芯片巨頭英偉達正努力尋找擁有“最好社會影響力”的人工智能(AI)初創公司。這是英偉達推出的Nvidia Inception項目的一部分,該項目正在篩選600多家公司,從中找出三大類最好的AI初創公司。
英偉達21日公布了最熱門的4大AI初創公司,23日早上推出最具顛覆性的五家AI創業公司,現在,我們推出被稱為擁有“潛在社會影響力”的五大AI創業公司,而它們都在醫學領域。英偉達首席執行官黃仁勛(Jen-Hsun Huang)上周主持了一場類似創智贏家(Shark Tank)的活動,以縮小候選者的范圍。
黃仁勛和一個評委小組共評選出3個類別的14家AI創業公司。這些初創公司是從Nvidia Inception項目中2000多家AI公司篩選出來的,被選中的獲勝者將可參加5月10日的Nvidia GPU技術大會,并領取150萬美元現金。
評委包括Fidelity Investments投資經理加文·貝克(Gavin Baker)、投行高盛的半導體投資銀行全球主管塔米·凱利(Tammy Kiely)、軟銀集團的投資者Shu Nyatta,Coatue Management高級董事總經理托馬斯·拉芬特(Thomas Laffont)以及Microsoft Accelerator全球首席技術官普拉什特·沙爾馬(Prashant Sharma)。
英偉達業務拓展副總裁杰夫·赫布斯特(Jeff Herbst)在接受采訪時表示,該公司決定創建一個有意義的獎項以表彰AI初創公司做出的令人驚嘆的工作。他表示,在“潛在社會影響公司”的類別中,英偉達在其數據庫中對2000家AI初創企業進行了審查。我聽著這些公司向評委們講述他們的故事,這個故事將聚焦于最熱門的四家新興初創企業。每個類別中都有一個贏家,可以贏得37.5萬美元獎金,每個類別的亞軍將贏得12.5萬美元。
1.Genetesis
美國每年有1000萬人次因胸痛前往急診室就診,這個問題每年開支高達66億美元,而急診室很難區分出與心臟有關的疼痛類別,其中75%的疼痛都與心臟無關。Genetesis首席執行官Peeyush Shrivastava說,Genetesis利用深度學習、傳感器和物理學來正確診斷胸痛。
通常情況下,醫生必須使用心電圖(EKG)機器來幫忙。但結果并不是決定性的,所以你必須還要經歷六小時的測試,這被稱為肌鈣蛋白測試。這些結果也不是決定性的,所以你可能需要做更多的測試。整個過程耗時數小時,醫生們往往會要求對病進行更長時間的觀察。在此期間,大約5%的病人因未被診斷出心臟疾病而回家,其中2%的人死于家中。
Shrivastava說,與此同時,在不適當的壓力測試中,浪費的開支約有4.94億美元。它已經基于生物磁成像系統建立測試,該系統可以監測從胸部自然散發出來的弱磁場。它會生成一張心臟的3D地圖,告訴醫生你是否患有心臟病。護士或技術人員可以用非侵入式的方式對病人進行90秒的評估。在床邊,醫生可以確定病人是否需要支架。
Shrivastava說:“我們正接受急救室胸部疼痛治療的全球挑戰。”該系統使用GPU加速AI來診斷。生物磁成像技術可以應用于其他對大腦、肝臟和胎兒狀況的測試,該系統可以為每名患者提供1毫米分辨率的3D地圖。Genetesis與梅奧診所建立了數據合作關系。Genetesis于2013年9月在辛辛那提成立,該公司有大約15名員工,從馬克·庫班(Mark Cuban)、CincyTech、Wilson Sonsini、Danmar Capital和43North籌集了190萬美元資金。
2.Lunit
Lunit正在開發用于醫學診斷的深度學習軟件,用于診斷諸如呼吸癌等難以發現的疾病。這家總部位于首爾的公司正利用3D成像技術和深度學習技術來進行乳房x光掃描,而在“乳腺密度大的乳房”中,乳房x光掃描并不容易檢測出癌癥。
在美國,每年有100億美元被用于乳腺癌的檢測。Lunit的首席執行官安東尼·帕克(Anthony Paek):“我們認為這項技術可以拯救無數病人的生命。” 帕克表示,大約20%的肺癌和乳腺癌在篩查測試中未能診斷出來。使用Lunit的技術,全科醫生們看到了他們的正確診斷從80%提高到83%,放射學家認為他們的診斷結果正確率從84%提高到86%。在測試中,Lunit擊敗了來自IBM和微軟等其他公司的團隊。
篩查中發現乳腺腫瘤的準確率約為78%,但使用Lunit的AI軟件,這個比例高達83%。帕克說,隨著時間推移,隨著技術進步,準確性可能還會上升。他指出:“到時候,病人可以在正確的時間得到正確的治療。”
Lunit準備數據,訓練其神經網絡,然后提供反饋,通過驗證來改善檢測。帕克說,這項業務可以擴大到其他醫療領域,也可以用來檢測其他類型的癌癥。Lunit的聯合創始人來自韓國大學KAIST,并與韓國的主要醫療領先機構合作。Lunit于2013年8月成立,該公司有30名員工。它已經從Formation 8、軟銀風險投資、Mirae-Asset風險投資公司、Intervest以及Kakao旗下K-Cube Ventures籌資520萬美元。
