一直以來，對放射治療科醫生來說，勾畫靶區是一項繁瑣費時的事情。以頭部爲例，每張CT有100多層圖像，每層圖片中又有30多個器官需要醫生圈注，使用傳統的算法，醫生要找出頭部腫瘤靶區需要4-5個小時，可見這對於醫生是多大的工作量。「邃藍智能」要做的是就是用AI將放射科醫生從這項繁瑣的工作中解放出來。

「邃藍智能」成立於2017年9月份，目前主要佈局的產品有腫瘤放療靶區智能勾畫系統、肺小結節AI篩查及精細化鑑別全流程方案等；現已和上海市第一人民醫院、新華醫院、中山大學孫逸仙紀念醫院、中山大學附屬第六醫院，北京301等三甲醫院達成科研合作。

據邃藍智能聯合創始人&CEO王勵勇介紹，每年有超過六十萬人被診斷患有頭頸部癌症，多數人會選擇接受放射治療；但頭頸部重要器官比較集中、解剖關係複雜，若在治療前未仔細隔離，放療時周圍組織可能會嚴重受損，對於靶區的精確勾畫和劑量計算精度要求極高。

爲此，公司聯合騰訊醫療AI實驗室和加州大學提出一種深度學習模型——器官神經網絡（AnatomyNet）。它輸入的是頭頸CT圖像的所有切片，可一次性產生所有危及器官的預測結果。因此，該模型能快速對整張CT的所有切片進行全自動化器官分割（Segmentation），在小於1秒鐘的時間內完成一整幅頭頸CT的危及器官勾畫，且不需要很複雜的預處理和後處理。

綠色爲醫生標註、紅色爲器官神經網絡預測，黃色表示二者重合

測試結果顯示，該器官神經網絡算法，相較於MICCAI（醫學影像分析頂會）競賽中最好的方法相比，平均提升了3.3%的Dice指標——僅使用0.12秒就可以完全完成一整幅CT圖像的分割。目前，該成果已發表於國際權威期刊《Medical Physics》（2018年11月12日）。

演示結果：左邊爲醫生標註，右邊爲器官神經網絡預測結果

不過王勵勇表示，目前佈署在合作醫院的產品模型已在論文基礎上更進一步，並優化了分析系統GPU的兼容性，即能在低級別的GPU工作站上同樣能實現算法，爲今後普及到縣一級醫院奠定基礎。

其實，在放療靶區勾畫領域，連心醫療、柏視、慧軟、Manteia等都有產品佈局。王勵勇指出，“頭頸部危及器官勾畫的算法建模是最難的，但同時又是最容易實現產品標準化，我們在這一點突破了，產品其它的功能拓展也會顯得駕輕就熟。”

據介紹，其算法設計和訓練均來自於實際臨牀數據，目前該算法已適用於頭頸部28個器官部位的危及器官勾畫；至於商業落地的方案，王勵勇表示，目前邃藍智能已聯合騰訊與放療集成服務商洽談合作，將軟件打包銷售，並探索與國際著名直線加速器廠商合作的路徑，也會在明年年初啓動申報CFDA三類器械註冊證（後續也會啓動FDA和CE註冊）。

另外，邃藍智能還推出了肺小結節AI篩查及精細化鑑別全流程方案。據團隊高級戰略顧問孫志軍介紹，該方案能在高分辨率掃描前提下，直接鑑別結節種類及其良惡性質，並給出輔助診療方案，簡化臨牀路徑。據悉，其肺結節智能診斷方案曾獲得天池醫療AI大賽第一名。

其實，AI醫療賽道發展到現在，業內已經形成共識——優勢資源向頭部企業聚集以及行業加速洗牌；再趕上資本寒冬，對於佈局略晚的初創公司而言，現在可能到了一個艱難時刻。對此，王勵勇表示，差異化的產品佈局會是公司的主要戰略。他認爲，目前臨牀上存在的需求痛點還很多，而AI能做的事也有很多，邃藍智能主要會繼續基於大多數企業的“盲區”去做深，譬如強直性脊柱炎的MR人工智能鑑別診斷系統，全自動網織紅細胞和外周血細胞推片及智能閱片一體機等。

最後介紹一下團隊，聯合創始人&首席科學家謝曉暉博士爲加州大學爾灣分校計算機系終身正教授，人工智能領域H-index科學家排名46，麻省理工博士、哈佛大學博士後，加州大學爾灣分校機器學習和生物信息實驗室 (MLB) 主任，Chao Family 癌症中心會員；聯合創始人&CEO王勵勇畢業於復旦大學生物系，香港大學MBA，擁有二十年以上生物醫藥領域運營經驗；聯合創始人&研發總監曾亮爲清華大學電子工程系博士在讀，專注於計算機統計建模和人工智能的研究，今年入選2018福布斯中國“30位30歲以下精英”榜單；首席醫學官孫志軍在PHILIP醫療擔任高級經理多年，在放射影像領域擁有豐富經驗。

據介紹，邃藍智能已獲得由旗開投資領投千萬元級Pre-A輪融資，去年它曾獲得賽晟投資的天使投資，預計明年上半年啓動A輪融資。