AI影像征途漫漫,VoxelCloud发
作为被腾讯看中的AI影像诊断赛道选手，VoxelCloud团队技术能力自是毋庸置疑的。做医疗产品不同于医学科研，从数据、产品到商业化落地，VoxelCloud都有着自己独特的积累和见解。
指导
凯文李喆
调研
李喆
撰写
晴空
VoxelCloud（体素科技）通过深度挖掘海量医疗影像和临床数据，帮助医生提高阅片效率，并提供影像诊断所需全面量化信息。
作为VoxelCloud创始人，丁晓伟有着闪亮的背景。毕业于加州大学洛杉矶分校，获得计算机博士学位，辅修应用数学，是该所大学的计算机研究助理教授。
在校期间，丁晓伟就开始参与人工智能医疗领域的项目研究，积累了大量经验，而VoxelCloud是其美国洛杉矶研究院研究项目的延伸。
目前，VoxelCloud医院、体检中心、互联网医疗平台提供分析服务，覆盖胸部非增强CT、眼底、心脏冠脉、小儿视力障碍以及皮肤病五个领域。
有创检查金标准做结果对比，以冠心病产品构筑竞争壁垒鉴于有大量的公开数据集和疾病高发性特征，AI影像诊断从肺结节筛查起步是创业公司的第一选择，而VoxelCloud却选择从心血管疾病进入AI影像诊断领域。
相比于肺部、肝脏等部位的肿瘤诊断产品开发，冠心病的数据收集、标记以及产品模型开发过程都更有难度。
VoxelCloud冠脉CT产品能量化分析冠脉斑块，实现冠脉无创数字活检，为医生评估冠心病风险提供辅助性诊断信息。
无创检查模型的实现过程并不简单，尤其需要大量的有创检查数据，冠心病检查数据量本就偏小，有创检查的数据积累更是一项挑战。
VoxelCloud与美国、中国的优质临床试验中心进行合作，冠脉CT产品数据来源于临床试验入组病人数据，其中绝大数病人做过有创检查确诊。
通过有创检查的金标准数据做对比验证，保证了模型的准确性，同时也通过精标注的冠心病数据和有创检查数据构筑了产品壁垒。
目前该产品已被多个多中心临床试验采用，并通过FDA认证。
提供眼底全病种解决方案，从数据根源保证产品可靠性除了部分公司尚未涉足的冠脉CT产品，VoxelCloud也推出了眼底全病种解决方案。基于创始团队的海外知名医学中心背景，VoxelCloud的产品设计思路更符合国际惯例标准，体现在眼底产品基础数据的采集与模型训练两方面。
基础数据方面，拍摄眼底影像的方法要符合国际惯例，当前很多眼底筛查诊断竞赛所有数据都很容易忽略这一点。
VoxelCloud眼底数据来自美医院眼科，都是严格的高质量拍摄、标注数据，从数据根源保证模型的可靠性。
模型训练方面，依据严格的国际惯例，糖网分级需要7-9张影像才能确定，如若是无法满足该条件的筛查场景，也需要2-3张眼底影像才能做糖网分级。
而且，单纯的糖网分级产品会忽略眼底其他疾病。VoxelCloud眼底全病种解方案，会提示病人是否需要做干预以及病变等级等重要信息，覆盖眼底所有病变类型，相比于只做糖网检测的产品，更具适用性和竞争力。
肺部非增强CT解决方案覆盖心胸全病种眼底全病种解决方案的覆盖度思路，以及冠脉产品的金标准验证，同样适用于VoxelCloud肺癌分析部分，以海量金标准（活检）数据训练并建立AI模型，提供对肺结节定位、良恶性以及量化指标的智能分析。
诊断深度方面，肺癌模型能够结合其他临床数据，在做出良恶性风险判断的基础上，给出活检检查或者随访建议。
虽然市场上针对肺结节、肺癌的产品很多，医院实际应用场景中，仅仅解决单病种识别、分析的产品无法满足需求。
体素科技的胸部非增强CT解决方案，同时对胸部非增强CT所能检测到的所有病种进行分析，生成自然语言报告，并且伴有异常部位的量化分析。
这种产品模型开发的复杂度更高，对数据和算法要求都明显高于单病种，但是也更贴合临床场景。因为医生在诊断影像的过程中，不能
