AI數字病理分析公司迪英加科技宣布獲數千萬元A輪融資，本輪由IDG資本、君聯資本、金闔基金共同領投，將門創(chuàng)投、布朗什維克基金繼續(xù)跟投。本輪融資將主要用于完善公司的四條產品線，建立迪英加杭州、上海、美國研究院，繼續(xù)開拓海外市場。

迪英加專注于提供數字病理圖像分析工具用于癌癥診斷和分級。團隊從2002年開始從事計算機視覺、機器學習、數字病理分析等方面的科研，發(fā)表SCI文章近200篇，合計引用過萬次。

通過十五年時間的積累，迪英加自主研發(fā)了高通量顯微圖像成像和處理技術，積累了大體量數字病理影像圖庫，并在此基礎上打造了病理互聯和智能病理（硬件+軟件）兩套系統(tǒng)，提供遠程病理圖像分析和全類比AI病理輔助診斷，產品涉及細胞病理、組織病理、分子病理、免疫組化。此外，公司還有名為“病理星球”的產品，提供海量數字病理圖片用于科研和臨床的應用。

一直以來，病理切片分析都被醫(yī)學界公認為癌癥診斷的“金標準”。許多病人的臨床診斷須通過細胞形態(tài)學及組織病理學檢查才能得到最終確認，包括各類腫瘤性疾病的區(qū)域、良惡性質、分期、分型等，從而為臨床選擇正確治療方案、術后診斷提供依據。

在病理醫(yī)生的實際閱片中，原始病理切片的圖片尺寸龐大，腫瘤細胞群的尺寸卻十分微小，他們往往沒時間對每張病理切片都進行仔細分析計數。譬如一次大體切片活檢，病理醫(yī)生通常要對約幾十張病理圖像進行審查才能確定患者是否患病，其中每張圖像都超過2000萬像素，信息量極大，但只有幾張圖像與患病區(qū)域真正相關，病理醫(yī)生經常花費大量時間查看病理切片，因此無法滿足愈來愈多，和愈來愈精準的閱片需求。

與之相對應的是，目前全國病理醫(yī)生也極度缺乏。

公開統(tǒng)計數據顯示，截至2015年，全國在冊病理醫(yī)生11000余名。其中，70%的病理醫(yī)生集中在三級醫(yī)院，三級醫(yī)院平均配備3.63名病理醫(yī)生；而超過兩萬家二級及二級以下醫(yī)院，平均每家醫(yī)院僅有0.12名病理醫(yī)生，與原衛(wèi)生部制定的每百張床配備1-2名病理醫(yī)生的標準差距懸殊。可以說，在病理診斷領域，市場供需關系嚴重失衡，這種情況短時間內無法改變。

隨著腫瘤發(fā)病率和死亡率的日益上升，病理科在滿足臨床對快速、準確、靶向、預測性病理診斷的需求上都面臨著巨大挑戰(zhàn)。AI的出現有望解決這一難題。它能自動分析、分割、檢測感興趣區(qū)域、定量評估病變區(qū)域變異程度，從而能幫醫(yī)生分擔很多重復性、機械性工作，從而幫助他們提高效率。

從2016年創(chuàng)立至今，迪英加深耕人工智能，切入的正是這一細分領域。

它針對包括組織病理切片和免疫組化等多種病理圖像，研發(fā)深度數據挖掘和深度機器學習模塊，提出自動檢測和分割圖像的算法，產生高通量快速分析系統(tǒng)，5秒即可處理完成1億像素的全視野病理掃描圖像，細胞檢測精度高達99%。公司的四款產品涵蓋了數字病理的全產業(yè)鏈條的各類需求。

傳統(tǒng)用深度學習算法來預測腫瘤區(qū)域的項目多數只能將每張切片剪切成大量小尺寸圖塊，再預測單張圖塊是否為腫瘤區(qū)域，而僅憑單張圖塊而不知周邊區(qū)域的情況會影響預測準確度，由此產生的假陽性十分顯著。而迪英加的產品會直接對全場圖像進行判讀，從而聚焦于算法突出的腫瘤區(qū)域，提高輔助診斷效率。以宮頸圖片為例，迪英加開發(fā)的系統(tǒng)能在5秒內自動篩掉大量的陰性切片，系統(tǒng)判讀的敏感性為100%，特異性為95%以上。

當然，AI在醫(yī)療中應用的一項關鍵問題在于能否持續(xù)獲得高質量的數據。迪英加創(chuàng)始人楊林透露，截止目前其產品已在國內外50余家醫(yī)院落地，積累切片數據15萬例，涵蓋了20多種癌癥。他還表示，病理數據難追溯，不存在泄露患者個人隱私的問題，相對于大影像和基因數據上，在安全性和數據獲取上都會更具獨特的優(yōu)勢。

對于商業(yè)模式的考慮，楊林表示迪英加主要是“軟件+硬件”結合，主要會通過向醫(yī)院、藥企、第三方檢驗機構進行軟件銷售和提供整體解決方案；硬件銷售則是作為軟件載體的自主研發(fā)的便攜式掃描儀和與國內友商合作的高通量掃描器械。在海外則是AI軟件的銷售和做為各種服務的提供商。