可预测老年痴呆症患病几率，Avalon AI 医学影像诊断玩出新花样
随着人工智能在各领域的应用逐步展开，动脉网（微信：vcbeat）将对海内外AI+医疗健康领域就典型案例、投融资情况、产业内布局作出系列报道，供业内投资人、创业者参考。
本篇为读者介绍的是一家美国的人工智能创业公司，该公司将深度学习技术应用于医疗系统，并兼容于可穿戴设备，实现对患者发病前的精准预警，为AI+医疗健康领域创业的典型案例之一。
你相信吗：只要上传脑部核磁共振（MRI）图件，就能预测你在未来患老年痴呆症的几率有多大。这件事情听起来有点炫酷，但一家创办于2015年的公司可能在不久的将来就能做到。
Avalon AI公司总部位于英国伦敦，致力于攻克老龄疾病，尤其是阿茨海默症（老年痴呆症）这类的神经退行性疾病。他们利用深度学习技术开发计算机医学影像诊断工具，目前对老年痴呆的有效预测准确率已经达到了75%。
上传脑部扫描图片，即可判断大脑年龄和状况
“我们的终极目标是治疗衰老。”Avalon AI的目标显得野心勃勃。创始人之一Alejandro Grabotevsky说：“解决衰老这件事情非常有意义。如果你不再衰老，你就拥有了全世界的时间，可以解决其他所有的重要问题。”
公司的创始人是两个志同道合的男孩：Olivier van den Biggelaar和Alejandro Vicente Grabovetsky。他们都是出自名牌大学的学霸。Olivier van den Biggelaar是一个软件工程师，他在布鲁塞尔大学就读博士期间曾经在一个大型视频流平台工作，并建立了一个复杂的机器学习系统。在一次比利时的商业计划竞赛中，Olivier获得前二的成绩（10,000€奖金）。
创始人Olivier van den Biggelaar（左） 和Alejandro Vicente Grabovetsky（右）
另一个创始人Alejandro Vicente Grabovetsky是在剑桥大学攻读的博士、在荷兰内梅亨大学做过博士后，他曾参与研发的神经成像机器现在被全世界的实验室广泛使用，还5次获得全国、国际的交流奖项，完全称得上是一名认知神经学家。
他们一直都有攻克老龄疾病的共同心愿。两个人随即打算把这个美好愿景变为现实，于是有了创办Avalon AI这个念头（Avalon阿瓦隆是凯尔特人传说的精灵之国、长生之地）。顺着这个思路下去，他们发现糖尿病、癌症等年龄相关疾病的研究都有不少基金支持，并且经常被医学界强调；而老年痴呆症的基金却很少，一定程度上是因为这个疾病至今都没有成功的解决方案，临床试验的失败率太高了。别人知难而退，学霸偏要迎难而上！
他们研究老年痴呆症这个方向，其实还源自一个很私人化的原因：两个人的祖母都受到老年痴呆的折磨。Avalon AI的主页上写着这么一句话：“高龄疾病中最恐怖的，是像阿茨海默症这类的神经退行性疾病。一旦患病，我们的身份认知和人格尊严将被逐渐剥夺得分毫不剩。”这种沉痛也许是亲眼见证亲人患上这种无法治愈的病，才能有的体会吧。
Olivier和Alejandro可以说分别是深度学习和神经医学影像方面的专家。他们发现，过去的老年痴呆症临床试验大多数都集中在对晚期症状的研究上，这时候受试者的大脑已经严重损伤了。而他们则认为，在出现痴呆症早期症状时，在大脑的损伤刚刚开始时，就应该当机立断地把疾病扼杀在摇篮中。
那么问题来了，怎么把两人的深度学习知识和MRI成像知识结合起来，来判断一张脑部扫描图像里的脑损伤显示呢？
根据神经科学的知识，目前医学界诊断痴呆症病情程度的生物指标主要有两个：一是海马体（相当于大脑记忆芯片）的大小；二是脑室的大小，因为脑室体积会随着脑组织退化而增大。另外，他们还想细致地研究大脑灰质和白质的变化、脑脊液的情况，观察大脑从轻微认知损害发展成老年痴呆的过程中，这些物质会有什么相应的改变。
结合结构性（左）、扩散性（中）、功能性磁共振（右）三种成像方式，可使阿茨海默症漏诊概率降低50%
要进行这些研究，首先需要制作一个大脑3D磁共振图像，把它与其他样本进行对比，然后用卷积神经网络(CNNs)的技术来对这个图像里的大脑做特征分析。卷积神经网络的原理和人的皮肤类似——网络的每一层都提取这个大脑扫描图中一些简单的特征，然后层层叠加，重新组合成复杂的特征集合。这种神经网络的分析方法不仅需要横向分析同等失智程度大脑的相似特征，还需要纵向比较不同失智程度大脑的相异特征。通过层层分析对比，就能够判断大脑是否损伤，或者失智程度有多严重。
