杭州都市網

以PET、MRI為代表的醫學圖像技術給了醫生更多重要的信息，讓現代醫療變得更加精準。然而這些設備價格昂貴，測試耗時長，僅僅能夠真正幫助一部分的病人。隨著AI技術走向應用端，這一領域正迎來革命性變化。

動脈網得知，由華人創立的硅谷公司Subtle Medical（深透醫療）的第一款產品SubtlePET剛剛獲得FDA認證。深透也就此成為了第一個獲此認證、產品真正走向美國市場的中國背景AI醫學影像企業。

人工智能革新PET

“通過SubtlePET及研發中的未來產品，我們希望能帶來低成本、短時長、高質量的AI影像，致力于幫助更廣大的病人群體。”深透醫療創始人、斯坦福電子工程學博士宮恩浩對動脈網記者表示。

顧名思義，SubtlePET是一個針對PET（正電子發射斷層掃描）的AI影像處理平臺，讓醫院和第三方影像中心可以更加迅速地完成PET（包括PET-CT及PET-MR）測試，在一天內服務更多的患者。PET是癌癥治療、神經病學和心臟病學中的一個常用影像測試，可以通過掃描放射核素來看到患者分子層面的功能狀況。在美國，平均一次PET測試的價格約3000美元甚至更高，一般耗時30-60分鐘。

深透技術示意圖

SubtlePET在Hoag醫院進行了早期測試，醫院負責人、美國放射學會榮譽會員、醫學博士Michael Brant-Zawadzki表示：”SubtlePET對PET測試的加速高達四倍，仍能提供同等質量的醫學圖像。這大大提高了PET掃描測試的效率，也給患者更好的就醫體驗，與此同時還不會給醫療流程增加任何額外環節或負擔。使用SubtlePET很快就給我們醫院來帶了經濟價值與競爭力的提升。我很期待看到深透團隊帶來的更多開創性技術。”

深透的技術主要基于深度學習算法，可以無縫接入任何設備制造商生產的掃描機器及PACS醫學影像存檔及通信系統，在掃描過程中可以加強圖像質量，并且不會打斷或者影響醫學圖像獲取的流程。這也意味著，SubtlePET這項產品能給短時間掃描出的圖像帶來很大的質量提升，對于無法平靜完成測試的兒童或經常需要做PET測試患者來說，這個特性非常重要。

亮相RSNA，AI平臺提升成像速度，減少影劑使用

不同于其它公司對醫療圖像進行智能分析，斯坦福大學團隊創立的Subtle Medical（深透醫療）將重點放在了提升醫療設備的成像速度，減少放射劑量上。

MRI、PET等成像技術既貴且耗時，而其中90%的成本和大量耗時其實都是在機器成像過程中，深透醫療的技術正是從機器成像過程切入，通過AI技術提升圖像質量，讓醫療機構可以在更少的時間內給更多的患者做檢查、并減少放射劑量。

深透醫療在RSNA上展示了其AI影像處理平臺，影像數據從設備端出來以后直接進入深透醫療系統，處理之后，進入PACS影像工作站供醫師使用。據了解，深透醫療目前可以做到用AI技術加速MRI和PET成像過程4-10倍，并保證診斷級別的精確度。

除了使用AI增強成像速度與質量，深透醫療的創始人宮恩浩及其團隊成員還發表了關于減少MRI造影劑使用量的研究、獲得RSNA科研成果獎并成為10個RSNA官方宣傳研究項目之一。

在使用MRI設備進行成像的過程中，患者需要注射造影劑（比如釓），從而幫助提高成像質量。釓是在進行MRI檢測中會使用到的一種重金屬，一般而言在成像完成后會被排出人體外。但最近的研究發現，使用某些種類的釓進行成像檢查后，人體內仍會有微量殘留。這種殘留會帶來的影響現在還不清楚，但在最大限度提升MRI成像質量的同時，減少患者的潛在風險十分有必要。

宮恩浩的這項研究則可以用AI減少在MRI掃描中所用到的釓的劑量。他們在成像過程中使用了一種新的深度學習算法，結果顯示，即使使用較低劑量的釓，也可以得到與全劑量沒有明顯差異的MRI成像結果。

較低量的影劑使用還有很多尚未被認識到的臨床應用，現在通過AI的方式無疑可以獲得更多信息。

資深海外團隊

深透醫療創立于2017年，創始人宮恩浩為斯坦福電子工程學博士、專攻人工智能影像研究，也是一位成功的連續創業者；聯合創始人Greg Zaharchuk為斯坦福教授及知名放射科醫生，擁有多項專利。創始團隊還包括斯坦福大學電子工程系博士、前GE Healthcare 磁共振影像科學家張濤博士及來自加州理工和華盛頓大學、具有多年生物醫學成像技術研究經驗的朱立人博士。

創立一年內，深透醫療完成了種子輪及Pre-A輪融資，投資方包括美國老牌基金Bessemer Venture Partner、美國大數據基金Data Collective、真格基金、硅谷知名投資人 Jim Breyer、BV (Baidu Ventures，百度風投)和硅谷新秀基金Fusion Fund等。

