今日，AI 医疗初创企业 体素科技 发布消息称，已于今年 9 月完成 5000 万美元 B 轮融资；弘泰资本领投，红杉资本、清松资本、汉富资本跟投；本轮资本主要用于医疗影像 AI 解决方案产品的各国市场准入注册以及临床落地。

9 月份融资，12 月份公布，这个融资消息似乎有点姗姗来迟。

融资轮次	获投时间	融资金额	投资方
天使轮	2016年9月30日	550万美元	联创
A轮	2017年5月8日	800万美元	红杉资本
A+轮	2017年9月28日	1500万美元	腾讯
B轮	2018年9月	5000万美元	弘泰资本领投，红杉资本、清松资本、汉富资本跟投

具体融资流程图

体素科技 创始人兼 CEO 丁晓伟说，他本来不打算披露这一融资消息。之所以现在公布，是为了回应外界的期待。

在他看来，两年多前行业一开始的时候，处于概念期，为了让更多投资机构和合作方知晓，所以要积极宣传吸引眼球。现在，医疗公司被大家所熟知之后，进入了行业的实用期，需要夯实之前技术、产品、法规注册等方面的工作，慢慢向医疗这个行业去靠拢，交出真正让别人无可挑剔的答卷，还有长的路要走、还有很多的工作要做，而这些都是很难去抓别人眼球的事情。

2 个多月，20 多个投资人，「大浪淘沙」

「这次融资比之前难。」丁晓伟坦言，「之前，我可能只找一家最合适的就可以融。现在这个环境，显然不是这个样子。」

在他看来，原因有二：一、这个市场冷了，2018 年后半年进入了资本寒冬；二、越往后，金额越大，自然做决策的时间也就越长。

A 轮融资时，他只聊了红杉和另一家投资人，最后选了红衫。A 轮+融资时，他只重点接触了腾讯一家，其他投资人他通通没有接受。而这一轮，「有点像大浪淘沙」，「花的心思也比之前多了很多」。

他前前后后花了两个月时间，见了二十多家投资人，最后选择了互相认可的 4 家公司：弘泰资本、红杉资本、清松资本以及汉富资本。

红杉从 A 轮就开始投资 体素科技 了。据丁晓伟介绍，其他投资人与老股东风格接近，相对比较信任团队，不做微管理。用白话讲，就是「明事理、干脆」。

「这个在企业的发展中也是非常重要的。」丁晓伟说，「有的投资人喜欢花很多时间去做微管理，董事会花的时间就非常多。我们公司一直沿袭下来，目前所有的投资人股东和投资人董事都是只做支持、不做干预的，等于说是有求必应，没有请求的时候不会过来打扰我们的日常运营。」

他们选择的投资人在产业上、国内医疗资源上有更丰富的资源。「我们的投资人也是国内几个大的互联网问诊平台、多个医疗信息化系统、医疗机构的投资人。」

要成为「面」

「做全病种产品体系这个方向，是非常确定的。」从公司创立之初，一直没变过，只是按照分步骤在一步步推进。

对单点突破「重任务」（比如骨折检测、肺结节检测）的产品策略，他是这样看的：「这些当然是一线医生的工作当中存在的问题，但是我觉得这个定位和定义还是有一点太窄了。」

体素科技 没有选择走纵深这条路。在丁晓伟看来，在做纵深的过程中，临床路径非常多，而企业很难面向一个特定的人群。每个人的情况都非常复杂，个性化的医疗也越来越多，那种产品使用场景会比较窄，比较难设计，也比较难让医生对什么时候使用这个产品有一个清楚的概念。疾病纵深全流程的设计将是很远的将来，全病种 AI 之后能够实现目标。

「如果把场景想的非常清楚，诊疗的病人和医生只要来到这个阶段（特定场景），就通通可以使用这个产品。」

体素科技 要做一个个「面」。

「从外界看来，在重病大病上，我们跟竞争企业、同行水平不相上下。但是，我们整个技术构架、内部的运营管理方式都不是针对这类产品去设计的，我们一直是朝着全品种的方向去做的。」

丁晓伟介绍，「医疗 AI 能在更大的定义内、更广大的人群上，起更大的作用，所以一直以来，我们关心整个医疗体系；在内部，我们关心团队运作，重视内部运营建设，怎么正向地、多线地管理六七个同时研发的产品线是非常关键的。

如果一个企业要在 2020 年管理 30 个产线的话，怎么做？这才是一个企业在这个领域能够扩张的根本能力，而不是某一个产品线做的多好，因为这里没有一个 killer app，是非常分散的。不是说你出来了，别人就没的干。」

用临床试验统计数据证明产品的市场价值

据丁晓伟观察，现在行业内存在这样一种现象：概念，大家都清楚了；一些定义相对比较简单、没有打磨好、使用场景比较窄、没有完全达到临床使用标准、功能上也不能在医院中起到重大作用的产品被过度拿到医院去试用。而且，这种情况比较明显。

「我感觉有过度消费市场的趋势。」他说，「我们融这笔钱不是现阶段去竞争，而是想一直延续我们最初的产品定义——做全病种的产品体系，把医生能写的东西都去做，让 AI 覆盖整个过程、全部流程。」

