深投控的毛慧武先生告诉动脉网，能够在迈格早期阶段融资切入，作为投资人深感庆幸。迈格成立于2016年4月，专注为医疗健康相关行业提供医学影像精准分析服务。2017年12月，迈格启动天使轮融资，由泽厚资本领投，深投控的子公司投控东海跟投。
“我们接触到这个项目的时候，迈格的天使轮融资快要结束了，只投资了一小部分金额。”提及与迈格天使轮投资几近失之交臂，毛慧武先生略带遗憾地回忆道，“欣慰的是，我们赶上了第二次融资。”2018年12月，迈格启动Pre-A轮融资，由南科天使领投。南科天使是深投控与南方科技大学共同建立的基金，是深圳天使母基金首批签约、首支完成注册设立的子基金。
精准医学影像分析对医疗行业从业者来说并不陌生。近年来，人工智能与医学影像的结合已经屡见不鲜，肺癌与乳腺癌的癌症相关早期筛查产品、肺结节筛查、眼病筛查等AI产品逐渐走入大众视野。
迈格却选择了“脑影像+人工智能”的赛道，研发了Brain Label脑医学影像精准分析平台，并在2018年作为联合申报单位参与十三五“重大慢性非传染性疾病防控研究”重点专项，负责国家神经变性病影像大数据平台建设以及影像判读工具开发。该项目由宣武、天坛、湘雅、华西四大国家疾病临床研究中心联合参与申报，参与医院超过100家。这家成立于2016年的人工智能医学影像企业，是如何获得深投控青睐并参与国家十三五重点专项呢？动脉网采访了迈格的联合创始人吕海岩，听他讲讲迈格的创业逻辑。
迈格的核心团队毕业于哈尔滨工业大学,并与约翰霍普金斯大学在脑影像研究领域有着长期的合作。创业之前，吕海岩及其团队在脑病领域及AI科技上进行过深入的调研，“约翰霍普金斯医院是全球神经外科的诞生地，其神经科常年排名美国前三，尽管如此，该医院对脑病的误诊率仍高达30%。”吕海岩告诉动脉网，这个数据在中国可能更高。
事实上，阿尔茨海默病、帕金森病、抑郁症等脑部疾病已经逐渐成为威胁人类健康的重大疾病。据世界卫生组织数据，全球脑疾病所带来的社会经济负担占所有疾病的19%，已经超过心血管病的11%和癌症的7%。
另一方面，脑疾病面临确诊难、治疗难的困境。大脑作为人体最复杂的器官，至今仍有很多发病机理和疾病模型尚不清楚，不同脑疾病之间的症状也存在着交叉，致使脑疾病的诊断通常与科研密切相关。“往往一个新的研究发现很可能就会改变脑病的诊断和治疗的策略，所以脑疾病或许是所有疾病里最需要AI技术去辅助的领域。”吕海岩表示。
更为棘手的是，神经类疾病通常表现为慢病，患者需要定期复诊，而在中国，具备神经类疾病诊疗资质的医院大都集中在中心城市，患者看病成本高昂，就医需求也难以满足。“神经类疾病或许是最难、最复杂、也最值得深入研究的领域。如果把资深医生的诊疗经验通过AI技术手段转化为诊疗工具应用到基层，就能让百倍的患者受益。”吕海岩表示。
脑影像与AI的结合是迈格的切入口。要将复杂的脑影像数据结构化，首要的一点就是脑部分区。而在这一点上，迈格具备先发优势。
迈格的首席科学家、约翰霍普金斯大学的Susumu Mori教授是磁共振DTI纤维追踪技术发明人，他绘制出国际第一个脑白质图谱，以及国际唯一的全脑图谱。该图谱包含283个脑区，达到了绝大多数临床医生无法用肉眼识别的精细度。
此外，结合迈格独创的神经指纹技术，通过对不同模态、不同序列的脑图像进行图像融合与深度信息挖掘，构建全面的神经指纹，建立属于中国人的神经指纹标准库。利用大数据及AI技术，实现脑疾病分类分型、脑疾病预测以及脑健康评估。
“简单的说，神经指纹技术就是依据脑部分区，将特定分区的多模态数据通过AI技术结构化输出，最后储存成为特异性的神经指纹。”吕海岩解释道，“我们的目的是让脑疾病的诊断与评估像验血一样简单。”
神经指纹技术
Brain Label是迈格围绕神经指纹技术打造的脑影像AI应用平台，利用AI实现对脑影像数据的自动结构化分析，提供包括脑区分割、三维重建、萎缩分析、白质病变分析在内的多种功能模块，并在此基础上开发了包括MRI影像辅助诊断产品、PET影像辅助诊断产品、脑外科手术辅助决策产品在内的多模态医疗辅助决策产品矩阵。