摆在团队面前的最大问题是数据的短缺！苦心钻研的Alejandro Vicente在网上发表了一篇名为《健康数据危机》的文章，呼吁医疗行业开放更多现存医学影像资料。文中提到，数据和计算机技术已经让很多行业产生了翻天覆地的革新，而保守的医疗行业却迟迟没有进展，就是因为医院不愿把糖尿病、癌症、阿茨海默症等病例资料贡献出来做研究，白白地浪费宝贵的资源。
他还做了这么一个假设推断：全世界有超过三万六千台MRI成像机器，其中做脑部成像的大概有1/4。假设一台机器一周工作5天，一天8个小时，给一个病人做一张有效的扫描图需要1小时。一年扫描图总数= 36,000台机器 * 250 天/年 * 8 张/天，算下来一年会产生7200万张图，其中1800万张是脑部扫描图，也就是一天5万张。这还是按照最少的情况算的，实际情况远远不止这个数。
他还说，非常感谢目前向Avalon AI提供脑部影像资料的一些大大小小的医学科研机构。但是直到今天，所有这些机构提供的数据加起来都不超过5万份。虽说科研机构的资料比临床资料更全面、品质更好，但是它的数量实在是太少了，还不及临床资料一天产生的量。
“在这个大数据时代，想到那么多宝贵资料就白白地躺在医院和诊所的硬盘里，我内心的数据科学家都在流泪。”Alejandror说道。
对于数据的安全性，Avalon AI承诺会严格保护患者的隐私。他们提到，在做研究时会将图头设置为匿名，把名字、生日、做MRI扫描的时间地点统统抹去。即使这样还是会有风险：即使其他什么信息都不透露，有的人可能还是会被别人从一堆匿名的图中认出来。
Avalon AI对此表示，他们会想办法把脸部特征特殊处理一下，但是不能说这样就绝对保险了。对比起一手资料给医学研究带来的巨大贡献，这个风险带来的坏处可以说是微不足道的。
3年前深度学习的技术革命还没开始的时候，根本想不到还可以用神经网络的技术来研究老年痴呆症。现在由于计算机性能和数据基础越来越强大，我们迎来了深度学习用于临床成像诊疗的转折点。这对于神经放射学专家是个好消息，这项技术不仅可以省时，还能使诊断高度精准。对于制药公司来说，他们可以只对短时间内有痴呆症恶化风险的病人进行药物治疗，在临床试验上节省大量开支。
尽管如此，现在深度学习在医学上更多还是用于医治率更高的疾病，比如分析中风、某些癌症的CT扫描图。Avalon AI是首个把深度学习用于预测老年痴呆症的公司。
据Avalon AI称，他们的资料库里已经有8万个扫描图件，但通常建一个诊断模型就要用1万个图件。虽然已经取得75%的判断准确率，但凭现在的预测水平，还不能投入医学诊断。不过据他们估计，在测试的图件达到10万至100万份的时候，这项技术就可以迈过临床诊断的门槛，真正投入使用。
2015年获欧洲Entrepreneur First投资；2016年获美国Techstars创业加速器投资。合作的科学家来自剑桥、Donders协会、帝国理工学院。
Avalon AI合作者众多
有3位顾问是来自Entrepreneur First的投资人：Chris Mairs、Alice Bentinck、Matt Clifford。其中一位顾问是来自大学认知与脑科学研究所的Rik Henson教授，他在衰老相关记忆损伤领域的研究属世界知名；另一位顾问是来自Donders认知神经科学脑成像技术研究中心的Christian Doeller，他对内侧颞叶（大脑中掌管记忆和空间表征的区域）相关知识了如指掌，而阿茨海默症等大脑退行性疾病会对这一区域造成影响。
2016年3月，Avalon AI与一家名为Zebra Medical Vision的医学影像分析公司（与Avalon AI一样是采用深度学习来进行影像分析诊疗）成为合作伙伴。这家公司研究的内容包括骨骼、肝、肺、心血管、脑。
欢迎个人转发到朋友圈
网站、公众号等转载请联系授权
liu.d@vcbeat.net
动脉网，“未来医疗”服务平台
投稿：tg@vcbeat.net
授权：xi.n@vcbeat.net
动脉网所刊载内容之知识产权为动脉网及/或相关权利人专属所有或持有。未经许可，禁止进行转载、摘编、复制及建立镜像等任何使用。
关注动脉网官方微信号：vcbeat或长按二维码