肽積木成立于2016年，致力于將深度學習與醫(yī)療相結合，提供全鏈條的人工智能服務。肽積木基于以深度學習為代表的人工智能技術，推出了人工智能輔助閱讀醫(yī)療影像平臺的同時構建了醫(yī)療大數據人工智能訓練平臺，面向醫(yī)生開放，助力科研成果形成與突破，推動人工智能技術在醫(yī)療領域的快速普及與拓展。

醫(yī)生、患者可用診斷產品、C端產品上傳眼底圖像，其可在15秒后提供病情判斷，并于10秒內自動形成病歷。而標記平臺則通過線上任務，引導醫(yī)生完成數據標記，以此建立醫(yī)生和人工智能的聯系，加快訓練速度。

目前，肽積木已獲天使輪融資，積累了超5萬名患者的基礎數據，并與9家三甲醫(yī)院達成合作項目，在近10家基層醫(yī)院設立了C端產品試點。

積蓄力量切入醫(yī)療影像

“別人可能很難理解，但我們會感到特別驕傲。”柏文潔倚在沙發(fā)靠墊上，描述著團隊把算法演進圖做出來時的場景。她雙手斜舉在空中，像是捧著那張圖片。

柏在大學期間主攻算法相關的研究，曾發(fā)表專業(yè)論文12篇，其中以第一作者發(fā)表的有4篇，引用次數過千。后來，她成為連續(xù)創(chuàng)業(yè)者，一直在大數據領域工作，創(chuàng)辦肽積木已是她的第三次嘗試。

她認為，大數據不能只做分析，需要“更落地一些”。而人工智能與大數據則是很好的結合，也是落地的關鍵。

2016年，醫(yī)療行業(yè)受到多方關注，加之肽積木團隊成員有相關背景，以大數據、人工智能技術切入醫(yī)療行業(yè)，成為柏文潔不二之選。

然而，一個公認的事實擺在她面前：醫(yī)療行業(yè)數據質量、流通性都不是很好，系統(tǒng)打通程度、基礎建設也較弱。

因此，在找到合適的切入點之前，她帶領團隊參加了多個比賽，并不斷提高基礎算法的核心功能，希望其在數據的提取、整理、預處理等方面的能力達到最佳。

機會來得很快。2016年年中，她和團隊成員通過收集、整理公開數據集，考察行業(yè)相關的技術形式后發(fā)現，大數據、人工智能、醫(yī)療影像三者的結合進程“已經到了一個拐點”。

她看到，行業(yè)內在醫(yī)療影像處理方面，基礎算法的差異不大，構成核心競爭力的是處理數據的技巧和對算法的理解。得益于此前的準備，這兩方面正是她“有底氣的部分”。

而在當時，將深度學習用于圖像的基本方法和架構均已構建完備。下一步要拼的是“誰能更快產品化”，即誰能更快地將技術落實到幫醫(yī)生解決實際問題上。

她經過思考后決定，除數據整合與訓練人工智能外，需利用訓練成果，應用在端到端的產品上。如此一來，數據就從科研到應用形成閉環(huán)。一方面，訓練成果可經受用戶檢驗，并得到直接反饋;另一方面，用戶使用產品時會上傳映像，成為重要的數據來源。

7月，柏文潔創(chuàng)立肽積木，嘗試從醫(yī)療影像切入。

基層試驗調整研發(fā)方向

胎心圖像數據是柏文潔團隊嘗試的第一個方向，“它在算法邏輯上很簡單”。

然而實際情況卻并非如此。經過一個月的訓練與測試，人工智能的準確度僅為70%。

柏文潔經分析后發(fā)現，若僅根據一張?zhí)バ膱D像，醫(yī)生難以出準確結論。在實際情況中，導致胎心圖像異常的因素很多。由于客觀評價標準難以獲取，所以判斷同一張圖像時，不同醫(yī)生的統(tǒng)一度也僅為70%，甚至同一個醫(yī)生“前后兩次看也會有偏差”。

她由此認定，團隊需要轉換方向。她把目光投向了眼底圖像，其數據獲取較為容易，且較之胎心圖像，醫(yī)生的意見相對統(tǒng)一，可由其他檢查比對結果。

8月，柏文潔從眼底圖像切入，開始研發(fā)診斷產品和C端產品。兩個月后，產品原型完成，她開始在基層醫(yī)院試驗產品效果。

過程中，柏文潔遇到了很多出乎意料的問題，多數與大數據、人工智能無關。她舉了個簡單的例子：有些上傳的影像質量很差，甚至分不清到底是病灶(指機體發(fā)生病變)還是“拍糊了”。

因此，產品原型上線后，她不得不花大量時間去摸索基層醫(yī)院的多元環(huán)境，重新調整了產品的算法和工程化邏輯。

今年2月，肽積木團隊正式上線診斷產品以及C端產品，并開始小范圍發(fā)布、測試。

醫(yī)生可使用診斷產品上傳眼底圖像，在眼底出血、黃斑、分泌物等方面獲得診療輔助，如病灶位置、類型、分級等。醫(yī)生確定病情后產品可自動形成病歷，此時，患者通過掃碼即可獲得自己病歷的詳細說明。

此外，患者將眼底圖像上傳到C端產品后，其他醫(yī)院的醫(yī)生也可以通過掃碼獲得之前的病歷報告，從而對其疾病歷史有較好的了解。產品可在13~15秒內完成病灶標記，特定數據集的準確度超過97%。

同時，在與三甲醫(yī)院的合作過程中，柏文潔與醫(yī)生做了大量的溝通。她發(fā)現，醫(yī)生對人工智能的接受度并不低，只是不明白如何參與，也擔心參與到多個項目中會造成重復勞動。

由此，她著手開發(fā)標記平臺。平臺發(fā)布任務，醫(yī)生可在平臺上參與影像的病灶標記，并以此建立醫(yī)生和人工智能的聯系，加快訓練速度。

據柏文潔介紹，以眼底片為例，醫(yī)生可在1~2分鐘內完成一張圖片的簡單標記，較復雜的則需3~4分鐘。

她認為，當參與標記的醫(yī)生足夠多時，對數據的判斷即可在一定程度上達到共識。如此一來，人工智能對數據的識別和判斷也將達到更高的精度。“在某種程度上，也能輔助行業(yè)標準的建立。”

肽積木團隊的標記平臺已于上月正式上線，并將于本月內全面開放。

目前，肽積木已獲天使輪融資，積累了超5萬名患者的基礎數據，與中山眼科中心、溫州醫(yī)科大學附屬眼視光醫(yī)院、中國人民解放軍總醫(yī)院等9家三甲醫(yī)院達成合作項目，在近10家基層醫(yī)院設立了端到端產品試點。

項目近期預進行A輪融資，資金將主要用于團隊擴展與模式落地。