迈格的产品是依照医生的完整看病决策逻辑来开发的。吕海岩解释道，“目前最流行的医疗人工智能还是狭义的人工智能——机器学习，市面上的很多医疗AI产品都是基于已有的开源系统，用某些疾病的大数据集去做疾病适配。这其实并不涉及底层算法的开发，只能算是一种AI算法的应用，一旦更换新的数据集，这种‘黑匣子式’的AI很可能就无法继续保证疾病识别的精确度，这就是为什么我们认为单纯采取机器学习的方法不是现阶段医疗AI的解决办法，单一算法的解决方案也很难成为一个趋势。”
“迈格的产品开发不拘泥于某一种方法或技术成果的延续或应用，而是根据脑疾病诊疗路径的共性问题作为AI技术公关目标，融合专家知识挖掘、标准化图谱构建、图像处理与识别、深度学习等多种算法的攻坚与开发，依照循证医学的逻辑呈现算法结果，以友好的界面辅助医生的临床决策。”吕海岩补充道，“因此不同于其他需要成千上万例数据才能做出一个AI模型的公司，我们的医疗AI可以在少量的医生诊断数据之上，不断地自我迭代。这正是我们的技术优势所在，BrainLabel不需要在一开始就大规模地采集数据，它有独有的数据学习模式。”
迈格Brain Label平台
“迈格的神经指纹技术是一个数据结构化、标准化的技术，在底层层面，神经指纹技术是在全方位地挖掘人脑以及疾病的特征信息，因此它可以成为一个创造新知识的工具，为不同的疾病和需求打造不同的上层应用。因此，BrainLabel可以作为脑疾病领域的底层技术输出平台，开放API给做上层应用开发的公司。未来的迈格不仅仅是一个软件提供商，而会逐步打造成服务提供商。”吕海岩说。
由于政府的严格管控，医疗AI产品普遍面临难以落地的困境。如今AI医疗产品的审批也迎来了好消息。今年6月，药监局正式发布了《深度学习辅助决策医疗器械软件审批要点》，以文件的方式将审批相关的具体指标确定下来。
迈格的产品落地路径一直都是吕海岩思索的问题。“现有市面上的医疗 AI更多采取自下而上、互联网产品切入市场的模式，即用AI技术驱动医疗产业，从基层医院切入，以抢占患者流量入口或获取更多医疗数据。”吕海岩虽然认可AI技术的最终应用场景在基层医院，却并不认为互联网模式适合医疗行业，“要实现医疗AI在医疗行业的商业落地，仍需要跟上端有制定国家标准和临床指南能力的机构合作，共同开发产品，将新的产品和技术自上而下地切入产业。”
基于脑影像AI底层技术，迈格由点到面，研发了神经影像人工智能云解决方案，为科研单位、医疗机构、体检机构、保险公司、药企、CRO企业等提供多重部署方案，包括公有或私有SAAS方案、数据分析API服务等。公司已与宣武、天坛、华山、协和等国内顶级神经科医院达成合作。同时，迈格作为国家老年疾病临床医学研究中心（宣武医院）影像大数据指定合作平台，为国家中心下属400多家联盟成员单位提供影像分析服务。
迈格希望通过与具备国家临床医学研究中心资质的头部医院深入合作、参与建设十三五国家重点专项等方式，切入AI医疗产品国家审批标准或者疾病指南的制定，从而在相关制度、指南出台之际，自然地从科研过渡到临床。
对于产品的商业模式，迈格也早有规划。迈格认为，未来的医疗AI的商业化更多是通过服务驱动，而不是依靠单一软件或者医疗器械的销售推动。对此，迈格选择采用“神经影像分析产品+专病医疗服务团队+医疗机构落地”一体化的神经专病医疗服务解决方案，首先提供影像辅助诊断产品对患者病情进行分级，然后通过专病医疗服务团队为患者提供医疗服务，最后为患者推荐医疗机构实施落地服务。
目前，迈格正在进行新一轮融资，资金将用于团队扩张，启动Ⅲ类产品注册等。
深控投的毛慧武表示：“神经类疾病有着庞大的患病人群，市场天花板高。我们看好迈格的脑影像AI底层技术创新能力、自上而下的落地途径以及服务驱动的商业模式。我们也期待迈格团队与约翰霍普金斯大学的合作能够为神经类疾病AI产品落地基层、服务患者带来新的机遇。”