当AI遇上心电图，「心声医疗」帮医生自动生成诊断报告

心电图作为一种普遍的检查手段，在各级医疗机构都非常普及、使用频率极高。《中国心血管病报告2016》显示，心电图医疗产业全球规模现已超40亿美元。

心电图产生的数据量巨大，即便借助传统心电分析软件也只能筛选可疑片段而不能准确诊断，医生在临床实践中仍需花费大量时间进行分析，误诊率和漏诊率还很高。卷积神经网络（CNN）和循环神经网络（RNN）等AI技术能用于心电图特征的自动提取与分类，显著提高心电图分析的准确率，解决上述痛点。

36氪近期接触到的心声医疗便是这样一家利用AI进行心电图分析的公司，它定位于AI心电医师技术服务商，核心业务是通过技术手段分析心电图并生成诊断报告，帮助临床医师提高工作效率和降低误漏诊率。

据创始人傅兆吉介绍，心声医疗的心电诊断算法Cardio-learn是基于CNN和RNN技术的深度学习算法，相较于传统分析软件所采用的模式识别算法，它对心律失常事件检测的灵敏度和特异度都更高，还能生成可供临床医生直接采纳的心电图诊断报告。据悉，该算法曾获得2017年第18届全球心电计算竞赛冠军。

当然，技术的落地还需要搭载在其它软件产品或者器械产品上。依托于上述心电诊断算法，心声医疗将推出面向B端和C端的两种产品。

其中，面向B端（医院、体检中心、心电图医疗器械商、可穿戴健康设备商等）的产品为AI心电医师云引擎，主要提供心电分析云服务，基于调用次数进行收费，计划在今年6月份上线试运营；面向C端用户的产品则是一款便携心电仪，将于7月份量产，该硬件只有一片口香糖大小，用户能通过蓝牙连接手机并传输至云端随时完成心电图检查，并于2秒内获得自己的心电图分析报告。

在市场推广上，傅兆吉表示，目前心声医疗已与科大讯飞达成战略合作，借助后者搭建的人工智能诊疗中心平台触达B端客户。据悉，心声医疗的心电医师云引擎已在今年2月份作为该诊疗中心的一个功能模块正式面向市场，并在一家三甲医院部署试用。

傅兆吉透露，根据运营近3个月以来的数据反馈，该产品可准确诊断27类常见心律失常，覆盖临床心电图异常总量的95%以上，针对不同的心律失常，诊断灵敏度和特异度在87%~98%之间。

当然，结合前文所提及的痛点，更优的心电图分析诊断技术似乎成为市场刚需。

就在今年4月，乐普医疗对外发布了自主研发的“AI-ECG平台”（已获得FDA受理），实现了AI心电图智能分析诊断技术的落地；初创公司沃方科技也研发了一套心电智能识别系统；国外的AliveCor也推出了运用AI技术分析心电图的产品；另外，还有不少机构在做相关的研究工作，譬如吴恩达带领的斯坦福机器学习团队。 继影像识别后，心电图识别这一垂直细分领域也开始暗流涌动。

谈及可能面临的市场竞争，傅兆吉表示，“相较于影像识别诊断，心电图诊断的技术门槛更低，且离市场更近，能更快产业化，变现更快”，未来的竞争肯定会更激烈。

他认为，在产品还没有大规模落地的当下，大家比拼的就是数据积累和算法优化能力，而这都有赖于快速的市场扩张。所以，接下来，心声医疗除了自己铺市场外，也计划继续沿用 “抱大腿”的方式——与头部智能诊疗平台（譬如腾讯觅影、百度医疗、阿里健康等）合作，以期实现快速获客。

傅兆吉透露，心声医疗即将启动Pre-A轮融资，计划融资2000万元，用于心电产品的落地与市场推广，以及面向C端硬件产品的量产。在2017年7月成立当时，心声医疗曾获得500万元天使轮融资。

我是36氪医疗作者顿雨婷，医疗大健康领域项目寻求报道可加微信562794102，烦请注明公司+姓名+来意~