被兩家亞洲集團聯合收購，RADLogics的演算法25秒可掃描2000張圖像

隨著AI技術逐步在大型醫院落地，機器學習極大加快了醫生理解與處理患者信息的速度，放射科同樣受益匪淺。AI能夠加速圖像傳輸，並能根據演算法自行生成相關報告，此類技術使醫生效率大大提高。

2018年5月，新加坡東洋資本有限公司和中國天津大數資產管理公司同時收購了來自美國的醫學影像工作流製造商RADLogics，具體金額未透露。

RADLogics致力於為放射科醫師提供醫療成像的解決方案，運用科學技術幫助他們服務患者，創建更好更準確的報告。2011年1月，RADLogics獲得85萬美金的種子輪融資。2015年，全球最大的醫學影像社區網站AuntMinnie評選RADLogics為「最佳創新放射供應商」的獲獎者。

RADLogics的CEO兼聯合創始人Moshe Becker表示，該公司在醫學影像領域提供的產品可運用到臨床實踐中，能夠相對迅速地拓展到亞洲市場，同時擴大他們在美國的營銷工作。

RADLogics的理念首先吸引了東洋資本有限公司和天津大數資產管理公司，他們試圖將產品提供給亞洲的主要醫療保健提供商和分銷渠道，目的是讓更多的患者獲利。

作為一家新矽谷初創公司，RADLogics將大數據圖像分析和雲技術結合，為放射科醫師提供了一種可支持圖像解讀的工具。

該系統具備獨特的演算法，能夠在幾秒鐘內大量處理成像數據，並向放射科醫師發送初步報告。報告內容通常以他們常見的模板和PACS呈現出來，以便他們對成像數據進行審查，判斷和分析。

據動脈網了解，除矽谷辦事處之外，RADLogics在以色列也設有研發中心。他們的產品支持CT、X射線、MR和超聲波掃描的應用分析。與其他產品相比，它所配備的獨特IP能帶來更好的用戶體驗。

10年創業經驗帶來信息技術的突破

RADLogics成立於2010年2月，創始人Moshe Becker是一位經驗豐富的技術型企業家，他在國際工程、醫療IT、移動通信、市場管理和企業解決方案的範疇內已有25年的業務經驗。此外，他也是高容量Wi-Fi解決商Stellaris Networks和服務軟體平台WebTrac的首席執行官兼創始人。

Moshe Becker早年在以色列和美國接受過電子工程和MBA的教育學習，並在相關領域有過多年的工作經驗。1989年1月，Becker在美國塔斯科電子公司擔任項目經理，主要負責商用航空業新型數據、通信系統的開發與生產，包括波音777航空電子設備的建設計劃，產品設計及銷售服務。在之後的七年里，Becker分別在Edge Microsystems和Kinemetrics公司有過信息技術、網路監測和市場營銷的領導經驗。

1998年10月，Becker作為CEO兼創始人宣布WebTrac正式成立。這家獲初創投資的公司致力於為移動運營商開發一個基於定位的交易服務平台，通過增添多個軟體應用來獲取收益。2002年10月，他領導WebTrac收購了多家競爭對手，並將相關資產合併。Becker側重於與多國企業合作，以擴張其客戶群為目的。

2003年12月，Becker在以色列的特拉維夫創立了Stellaris Networks公司，獲StageOne和Valley Ventures的首輪風險投資。Stellaris Networks Ltd.主要負責為企業無線網路開發無線區域網接入點，提供基於802.11行業標準的WLAN構建方案。2007年1月，Becker作為Edge Ventures的總經理正式入駐矽谷，重點為初創信息技術公司提供商務諮詢。

在矽谷的6年時間裡，Becker並沒有停止在信息科技領域中的探索、研發和創新。他在過去的三年時間裡堅持開發用於圖像分析的AlphaPoint演算法。

AlphaPoint加快放射科醫師的工作效率

2014年11月，RADLogics在北美放射學會2014會議上發布了首個運用AlphaPoint演算法的醫療成像產品。Becker表示，使用AlphaPoint的網站可通過影像設備直接發送數據到RADLogics的雲端伺服器。

大約五分鐘後，摘要報告會以Nuance（美國跨國電腦軟體技術公司）的PowerScribe 360形式發送回網站，為醫療人員提供初階內容作為參考。

RADLogics將AlphaPoint定位為一種醫療影像內的虛擬常駐系統，它可以自動操作或接管一些圖像解讀，例如測量，搜索或定性研究成果。Becker表示，虛擬常駐系統使放射科醫師能夠在短時間內執行更多的研究，處理更多的圖像數量，同時提高護理質量。

