被兩家亞洲集團聯(lián)合收購，RADLogics的算法25秒可掃描2000張圖像

　　隨著AI技術逐步在大型醫(yī)院落地，機器學習極大加快了醫(yī)生理解與處理患者信息的速度，放射科同樣受益匪淺。AI能夠加速圖像傳輸，并能根據(jù)算法自行生成相關報告，此類技術使醫(yī)生效率大大提高。

　　2018年5月，新加坡東洋資本有限公司和中國天津大數(shù)資產(chǎn)管理公司同時收購了來自美國的醫(yī)學影像工作流制造商RADLogics，具體金額未透露。RADLogics致力于為放射科醫(yī)師提供醫(yī)療成像的解決方案，運用科學技術幫助他們服務患者，創(chuàng)建更好更準確的報告。2011年1月，RADLogics獲得85萬美金的種子輪融資。2015年，全球最大的醫(yī)學影像社區(qū)網(wǎng)站AuntMinnie評選RADLogics為“最佳創(chuàng)新放射供應商”的獲獎者。

　　RADLogics的CEO兼聯(lián)合創(chuàng)始人Moshe Becker表示，該公司在醫(yī)學影像領域提供的產(chǎn)品可運用到臨床實踐中，能夠相對迅速地拓展到亞洲市場，同時擴大他們在美國的營銷工作。RADLogics的理念首先吸引了東洋資本有限公司和天津大數(shù)資產(chǎn)管理公司，他們試圖將產(chǎn)品提供給亞洲的主要醫(yī)療保健提供商和分銷渠道，目的是讓更多的患者獲利。

　　作為一家新硅谷初創(chuàng)公司，RADLogics將大數(shù)據(jù)圖像分析和云技術結合，為放射科醫(yī)師提供了一種可支持圖像解讀的工具。該系統(tǒng)具備獨特的算法，能夠在幾秒鐘內(nèi)大量處理成像數(shù)據(jù)，并向放射科醫(yī)師發(fā)送初步報告。報告內(nèi)容通常以他們常見的模板和PACS呈現(xiàn)出來，以便他們對成像數(shù)據(jù)進行審查，判斷和分析。

　　據(jù)動脈網(wǎng)了解，除硅谷辦事處之外，RADLogics在以色列也設有研發(fā)中心。他們的產(chǎn)品支持CT、X射線、MR和超聲波掃描的應用分析。與其他產(chǎn)品相比，它所配備的獨特IP能帶來更好的用戶體驗。

　　10年創(chuàng)業(yè)經(jīng)驗帶來信息技術的突破

　　RADLogics成立于2010年2月，創(chuàng)始人Moshe Becker是一位經(jīng)驗豐富的技術型企業(yè)家，他在國際工程、醫(yī)療IT、移動通信、市場管理和企業(yè)解決方案的范疇內(nèi)已有25年的業(yè)務經(jīng)驗。此外，他也是高容量Wi-Fi解決商Stellaris Networks和服務軟件平臺WebTrac的首席執(zhí)行官兼創(chuàng)始人。

　　Moshe Becker早年在以色列和美國接受過電子工程和MBA的教育學習，并在相關領域有過多年的工作經(jīng)驗。1989年1月，Becker在美國塔斯科電子公司擔任項目經(jīng)理，主要負責商用航空業(yè)新型數(shù)據(jù)、通信系統(tǒng)的開發(fā)與生產(chǎn)，包括波音777航空電子設備的建設計劃，產(chǎn)品設計及銷售服務。在之后的七年里，Becker分別在Edge Microsystems和Kinemetrics公司有過信息技術、網(wǎng)絡監(jiān)測和市場營銷的領導經(jīng)驗。

　　1998年10月，Becker作為CEO兼創(chuàng)始人宣布WebTrac正式成立。這家獲初創(chuàng)投資的公司致力于為移動運營商開發(fā)一個基于定位的交易服務平臺，通過增添多個軟件應用來獲取收益。2002年10月，他領導WebTrac收購了多家競爭對手，并將相關資產(chǎn)合并。Becker側重于與多國企業(yè)合作，以擴張其客戶群為目的。

　　2003年12月，Becker在以色列的特拉維夫創(chuàng)立了Stellaris Networks公司，獲StageOne和Valley Ventures的首輪風險投資。Stellaris Networks Ltd.主要負責為企業(yè)無線網(wǎng)絡開發(fā)無線局域網(wǎng)接入點，提供基于802.11行業(yè)標準的WLAN構建方案。2007年1月，Becker作為Edge Ventures的總經(jīng)理正式入駐硅谷，重點為初創(chuàng)信息技術公司提供商務咨詢。

　　在硅谷的6年時間里，Becker并沒有停止在信息科技領域中的探索、研發(fā)和創(chuàng)新。他在過去的三年時間里堅持開發(fā)用于圖像分析的AlphaPoint算法。

　　AlphaPoint加快放射科醫(yī)師的工作效率

　　2014年11月，RADLogics在北美放射學會2014會議上發(fā)布了首個運用AlphaPoint算法的醫(yī)療成像產(chǎn)品。Becker表示，使用AlphaPoint的網(wǎng)站可通過影像設備直接發(fā)送數(shù)據(jù)到RADLogics的云端服務器。大約五分鐘后，摘要報告會以Nuance(美國跨國電腦軟件技術公司)的PowerScribe 360形式發(fā)送回網(wǎng)站，為醫(yī)療人員提供初階內(nèi)容作為參考。

