AI數字病理分析公司迪英加科技宣布獲數千萬元A輪融資，本輪由IDG資本、君聯資本、金闔基金共同領投，將門創投、布朗什維克基金繼續跟投。本輪融資將主要用于完善公司的四條產品線，建立迪英加杭州、上海、美國研究院，繼續開拓海外市場。

迪英加專注于提供數字病理圖像分析工具用于癌癥診斷和分級。團隊從2002年開始從事計算機視覺、機器學習、數字病理分析等方面的科研，發表SCI文章近200篇，合計引用過萬次。

通過十五年時間的積累，迪英加自主研發了高通量顯微圖像成像和處理技術，積累了大體量數字病理影像圖庫，并在此基礎上打造了病理互聯和智能病理（硬件+軟件）兩套系統，提供遠程病理圖像分析和全類比AI病理輔助診斷，產品涉及細胞病理、組織病理、分子病理、免疫組化。此外，公司還有名為“病理星球”的產品，提供海量數字病理圖片用于科研和臨床的應用。

一直以來，病理切片分析都被醫學界公認為癌癥診斷的“金標準”。許多病人的臨床診斷須通過細胞形態學及組織病理學檢查才能得到最終確認，包括各類腫瘤性疾病的區域、良惡性質、分期、分型等，從而為臨床選擇正確治療方案、術后診斷提供依據。

在病理醫生的實際閱片中，原始病理切片的圖片尺寸龐大，腫瘤細胞群的尺寸卻十分微小，他們往往沒時間對每張病理切片都進行仔細分析計數。譬如一次大體切片活檢，病理醫生通常要對約幾十張病理圖像進行審查才能確定患者是否患病，其中每張圖像都超過2000萬像素，信息量極大，但只有幾張圖像與患病區域真正相關，病理醫生經常花費大量時間查看病理切片，因此無法滿足愈來愈多，和愈來愈精準的閱片需求。

與之相對應的是，目前全國病理醫生也極度缺乏。

公開統計數據顯示，截至2015年，全國在冊病理醫生11000余名。其中，70%的病理醫生集中在三級醫院，三級醫院平均配備3.63名病理醫生；而超過兩萬家二級及二級以下醫院，平均每家醫院僅有0.12名病理醫生，與原衛生部制定的每百張床配備1-2名病理醫生的標準差距懸殊。可以說，在病理診斷領域，市場供需關系嚴重失衡，這種情況短時間內無法改變。

隨著腫瘤發病率和死亡率的日益上升，病理科在滿足臨床對快速、準確、靶向、預測性病理診斷的需求上都面臨著巨大挑戰。AI的出現有望解決這一難題。它能自動分析、分割、檢測感興趣區域、定量評估病變區域變異程度，從而能幫醫生分擔很多重復性、機械性工作，從而幫助他們提高效率。

從2016年創立至今，迪英加深耕人工智能，切入的正是這一細分領域。

它針對包括組織病理切片和免疫組化等多種病理圖像，研發深度數據挖掘和深度機器學習模塊，提出自動檢測和分割圖像的算法，產生高通量快速分析系統，5秒即可處理完成1億像素的全視野病理掃描圖像，細胞檢測精度高達99%。公司的四款產品涵蓋了數字病理的全產業鏈條的各類需求。

傳統用深度學習算法來預測腫瘤區域的項目多數只能將每張切片剪切成大量小尺寸圖塊，再預測單張圖塊是否為腫瘤區域，而僅憑單張圖塊而不知周邊區域的情況會影響預測準確度，由此產生的假陽性十分顯著。而迪英加的產品會直接對全場圖像進行判讀，從而聚焦于算法突出的腫瘤區域，提高輔助診斷效率。以宮頸圖片為例，迪英加開發的系統能在5秒內自動篩掉大量的陰性切片，系統判讀的敏感性為100%，特異性為95%以上。

當然，AI在醫療中應用的一項關鍵問題在于能否持續獲得高質量的數據。迪英加創始人楊林透露，截止目前其產品已在國內外50余家醫院落地，積累切片數據15萬例，涵蓋了20多種癌癥。他還表示，病理數據難追溯，不存在泄露患者個人隱私的問題，相對于大影像和基因數據上，在安全性和數據獲取上都會更具獨特的優勢。

對于商業模式的考慮，楊林表示迪英加主要是“軟件+硬件”結合，主要會通過向醫院、藥企、第三方檢驗機構進行軟件銷售和提供整體解決方案；硬件銷售則是作為軟件載體的自主研發的便攜式掃描儀和與國內友商合作的高通量掃描器械。在海外則是AI軟件的銷售和做為各種服務的提供商。