用資料說話。」

為臨床試驗延期等不利情況做準備

丁曉偉介紹，融來的資金一部分將用於研發，體素科技以場景分類研發 AI 醫療產品，以胸部 CT、眼底彩照、冠脈 CTA、皮膚四個全病種解決方案為主攻方向；

另一部分將用在臨床試驗和醫院的合作上，而這是一件非常昂貴的事情。

「做一個產品還好，我們現在有五個正在審批或者是在臨床試驗過程的產品。」

產品線比較多，更新也比較快，產品定義在不同國家也是完全分支的。「不可能同一個產品既在中國有，又在美國用，在東南亞用。沒有所有國家都好用的產品，每個國家都有自己的產品線。」因此，他們一個產品的好幾個版本在不同地方同時註冊。可能到了 2019 年，他們的產品在一個國家就會有十條註冊認證的執行緒是開啟的。

丁曉偉介紹，各地法規註冊所需要的治療體系建設、當地的臨床試驗、獲取當地的註冊證、在當地落地 BD 的方式都完全不一樣。

「一個公司如果有十幾條、二十條產品線在註冊或者處於臨床試驗過程，那對公司財務的要求還是非常高的。而且有的試驗和註冊會比較順利，而有的試驗可能會因為各種各樣的原因（比如行政審批、醫院配合度）而延期也是很常見的。要為這些不利的情況做好相應準備。做醫療的週期一般比較長，當然，我們自己也希望產品得到足夠的驗證之後再上市。」

到目前為止，在這麼多的品種上，還沒有收到關於模型準確率的抱怨，是丁曉偉覺得非常值得一說的事。

他對自己的要求是：周圍的人生病，更希望用他的產品去跑一下影像，然後從中獲取更多的資訊。

下文是關於這家公司的更多介紹，更多訪談內容將以對話體形式呈現：

創業故事：

2008 年保送上海交大電院試點班，2012 年本科畢業後留學加州大學洛杉磯分校（UCLA），僅用兩年半（在 2015 年），丁曉偉就獲得了 UCLA 計算機博士學位，輔修應用數學，打破了 UCLA 建校以來計算機專業博士畢業時間記錄。

讀博期間，丁曉偉兼任美國著名 Cedars-Sinai 醫學中心研究人員，受到美國最佳醫生得主、心臟核醫學奠基人 Dr.Daniel Berman 和核磁共振著名專家 Debiao Li 教授指導，參與多款美國 FDA 批准的醫療影像分析系統研發。

2016 年，丁曉偉加入 UCLA（加州大學洛杉磯分校）任計算機系研究助理教授。

同年，他聯合他在 UCLA 的博士生導師 Demetri Terzopoulos（計算機視覺和圖形學泰斗、英國皇家科學院院士、加拿大科學院院士）、梁建明（美國亞利桑那州立大學（ASU）生物醫學資訊和電腦科學副教授、其研究是多款 FDA 批准的醫療應用的基礎），在美國洛杉磯和中國上海創立了體素科技（VoxelCloud），旨在透過人工智慧技術帶來人機結合的醫療影像分析工作流程，讓精準診斷觸手可及。

VoxelCloud 體素科技也是人工智慧+醫療行業內全病種產品體系的發起者，目前已累積融資近億美金。

再獲世界頂級醫學專家加盟：

曾創辦克利夫蘭醫學中心Cleveland Clinic Lerner醫學院，擔任克利夫蘭醫學中心Cleveland Clinic心血管醫學主席的Eric Topol教授，已於11月宣佈加入體素科技，擔任首席醫學顧問。

Eric Topol教授也是Scripps科學轉化中心創始人。2016年，Eric Topol教授獲得了NIH 2.07億美元的研發款項以引領精準醫學研究，其數額使其成為美國史上最大的NIH專案。

他被公認為美國著名心臟病學家和基因學家，美國個性化醫療以及數字醫療的意見領袖。文章被引次數高達23萬餘次。

Eric Topol將帶領體素科技推出最適合醫生使用以及醫療市場最需要的AI產品。

機器之心：目前有幾大產品線？

丁曉偉：我們以場景分類研發 AI 醫療產品。

輔助決策場景：我們一般針對的是臨床測試在對病人進行診斷決策時，做一些精細的量化分析和輔助判斷，現在的產品線主要是集中在心血管病上，特別是心血管 CT 的分析。

篩查場景：篩查和輔助決策最大的區別是病人的來源。輔助決策是前往醫院看病的病人，篩查場景是正常人或者健康人每年的例行檢查。

視網膜全病種篩查解決方案透過眼底照相，結合病人資訊，可全面檢查主要慢性眼底疾病，包括糖尿病視網膜病變、糖尿病黃斑水腫、青光眼、白內障、老年黃斑變性等，對其他病變亦能做到預警，真正做到眼底疾病的全方面覆蓋。