3.Insilico Medicine
藥物發現是醫療領域最重要的任務之一。每種藥物的研發成本平均達26億美元,全球研發這些藥物的費用約為1500億美元。Insilico Medicine首席執行官亞力克斯·扎沃隆科夫(Alex Zhavoronkov)表示,這就是為什么在2014年只有46種新藥被推出,而新藥的失敗率高達92%的原因。世界上大約有6萬種疾病。
Insilico Medicine正在為藥物發現、生物標記發展和衰老研究等研發AI技術,它致力于提高每個人的生活質量,主要基于被稱為“質量調整壽命年”(QALY)的措施。扎沃隆科夫說,他想要為每個人增加“質量調整壽命年”。現在,用質量調整壽命年來提升你的生活成本約需要6萬美元。
Insilico Medicine通過驗證新藥的線索來實現這個目標。它向藥品公司發放許可證,如果得到證實,公司就會收到付款。扎沃隆科夫說:“我們發現了藥物成功的高大機會,這會加速制藥公司的藥物開發。這是我的孩子,我沒有固定資產。我們不會放棄,直到我們戰勝了最大的挑戰:與年齡有關的疾病。”
Insilico Medicine的深度學習技術在英偉達GPU上運行。它可以做許多事情,比如使用生物標記找到一個人的年齡。該公司的一種藥物正在經歷這一發現過程。該公司有幾千個“線索”,或用于治療疾病的分子模型。它通過在模型生物中驗證這些線索來完善這個過程。
扎沃隆科夫說:“一旦你得到了這些數據,你就會開始產生大量資金。”這類工作的授權可能會有所不同,從200萬美元到3800萬美元不等,那取決于技術進步的水平。扎沃隆科夫說:“藥物價格昂貴的重要原因是92%的失敗率。”
Insilico Medicine于2014年1月在巴爾的摩成立,該公司擁有30名員工,并從MannBioinvest和Deep Knowledge Ventures獲得了500萬美元投資。
4.SigTuple
有那么多致命的疾病,你需要進行大量的醫學測試。印度初創公SigTuple想要用AI來極大地提高各種篩選過程的速度、準確性和一致性。它想讓醫生為更多的病人服務,并減少錯誤。它還想讓病人對醫療系統有更大的信心。
SigTuple首席執行官羅希特·庫馬爾·潘迪(Rohit Kumar Pandey)說:“我們希望通過提供AI智能篩選來改變醫療行業,這里沒有足夠的醫生。我們需要更多的篩查,而我們的測試是低效的。”
潘迪說,我們的公司關注疾病、醫療專家以及設備。他指出,世界上每1000人才有一名醫生。該公司使用AI分析視覺醫學數據,并通過對血液、尿液和精液測試的遠程診斷來促進規模化發展。這使得醫生可以遠程評估病人。
SigTuple發明了一種名為Shonit的設備,可以捕捉血液檢測結果并將其數字化。潘迪說,現在印度的血液檢測成本約為4到10美元,他的公司每次檢測將收取40美分至80美分的費用,這大大降低了成本。他還說:“我們正在研究篩查業務的最基本層面,我們希望為大眾帶來更大價值。”
潘迪指出,血液檢測的解決方案目前正在進行測試。該公司將測試數據數字化,并將其移動到云端,在那里,AI可以分析數據,并將結果傳回給醫生。它結合了從云端到遠程醫療的一切。SigTuple成立于2015年7月,擁有約30名員工。該公司已從Accel Partners、IDG、Endiya Partners、Pi Ventures、VH Capital以及Axilor Ventures融資640萬美元。
潘迪說,該公司僅燒掉了大約30萬美元,但它正在產生收入。該公司預計明年將在印度創造100萬美元的收入。隨著時間推移,該公司將擴展到印度以外的地區。
5.Bay Labs
約翰·麥瑟(Johan Mathe)的醫生有一種預感,他可能患有一種心臟病,被稱為“雜音”。但醫生只有一個聽診器。這一過程花了5年的時間觀察和測試,以證實麥瑟確實有心臟雜音。這讓麥瑟想知道為什么要花這么長時間,他問道:“有辦法解決這個問題嗎?”這就促使他創建了Bay Labs。
他說:“有沒有一種方法,可以讓超聲波直接進入你的全科醫生那里?”其中一個原因是,很難解釋心臟的超聲波圖像。如果能更容易地分辨出這些圖像,那將會有所幫助。Bay Labs正試圖通過深度學習來解決這個問題。
它在英偉達GPU上運行自己的AI軟件,實時訓練它,以便更好地識別超聲波圖像。它還可以幫助技術人員引導超聲波探測器到準確的位置,從而獲得更好的病人數據。它的解決方案要快20倍,而且能以1/8的成本為8倍病人測試。它將每次掃描的費用從400美元降至50美元,而且每年可以掃描5倍以上的病人。
麥瑟表示:“超聲波是非侵入性的,我們想讓它和聽診器一樣有用。”海灣實驗室成立于2014年7月。該公司擁有約15名員工,并從Khosla Ventures和Data Collective Venture Capital那里籌集了到數額不明的資金。
評論
查看更多