他们想把高标准的设计做好，做非常正规的临床试验，真正在临床当中得到验证。拿到临床试验统计数据后，再去证明产品的市场价值。

「大部分企业临床试验的初衷是为了拿 FDA、CFDA 的注册证，拿到准入的资质后合法的销售。大家都是一切从简，达到最低要求，以最快的速度拿到资格证。这也是企业产品上市的一个目标，也是压力。」

但是他不这样认为。他认为，临床试验是一个非常好的契机，从第三方、从官方的角度证明产品不只是达到了最低的使用标准和安全性。

「我们是想在基础临床试验中，首先达到安全性和有效性，也多做一些其他临床试验终点的统计量的数据，包括提高医生的工作效率，或者是产品与医生配合后，对整个病人愈后效果进行跟踪。然后，在整个大的医疗经济学上，对美国的商业医保或者是中国的国家医保，或者是当地政府的医保起到节约的作用。

他们希望做高质量的、能达到临床类学术文章的标准，同时用于有法规注册的临床试验。

但是，据他观察，这样的成功案例，国内可能还没有企业做，还没有形成这个环境。「欧美很多已经批准的医疗器械之所以有壁垒，之所以能在竞争中异军突起，都是因为他们的实验设计。他们所得到的客观评价是最硬的，最可信的。如果只是证明这个产品刚刚够用的话，企业可能很难打出品牌来。」

他补充，「我认为这是文化和习惯的问题，是想做和互联网产品一样、追求迭代，还是想做专业的医疗器械？不是用感觉去说话，而是用数据说话。」

为临床试验延期等不利情况做准备

丁晓伟介绍，融来的资金一部分将用于研发， 体素科技 以场景分类研发 AI 医疗产品，以胸部 CT、眼底彩照、冠脉 CTA、皮肤四个全病种解决方案为主攻方向；

另一部分将用在临床试验和医院的合作上，而这是一件非常昂贵的事情。

「做一个产品还好，我们现在有五个正在审批或者是在临床试验过程的产品。」

产品线比较多，更新也比较快，产品定义在不同国家也是完全分支的。「不可能同一个产品既在中国有，又在美国用，在东南亚用。没有所有国家都好用的产品，每个国家都有自己的产品线。」因此，他们一个产品的好几个版本在不同地方同时注册。可能到了 2019 年，他们的产品在一个国家就会有十条注册认证的线程是打开的。

丁晓伟介绍，各地法规注册所需要的治疗体系建设、当地的临床试验、获取当地的注册证、在当地落地 BD 的方式都完全不一样。

「一个公司如果有十几条、二十条产品线在注册或者处于临床试验过程，那对公司财务的要求还是非常高的。而且有的试验和注册会比较顺利，而有的试验可能会因为各种各样的原因（比如行政审批、医院配合度）而延期也是很常见的。要为这些不利的情况做好相应准备。做医疗的周期一般比较长，当然，我们自己也希望产品得到足够的验证之后再上市。」

到目前为止，在这么多的品种上，还没有收到关于模型 准确率 的抱怨，是丁晓伟觉得非常值得一说的事。

他对自己的要求是：周围的人生病，更希望用他的产品去跑一下影像，然后从中获取更多的信息。

下文是关于这家公司的更多介绍，更多访谈内容将以对话体形式呈现：

创业故事：

2008 年保送上海交大电院试点班，2012 年本科毕业后留学加州大学洛杉矶分校（UCLA），仅用两年半（在 2015 年），丁晓伟就获得了 UCLA 计算机博士学位，辅修应用数学，打破了 UCLA 建校以来计算机专业博士毕业时间记录。

读博期间，丁晓伟兼任美国著名 Cedars-Sinai 医学中心研究人员，受到美国最佳医生得主、心脏核医学奠基人 Dr.Daniel Berman 和核磁共振著名专家 Debiao Li 教授指导，参与多款美国 FDA 批准的医疗影像分析系统研发。

2016 年，丁晓伟加入 UCLA（加州大学洛杉矶分校）任计算机系研究助理教授。

同年，他联合他在 UCLA 的博士生导师 Demetri Terzopoulos（ 计算机视觉 和图形学泰斗、英国皇家科学院院士、加拿大科学院院士）、梁建明（美国亚利桑那州立大学（ASU）生物医学信息和计算机科学副教授、其研究是多款 FDA 批准的医疗应用的基础），在美国洛杉矶和中国上海创立了 体素科技 （VoxelCloud），旨在通过 人工智能 技术带来人机结合的医疗影像分析工作流程，让精准诊断触手可及。

VoxelCloud 体素科技 也是 人工智能 +医疗行业内全病种产品体系的发起者，目前已累积融资近亿美金。

再获世界顶级医学专家加盟：

曾创办克利夫兰医学中心Cleveland Clinic Lerner医学院，担任克利夫兰医学中心Cleveland Clinic心血管医学主席的Eric Topol教授，已于11月宣布加入 体素科技 ，担任首席医学顾问。