病人拍攝一次眼底照片就可以全面篩查眼底各項疾病，這對於醫院眼科、內分泌科、體檢中心來說都非常具有臨床意義。

體素科技還研發了眼科全病種產品的軟硬體一體機，全自動操作加上全自動閱片系統，大大節省了工作人員時間。目前體素科技的眼科全病種產品已在國家標準化代謝性疾病管理中心（MMC）率先落地，現已進駐全國 100 多家醫院 MMC 中心。

分診場景：篩查是正常人，決策是診斷有問題的病人。中間的分診和諮詢，是認為自己有問題，但不知道是否真的有問題或者問題是否嚴重的一群人。入院之前，他們需要做一個精細的分診；在網際網路上問診時，找醫生，也需要分診。

「體素膚知匯」是體素科技最新發布的一款產品，這是全國乃至世界範圍內，首款面向公眾的、基於深度學習影像分析與處理技術的智慧皮膚全病種測評解決方案.

我們不是最早一家做的，但是第一個面向公眾的全品種的系統。美國皮膚癌特別多，專門有做皮膚癌的工具，國內有專門做紅斑狼瘡的工具，都是根據病種去定義。

我認為有點窄了，皮膚病有 6000 多種，只是做其中的一兩種，即使它們是高發的，也是人群非常有限的。而且，針對病種做皮膚病沒有道理，因為在知道自己是什麼病之前是需要診斷的。

我皮膚確實出了問題但是不知道什麼問題的時候，如果產品只能檢測一個病或者兩個病的話，怎麼用這個產品？所以病種還是一個後延知識，是診斷之後大家知道的一件事情。

但是，診斷之前不能靠病種去設計產品，因為你沒有這個產品的使用入口。診斷之前，必須做非常強的先驗假設，那這就要從全品種去做了。

6000 多種皮膚病，我們現在的資料支援做其中 300 種。雖然聽起來 300 和 6000 相比，還是很窄，但其實不是的。

按學術上的細分類，加上非常罕見的皮膚病，一共有 6000 多種皮膚病的統計。但是皮膚病的發病有這麼一個規律：300 種已經涵蓋 99% 以上的發病了；100 種可能就涵蓋了 95% 以上的發病。

皮膚病的產品不只是給大家做複診諮詢用，它還能在醫療機構/線上問診平臺上的案例查詢、醫患對接分診這些人力比較集中的環節去實現完全自動化。

因為皮膚病是比較頑固的，特別的是，治療是需要對接專家的。比如，白癜風的專家，最喜歡看白癜風的病。過敏性皮炎的專家能夠處理好過敏性皮炎的病。這種細節的分診也特別重要，是不是也可以透過 AI 來做？

創新應用：從影片中分析小兒發育類疾病的一些徵象。比如，小兒視力障礙的預檢測。將來，我們會做小兒自閉症的預檢測。

這些疾病的最佳干預時間是三歲前，而這又是小孩能夠說話，進行主訴之前的年齡。在沒有語言交流的情況下，是很難對病人進行診斷的，只能被動地去觀察小兒的行為，藉助影片對行為進行分析，對這一類小兒進行初診和預診。

機器之心：現在問你下一次融資計劃是不是有點早？

丁曉偉：是的。但是我是有一些計劃的：在一些主要目的達成的時候，比如說我們的全病種在法規註冊取得了進展，有了好的臨床試驗結果。臨床試驗結果不僅是證明了它的醫療價值，也證明了醫療經濟學上的價值。

其實這是個慣例，做醫療器械、藥的企業，公司的估值、價值都會在這個時間點上有一個巨大的跳躍。

機器之心：現在真的不開拓新業務嗎？

丁曉偉：我覺得，全病種夠我們做的了。這個東西給行業帶來的衝擊也會是非常大的，我還是希望一步一步走穩它。這個事情已經非常非常難了，雖然聽起來只是一句話。