　　RADLogics將AlphaPoint定位為一種醫(yī)療影像內(nèi)的虛擬常駐系統(tǒng)，它可以自動操作或接管一些圖像解讀，例如測量，搜索或定性研究成果。Becker表示，虛擬常駐系統(tǒng)使放射科醫(yī)師能夠在短時間內(nèi)執(zhí)行更多的研究，處理更多的圖像數(shù)量，同時提高護理質(zhì)量。

　　自2014年以來，RADLogics專注于研究放射學中的熱門臨床程序——CT肺癌篩查。該公司開發(fā)了用于分析CT圖像的算法，并將有關數(shù)據(jù)發(fā)送給了美國放射學會肺癌篩查注冊中心。

　　2012年，RADLogics的胸部CT掃描在FDA獲得許可。作為AlphaPoint平臺上的首個軟件應用，胸部CT掃描計劃于2015年1月推入市場，而其他有關掃描的應用程序會在得到許可后相繼推出。Becker表示，胸部CT掃描應用已在多個測試站點使用，其中包括美國加州的El Camino醫(yī)院和紐約市的Mount Sinai醫(yī)院。

　　此外，RADLogics一直與醫(yī)學報告軟件建立合作。其目的是將AlphaPoint融入到該公司的Aspen Lung軟件當中，用于肺部篩查，患者追蹤和報告總結等情況。RADLogics的放射學知識庫不斷改進AlphaPoint的速度和準確性，該知識庫也隨著全球放射科和成像中心的研究不斷更新與進步。

　　虛擬常駐系統(tǒng)提高內(nèi)容報告價值

　　Becker表示：RADLogics提供的產(chǎn)品服務與放射科醫(yī)師常用的計算機輔助診斷是截然不同的。計算機輔助診斷能夠幫助醫(yī)師分析、解讀掃描文件，而AlphaPoint所提供的初步報告往往在分析之前，通常是在醫(yī)師點擊某個病例數(shù)據(jù)后，便以文字或圖片的形式呈現(xiàn)出來。AlphaPoint能幫助醫(yī)師對患者的狀態(tài)有一個初步的了解。

　　在最近的一次項目研究中，來自加州洛杉磯分校的Matt Brown博士和他的研究團隊對RADLogics的虛擬常駐系統(tǒng)進行了評估。初步結果顯示，相比以往完成總結報告所需要的時間，該系統(tǒng)為放射科醫(yī)生提高了47%的效率。研究表明，使用該系統(tǒng)檢測出來的結節(jié)/結瘤的精準度與未使用該系統(tǒng)檢測出來的情況結果一致(誤差等于或小于1mm)。

　　另外，UCLA的研究指出，RADLogics的虛擬常駐系統(tǒng)能夠提供以往報告中不會出現(xiàn)的資料，而這些詳細的信息對臨床研究提供了進一步的價值。這些信息包括可以量化的結節(jié)/結瘤的體積，主動脈的直徑，自由流體/空氣的體積等。

　　由此可見，使用虛擬常駐系統(tǒng)后，放射科醫(yī)生無需額外的時間和精力去制作一份內(nèi)容更全面的報告。在了解患者的準確信息后，醫(yī)生便能迅速對癥下藥，幫助患者更快更好地恢復健康。

　　“放射科醫(yī)師和診斷醫(yī)師一樣都是非常有價值的，”Becker表示?！暗?，人類在像素計數(shù)或者可視化搜索都無法精通的情況下，利用機械學習可以幫助他們更準確，更持續(xù)地完成工作，節(jié)省閱讀時間?！?研究發(fā)現(xiàn)，放射科醫(yī)師通常會花費80%的時間用于像素的搜索，尋找和測量。而RADLogics的出現(xiàn)就像放射科醫(yī)師身邊的一位得力助手，確保他們在制作最終報告時盡可能地把誤差降到最低。Becker堅信，機械學習的高效應用不是取代放射科醫(yī)生，而是協(xié)助他們高效率高質(zhì)量地完成信息采集，關注治療本身。

　　放射科為什么需要人工智能?

　　1、放射科是以技術為中心的

　　在現(xiàn)代醫(yī)院建設中，放射科是一個集檢查、診斷、治療于一體的科室，臨床各科的許多疾病都須通過放射科設備檢查來進行明確診斷或者輔助診斷。放射科的設備一般有普通X線拍片機、計算機X線攝影系統(tǒng)(CR)、直接數(shù)字化X線攝影系統(tǒng)(DR)、計算機X線斷層掃描(CT)、核磁共振(MRI)等。由于他們?nèi)粘９ぷ鞯募夹g驅動性質(zhì)，放射科醫(yī)生通常被認為是人工智能的 “早期采用者”。

　　2、放射科依賴互聯(lián)網(wǎng)進行云儲存

　　云技術的運用將對人工智能產(chǎn)生直接影響。據(jù)華爾街日報文章估計，全美每年產(chǎn)生包括CT、MRI、X光、超聲在內(nèi)的大約6億醫(yī)學影像資料。這些影像資料不僅占據(jù)各個醫(yī)院的數(shù)據(jù)儲存空間，而且給醫(yī)院帶來的經(jīng)濟壓力也是不容小覷的。醫(yī)學影像資料如果能通過云存儲保存，打通各醫(yī)院醫(yī)學影像間的障礙，無論哪個醫(yī)院的醫(yī)生都可以根據(jù)需要調(diào)取，對患者無疑將是更大的便利。