近日，人工智能医学影像创业公司DeepCare联合创始人兼CEO刘圣向36氪透露，公司已完成有峰瑞资本投资的600万天使轮融资。

　　深度学习技术正在渗透向各行各业，包括一直被认为专业度、复杂度最高的医疗行业。有在医疗服务当中着眼于辅助诊断的尝试，比如半个医生、医渡云;也有在医学影像当中尝试人工智能，比如雅森科技等。DeepCare同样是尝试在医学影像当中引入人工智能，通过深度学习技术，来实现对医学影像的智能分析判断。

　　哈佛商学院毕业，在硅谷已是连续创业者，在决定是否从智能医学影像重新开始前，刘圣和同伴们一起讨论三个问题：人工智能 + 医疗是不是一个正确的方向?医疗里面什么数据最标准化?现在这个时间是不是该做这件事?

　　从这三个角度考虑过后，刘圣决定从医学影像入手。通过引入深度学习技术，来实现机器对医学影像的分析判断。“我们的定位是，能够为基层医生的影像诊断提供辅助。” 按照刘圣的分析，这又分两个途径，一个是直接帮助向基层医生提供辅助诊断服务，帮助基层提高业务水平;另一个是帮助大专家提高效率，使他们能够在远程阅片中帮助更多基层医生。

　　这两个途径也是目前DeepCare 业务开展的两个方面。

　　一个是与医学影像硬件厂商的合作，通过在设备中加入智能模块，来降低这些设备的使用难度。目前，DeepCare 的算法已经能够识别和预判断子宫颈癌抹片，尿检血检的细胞识别等。

　　另一个是软件智能化，通过与远程医疗平台的合作，为平台上的影像专家提供人工智能虚拟助手，帮助专家进行初步筛选，并生成初步诊断报告，以大幅度提高远程医疗平台的诊断效率。

　　DeepCare 借鉴了 SaaS 的服务模式，将开发完成的不同病种智能模块放在云平台上，设备厂商、远程医疗服务商可以根据自己需求进行选择，并相应付费。不过，由于处在早期数据积累阶段，DeepCare 愿意对方通过提供影像图片来减免服务费用。

　　“但其实单一几个病种的分析作用非常有限，比如病人来拍片子看肺，结果其实肝有问题，而人工智能算法只会看肺，不会看肝的话，就会造成漏诊。 所以，只有在分析病种达到足够多数量之后，智能医学影像分析才能发挥出真正的作用。” 而刘圣也清楚，这件事情难度很高，不容易做到。但是做到了就会对整个医疗诊断带来深远的影响。

　　DeepCare 的基本逻辑是，通过积累大量影像数据和诊断数据来不断对机器进行训练。这需要医疗、影像和深度学习三个方面的团队来相互配合。而在数据方面，DeepCare 通过前期的努力，已经有一定的影像图片的积累。例如肺部的 CT 影像，他们已经收集了超过百万张完整数据。

　　在团队方面，除了连续创业的刘圣外，联合创始人、丁鹏有多年人工智能研究背景，团队成员里还有多年的医学影像处理的专家，和放射科医学博士。刁凯悦则是华西医科大学医学影像专业的博士。