Eric Topol教授也是Scripps科学转化中心创始人。2016年，Eric Topol教授获得了NIH 2.07亿美元的研发款项以引领精准医学研究，其数额使其成为美国史上最大的NIH项目。

他被公认为美国著名心脏病学家和基因学家，美国个性化医疗以及数字医疗的意见领袖。文章被引次数高达23万余次。

Eric Topol将带领 体素科技 推出最适合医生使用以及医疗市场最需要的AI产品。

人工智能站 ：目前有几大产品线？

丁晓伟：我们以场景分类研发 AI 医疗产品。

辅助决策场景：我们一般针对的是临床测试在对病人进行诊断决策时，做一些精细的量化分析和辅助判断，现在的产品线主要是集中在心血管病上，特别是心血管 CT 的分析。

筛查场景：筛查和辅助决策最大的区别是病人的来源。辅助决策是前往医院看病的病人，筛查场景是正常人或者健康人每年的例行检查。

视网膜全病种筛查解决方案通过眼底照相，结合病人信息，可全面检查主要慢性眼底疾病，包括糖尿病视网膜病变、糖尿病黄斑水肿、青光眼、白内障、老年黄斑变性等，对其他病变亦能做到预警，真正做到眼底疾病的全方面覆盖。

病人拍摄一次眼底照片就可以全面筛查眼底各项疾病，这对于医院眼科、内分泌科、体检中心来说都非常具有临床意义。

体素科技 还研发了眼科全病种产品的软硬件一体机，全自动操作加上全自动阅片系统，大大节省了工作人员时间。目前 体素科技 的眼科全病种产品已在国家标准化代谢性疾病管理中心（MMC）率先落地，现已进驻全国 100 多家医院 MMC 中心。

分诊场景：筛查是正常人，决策是诊断有问题的病人。中间的分诊和咨询，是认为自己有问题，但不知道是否真的有问题或者问题是否严重的一群人。入院之前，他们需要做一个精细的分诊；在互联网上问诊时，找医生，也需要分诊。

「体素肤知汇」是 体素科技 最新发布的一款产品，这是全国乃至世界范围内，首款面向公众的、基于 深度学习 图像分析与处理技术的智能皮肤全病种测评解决方案.

我们不是最早一家做的，但是第一个面向公众的全品种的系统。美国皮肤癌特别多，专门有做皮肤癌的工具，国内有专门做红斑狼疮的工具，都是根据病种去定义。

我认为有点窄了，皮肤病有 6000 多种，只是做其中的一两种，即使它们是高发的，也是人群非常有限的。而且，针对病种做皮肤病没有道理，因为在知道自己是什么病之前是需要诊断的。

我皮肤确实出了问题但是不知道什么问题的时候，如果产品只能检测一个病或者两个病的话，怎么用这个产品？所以病种还是一个后延知识，是诊断之后大家知道的一件事情。

但是，诊断之前不能靠病种去设计产品，因为你没有这个产品的使用入口。诊断之前，必须做非常强的先验假设，那这就要从全品种去做了。

6000 多种皮肤病，我们现在的数据支持做其中 300 种。虽然听起来 300 和 6000 相比，还是很窄，但其实不是的。

按学术上的细分类，加上非常罕见的皮肤病，一共有 6000 多种皮肤病的统计。但是皮肤病的发病有这么一个规律：300 种已经涵盖 99% 以上的发病了；100 种可能就涵盖了 95% 以上的发病。

皮肤病的产品不只是给大家做复诊咨询用，它还能在医疗机构/在线问诊平台上的案例 查询 、医患对接分诊这些人力比较集中的环节去实现完全自动化。

因为皮肤病是比较顽固的，特别的是，治疗是需要对接专家的。比如，白癜风的专家，最喜欢看白癜风的病。过敏性皮炎的专家能够处理好过敏性皮炎的病。这种细节的分诊也特别重要，是不是也可以通过 AI 来做？

创新应用：从视频中分析小儿发育类疾病的一些征象。比如，小儿视力障碍的预检测。将来，我们会做小儿自闭症的预检测。

这些疾病的最佳干预时间是三岁前，而这又是小孩能够说话，进行主诉之前的年龄。在没有语言交流的情况下，是很难对病人进行诊断的，只能被动地去观察小儿的行为，借助视频对行为进行分析，对这一类小儿进行初诊和预诊。

人工智能站 ：现在问你下一次融资计划是不是有点早？

丁晓伟：是的。但是我是有一些计划的：在一些主要目的达成的时候，比如说我们的全病种在法规注册取得了进展，有了好的临床试验结果。临床试验结果不仅是证明了它的医疗价值，也证明了医疗经济学上的价值。

其实这是个惯例，做医疗器械、药的企业，公司的估值、价值都会在这个时间点上有一个巨大的跳跃。

人工智能站 ：现在真的不开拓新业务吗？

丁晓伟：我觉得，全病种够我们做的了。这个东西给行业带来的冲击也会是非常大的，我还是希望一步一步走稳它。这个事情已经非常非常难了，虽然听起来只是一句话。