SubtlePET是深透醫療正在攻關的各個AI新技術中，第一個獲得FDA認證、即將臨床使用的產品。與此同時，SubtlePET也獲得了歐洲CE（CONFORMITE EUROPEENNE）認證。“CE”標志是一種安全認證標志，被視為制造商打開并進入歐洲市場的必經之路。

“作為第一個獲FDA認證的用于醫學影像增強處理應用的AI解決方案，這次成就印證了我們團隊的實力、我們合作方的大力投入以及我們專注于圖像處理及工作流程的特點。這些特性讓我們和其他主要做計算機協助診斷或后期處理的AI公司有很顯著的差別。”宮恩浩說道。“這次FDA認證及CE標志對于深透是一個重要的里程碑，但也只是第一步。我們會不斷提高技術和產品，成為醫院臨床影像的go to solution（第一選擇）。”

布局全球

據悉，SubtlePET已在美國及海外的數個大學醫院及醫學圖像中心開展臨床應用。宮恩浩透露，近期SubtlePET的市場會以美國醫院和影像中心為主。深透醫療的PET及MRI產品已經與十數家包括Stanford、UCSF、MD Anderson在內的頂尖醫院建立了合作、進行臨床測試，未來將通過更多的數據進一步優化AI算法。與此同時，深透醫療也通過與RadNet等第三方影像中心聯盟合作，提高影像質量與臨床檢查效能。

斯坦福大學醫院

針對中國、歐洲、南美洲等地方的醫院、以及醫學影像企業，深透醫療也在陸續開展合作，比如在中國與東軟醫療等企業合作將其AI技術與影像設備相結合。此外，深透醫療團隊也和301、天壇等國內頂級醫院開展臨床科研合作。

除SubtlePET以外，深透醫療也在研發其他即將提交FDA申請的產品，包括針對MRI（核磁共振）檢查的SubtleMRI及SubtleGAD，進一步加速醫學影像處理、降低所需顯影劑用量。

公司介紹

深透醫療是一家位于硅谷的AI醫學影像公司，從”AI+醫學成像“出發，結合深度學習和圖像重建技術，提高醫學影像及其流程的質量、效率與安全性。

創立以來，深透醫療已獲兩輪融資。種子輪來自美國大數據基金Data Collective、真格基金、BV (Baidu Ventures，百度風投)、清源創投、Wisemont Capital等。

今年3月，深透醫療獲得了NVIDIA Inception“全球醫療AI創業公司”大獎，從全球3000多名創業公司中脫穎而出。深透醫療同樣入選Bessemer Venture Partner的“深度醫療中資項目”的第一個AI+醫療項目。在動脈網此前報道過的美國重量級放射學大會RSNA上，深透醫療獲RSNA科研成果獎，并成為10個RSNA官方宣傳研究項目之一。

5月，深透醫療完成Pre-A輪500萬美元融資，由美國老牌基金Bessemer Venture Partner與美國大數據基金Data Collective領投，跟投方包括種子輪投資人以及“全球第一VC”Facebook投資人Jim Breyer和硅谷新秀基金Fusion Fund。

>>>>創始團隊介紹

創始人及CEO宮恩浩：斯坦福大學電子工程系博士，擁有醫學與工程雙重背景，是一名來自斯坦福的連續創業者。在斯坦福攻讀電子工程學博士時，宮恩浩所在的研究室有幾十年產業研究結合的經驗，是壓縮感知等傳統快速采樣技術在醫學影像領域應用的發祥地。其研究方向為深度學習與醫學影像研究，主要探索深度學習技術在醫學圖像后處理、圖像重建以及輔助診斷等方面的應用。多次獲得國際磁共振學會及北美放射學會研究獎項，2018年獲Forbes中國30-under-30。

聯合創始人Greg Zaharchuk：斯坦福大學醫學院教授及知名放射科醫生、神經影像專家，在美國從醫數十年，獲得過美國放射學與生物醫學影像研究學會的杰出研究者獎（Distinguished Investigator Award）等多個獎項，擁有多項專利；

張濤博士：斯坦福大學電子工程系博士，曾任GE Healthcare 磁共振影像科學家， MD 安德森腫瘤醫院客座教授，在醫學影像領域具有十多年的科研經驗。他在醫學影像頂級期刊發表論文20余篇，會議論文50余篇，擁有十余項已授權于各大醫學影像公司（通用電氣，西門子，飛利浦等）的專利。他撰寫的關于兒科快速磁共振成像的論文在2015年獲得了國際核磁共振協會年度杰出青年獎（W.S. Moore Award）。

朱立人博士：畢業于加州理工著名華人科學家、美國工程院院士汪立宏教授實驗室，2017年獲得圣路易斯華盛頓大學生物醫學工程系博士學位，從事生物醫學成像技術研究十多年。他在包括 Science Advances, Nature Biomedical Engineering, Nature Communications 等頂級學術期刊上發表論文10余篇、會議論文10余篇。他共同一作的光聲成像技術論文入選 Nature Biomedical Engineering 2017年度十大論文，并在頂級學術會議 SPIE Photons Plus Ultrasound: Imaging and Sensing 上被評為 2017 年度最佳論文。