首页科技快讯解决医院信息孤岛问题，「森亿智能」获腾讯、国药资本 2.5 亿元 C 轮投资

解决医院信息孤岛问题，「森亿智能」获腾讯、国药资本 2.5 亿元 C 轮投资

来源：晰数塔互联网快讯时间：2019年07月03日 17:45

36氪获悉，医疗大数据平台「森亿智能」已完成 2.5 亿元的 C 轮融资，领投方为腾讯，跟投方为国药资本。森亿智能成立于 2016 年，三年多时间累计融资额已经超过 5.5 亿元。此轮融资后，该公司将加快智能医疗解决方案的商业化落地进展。

关于森亿智能，36氪此前有过详细的报道。该公司专注于利用人工智能进行医学文本自动分析和数据二次应用。其人工智能系统使用自然语言处理技术，批量抓取病历、病理学报告、文字版医学影像报告等文本中的关键信息，并按照不同的信息维度生成一个结构化数据库，输出不同的分析结果。

至于业务进展，森亿智能去年推出了基于AI的新一代医院信息平台，在传统医院信息平台的基础上，添加了数据治理方面的功能。传统平台通常只解决医院内的数据问题，会形成医院信息孤岛，而新功能的添加，有助于互联互通测评，提高数据可用性，帮助建设智慧医院。

目前，森亿智能已构建了300多人的团队，其中医学背景超过百人，硕士、博士占30%，研发团队发表SCI论文40余篇。

此外，该公司还与上海第十人民医院、上海胸科医院、上海中山医院等医院专家展开合作，共同开发临床决策支持系统（CDS）。鉴于技术、推广方式等因素，市场上CDS大多优先发展全科。与之不同的是，森亿智能意识到缺乏专科专病的深度辅助决策方案，开发了基于专科的CDS。其中，该公司与上海第十人民医院合作开发的静脉血栓栓塞症智能化预测及辅助诊疗系统，今年6月获得了国家卫健委评选的人工智能应用落地30最佳案例。

以下为36氪此前对森亿智能所做的报道（有部分删减）

中国人口全球第一，每年诊疗人次接近 80 亿，积累下来的医学文本信息可以用海量来形容。如何挖掘这些信息数据的潜在价值并寻找合适的应用场景，是森亿智能一直思考的问题。

森亿智能是一家专注于利用人工智能进行医学文本自动分析和数据二次应用的公司，其人工智能系统使用自然语言处理技术，批量抓取病历、病理学报告、文字版医学影像报告等文本中的关键信息，并按照不同的信息维度生成一个结构化数据库，输出不同的分析结果。

森亿智能CEO张少典直言对于医疗文本信息的解析并不局限于辅助医生进行诊断，医疗类人工智能企业未来的盈利点更可能是保险公司和药企，比如对于保险公司来说，如何通过信息解析帮助他们发现并减少过度医疗行为，对于药企来说则是如何帮助他们监控新产品的安全性。

但在相关市场成熟之前，医疗类人工智能公司需要做的更多是增加数据处理量，优化算法模型的精度。这就绕不开医院以及和涉及到医疗数据的企业。

张少典告诉36氪，数据处理都是需要算法模型+训练数据的。在算法模型方面，他们首先是建立了一个全科室的算法模型，这种全科室算法模型可以看做是一条通用流水线，可以在满足精度的条件下处理比较常见的病种，处理精度也随着数据量的增加而提高。但是通用流水线也会遇到特殊的“产品”，某些病种若依然使用这种全科室的算法模型进行处理，即使有足够大的数据量也达不到精度需求。因此森亿智能会根据不同的病种特性对这条通用流水线上的的算法参数进行增补以及调试。

这种做法的好处在于，一旦搭建好了某个病种的算法架构，在之后的项目合作中就可以不断地复制和粘贴。现在森亿智能的合作流程已经基本标准化，森亿智能将模型和解析流程接入医院的私人平台，医院将电子文本信息录入模型中。张少典表示完成模型接入和数据录入基本需要5天左右的时间，比传统依靠人力进行整合和分析在效率上提高了千倍。而森亿智能人工智能系统文本信息处理的精度基本能和医院的具备普通经验的医生持平，达到92%-93%的水平，对于一些数据量比较大的病种，精度可以达到95%-96%。

其实除了文本信息，医疗影像的处理也被创投圈普遍看好，并衍生了多家创业公司，比如iDoctor、医众、微云等。但是做文本信息处理的创业公司则比较少见，张少典告诉36氪，一方面图像的应用场景往往更直接，更容易产品化，而自然语言处理流程更多、涉及到技术细节也更琐碎，同时医学自然语言处理由于是交叉学科，人才储备更少。森亿智能在人才方面同时具备医疗和算法团队，森亿智能CEO张少典哥伦比亚大学医学信息学博士，曾在微软研究院、微软亚洲研究院、纽约长老会医院等从事医疗数据挖掘研究。