自2014年以來，RADLogics專註於研究放射學中的熱門臨床程序——CT肺癌篩查。該公司開發了用於分析CT圖像的演算法，並將有關數據發送給了美國放射學會肺癌篩查註冊中心。

2012年，RADLogics的胸部CT掃描在FDA獲得許可。作為AlphaPoint平台上的首個軟體應用，胸部CT掃描計劃於2015年1月推入市場，而其他有關掃描的應用程序會在得到許可後相繼推出。

Becker表示，胸部CT掃描應用已在多個測試站點使用，其中包括美國加州的El Camino醫院和紐約市的Mount Sinai醫院。

此外，RADLogics一直與醫學報告軟體建立合作。其目的是將AlphaPoint融入到該公司的Aspen Lung軟體當中，用於肺部篩查，患者追蹤和報告總結等情況。RADLogics的放射學知識庫不斷改進AlphaPoint的速度和準確性，該知識庫也隨著全球放射科和成像中心的研究不斷更新與進步。

虛擬常駐系統提高內容報告價值

Becker表示：RADLogics提供的產品服務與放射科醫師常用的計算機輔助診斷是截然不同的。計算機輔助診斷能夠幫助醫師分析、解讀掃描文件，而AlphaPoint所提供的初步報告往往在分析之前，通常是在醫師點擊某個病例數據後，便以文字或圖片的形式呈現出來。AlphaPoint能幫助醫師對患者的狀態有一個初步的了解。

在最近的一次項目研究中，來自加州洛杉磯分校的Matt Brown博士和他的研究團隊對RADLogics的虛擬常駐系統進行了評估。初步結果顯示，相比以往完成總結報告所需要的時間，該系統為放射科醫生提高了47%的效率。

研究表明，使用該系統檢測出來的結節/結瘤的精準度與未使用該系統檢測出來的情況結果一致（誤差等於或小於1mm）。

另外，UCLA的研究指出，RADLogics的虛擬常駐系統能夠提供以往報告中不會出現的資料，而這些詳細的信息對臨床研究提供了進一步的價值。這些信息包括可以量化的結節/結瘤的體積，主動脈的直徑，自由流體/空氣的體積等。

由此可見，使用虛擬常駐系統後，放射科醫生無需額外的時間和精力去製作一份內容更全面的報告。在了解患者的準確信息後，醫生便能迅速對症下藥，幫助患者更快更好地恢復健康。

「放射科醫師和診斷醫師一樣都是非常有價值的，」Becker表示。「但是，人類在像素計數或者可視化搜索都無法精通的情況下，利用機械學習可以幫助他們更準確，更持續地完成工作，節省閱讀時間。」 研究發現，放射科醫師通常會花費80%的時間用於像素的搜索，尋找和測量。而RADLogics的出現就像放射科醫師身邊的一位得力助手，確保他們在製作最終報告時儘可能地把誤差降到最低。

Becker堅信，機械學習的高效應用不是取代放射科醫生，而是協助他們高效率高質量地完成信息採集，關注治療本身。

放射科為什麼需要人工智慧？

1、放射科是以技術為中心的

在現代醫院建設中，放射科是一個集檢查、診斷、治療於一體的科室，臨床各科的許多疾病都須通過放射科設備檢查來進行明確診斷或者輔助診斷。放射科的設備一般有普通X線拍片機、計算機X線攝影系統（CR）、直接數字化X線攝影系統（DR）、計算機X線斷層掃描（CT）、核磁共振（MRI）等。由於他們日常工作的技術驅動性質，放射科醫生通常被認為是人工智慧的 「早期採用者」。

2、放射科依賴互聯網進行雲儲存

雲技術的運用將對人工智慧產生直接影響。據華爾街日報文章估計，全美每年產生包括CT、MRI、X光、超聲在內的大約6億醫學影像資料。這些影像資料不僅佔據各個醫院的數據儲存空間，而且給醫院帶來的經濟壓力也是不容小覷的。

醫學影像資料如果能通過雲存儲保存，打通各醫院醫學影像間的障礙，無論哪個醫院的醫生都可以根據需要調取，對患者無疑將是更大的便利。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！