36氪獲悉，醫(yī)學研究工具平臺企業(yè)「白星花AI」完成數(shù)百萬元天使輪融資，由汾湖國際創(chuàng)新中心孵化并獨家投資。本輪融資主要用于BAIX平臺業(yè)務拓展、團隊擴充及品牌建立等方面。

(資料圖)

白星花AI創(chuàng)立于2020年9月，聯(lián)合創(chuàng)始人/CEO王蘇宏畢業(yè)于上海交通大學，數(shù)次在國際算法競賽中拔得頭籌，曾在中國航天科工二院從事視覺AI工作；聯(lián)合創(chuàng)始人/CTO肖志峰為美國賓州計算機專業(yè)副教授；團隊在AI算法、醫(yī)學研發(fā)方面有豐富的經(jīng)驗積累。

作為連續(xù)創(chuàng)業(yè)者，王蘇宏曾創(chuàng)辦一家醫(yī)學AI培訓公司，為醫(yī)生和醫(yī)學生提供AI影像識別、統(tǒng)計工具、機器學習等數(shù)字化工具?；谂嘤枠I(yè)務，其對醫(yī)生需求有了更進一步了解，因此投身于為醫(yī)生、藥企、CRO等開發(fā)提升其醫(yī)學研究效率的標準化AI工具。

起步時，白星花AI嘗試幫助醫(yī)生、藥企醫(yī)學人員解決的痛點之一是：通過大量的科研文獻的數(shù)據(jù)關聯(lián)構建知識圖譜進行疾病、靶點和藥物關聯(lián)性預測。隨著醫(yī)學學術研究的蓬勃，醫(yī)學信息處于爆發(fā)狀態(tài)，原本SCI醫(yī)學文獻年增長率約為8%-10%，近年來增速上升至25%，針對各類疾病、靶點的研究涌現(xiàn)。如何用AI算法快速處理更廣泛的文獻數(shù)據(jù)，為使用者深度挖掘文獻信息，成為王蘇宏和團隊努力的一個方向。

“醫(yī)學SCI，包括基礎醫(yī)學文獻、機制文獻和臨床醫(yī)學文獻等。人工閱讀一篇醫(yī)學文獻大約需要2小時，但醫(yī)生等研究人員往往只需要文獻中的關鍵數(shù)據(jù)，如研究創(chuàng)新點、藥物成分、診斷標準、臨床指標等，”王蘇宏表示，通過白星花AI工具，可以將眾多醫(yī)學文獻生成結構化要點、可視化圖表等，供醫(yī)生快速閱讀參考。

除4000多萬篇SCI精準標注的圖譜數(shù)據(jù)外，白星花AI還結合開源醫(yī)學數(shù)據(jù)庫、藥物基因數(shù)據(jù)庫，通過機器學習、NLP、KG等AI算法模型，有效填補醫(yī)學真實世界研究、臨床研究中的數(shù)據(jù)缺失，修正數(shù)據(jù)錯誤。數(shù)據(jù)多模態(tài)化的應用，也讓各類數(shù)據(jù)打通壁壘，能夠真正支持醫(yī)學研究者進行醫(yī)學統(tǒng)計、作用機制發(fā)現(xiàn)、藥物新適應癥拓展、臨床試驗結果預測等。

白星花支持的醫(yī)學AI案例

在醫(yī)療大數(shù)據(jù)領域，當前仍面臨著數(shù)據(jù)缺失、機構間數(shù)據(jù)標準不統(tǒng)一等挑戰(zhàn)，在數(shù)據(jù)孤島這一問題上，王蘇宏和團隊選擇多模態(tài)數(shù)據(jù)融合，將半監(jiān)督、無監(jiān)督學習應用到處理真實世界數(shù)據(jù)和臨床數(shù)據(jù)上。通過從4000多萬篇醫(yī)療SCI文獻樣本中，還原醫(yī)療真實世界的面貌，借助機器學習等算法進行特征提取，補齊隊列數(shù)據(jù)的缺失，王蘇宏將這一過程比喻為通過美顏APP修復圖像。

據(jù)了解，當前白星花AI已與美國夏威夷腫瘤研究中心、河北醫(yī)科大學第一醫(yī)院肝病中心等機構合作，刊發(fā)多篇學術論文；在AI算法方面，也已獲“實體關系的標注自動生成方法和系統(tǒng)”發(fā)明專利授權，另兩項發(fā)明專利申請中；協(xié)助醫(yī)學工作者發(fā)布50多篇SCI文章。

在商業(yè)化方面，白星花AI為醫(yī)生、藥企、CRO等提供一站式醫(yī)學科研服務，在部署系統(tǒng)工具的基礎上，按研究項目或藥物管線付費。當前，白星花AI已有君實生物、信達生物、百濟神州等藥企客戶。另外，在市場拓展上，白星花AI也為醫(yī)學專業(yè)的碩博生提供學生版工具服務，保證產(chǎn)品在這一潛力人群中的品牌認知。

對于藥企、醫(yī)院而言，在擁有充足醫(yī)學知識和醫(yī)學數(shù)據(jù)的基礎上，仍需要耗費大量時間、精力方能產(chǎn)出醫(yī)學結果。因此，其急需大數(shù)據(jù)、AI等數(shù)字化技術提升研發(fā)速度，縮短藥物臨床前研究各環(huán)節(jié)的時間，因此AI輔助醫(yī)學研究市場值得關注。

關鍵詞： 機器學習 醫(yī)學研究 真實世界