心电图产生的数据量巨大，即便借助传统心电剖析软件也只能筛选可疑片段而不能准确诊断，年夜夫在临床实践中仍需花费大量韶光进行剖析，误诊率和漏诊率还很高。
卷积神经网络（CNN）和循环神经网络（RNN）等AI技能能用于心电图特色的自动提取与分类，显著提高心电图剖析的准确率，办理上述痛点。

36氪近期打仗到的心声医疗便是这样一家利用AI进行心电图剖析的公司，它定位于AI心电医师技能做事商，核心业务是通过技能手段剖析心电图并天生诊断报告，帮助临床医师提高事情效率和降落误漏诊率。

据创始人傅兆吉先容，心声医疗的心电诊断算法Cardio-learn是基于CNN和RNN技能的深度学习算法，相较于传统剖析软件所采取的模式识别算法，它对心律失落常事宜检测的灵敏度和特异度都更高，还能天生可供临床年夜夫直接采纳的心电图诊断报告。
据悉，该算法曾得到2017年第18届环球心电打算竞赛冠军。

当然，技能的落地还须要搭载在其它软件产品或者东西产品上。
依托于上述心电诊断算法，心声医疗将推出面向B端和C真个两种产品。

个中，面向B端（医院、体检中央、心电图医疗东西商、可穿着康健设备商等）的产品为AI心电医师云引擎，紧张供应心电剖析云做事，基于调用次数进行收费，操持在今年6月份上线试运营；面向C端用户的产品则是一款便携心电仪，将于7月份量产，该硬件只有一片口喷鼻香糖大小，用户能通过蓝牙连接手机并传输至云端随时完成心电图检讨，并于2秒内得到自己的心电图剖析报告。

在市场推广上，傅兆吉表示，目前心声医疗已与科大讯飞达成计策互助，借助后者搭建的人工智能诊疗中央平台触达B端客户。
据悉，心声医疗的心电医师云引擎已在今年2月份作为该诊疗中央的一个功能模块正式面向市场，并在中国科技大学附属第一医院心电科支配运用。

傅兆吉透露，根据运营近3个月以来的数据反馈，该产品可准确诊断27类常见心律失落常，覆盖临床心电图非常总量的95%以上，针对不同的心律失落常，诊断灵敏度和特异度在87%~98%之间。

当然，结合前文所提及的痛点，更优的心电图剖析诊断技能彷佛成为市场刚需。
对应地，来分这块市场蛋糕的并不但有心声医疗这一家。

就在今年4月，乐普医疗对外发布了自主研发的“AI-ECG平台”（已得到FDA受理），实现了AI心电图智能剖析诊断技能的落地；初创公司沃方科技也研发了一套心电智能识别系统；国外的AliveCor也推出了利用AI技能剖析心电图的产品；其余，还有不少机构在做干系的研究事情，譬如吴恩达带领的斯坦福机器学习团队，研究成果的商业化也是迟早的事。
由此可见，继影像识别后，心电图识别这一垂直细分领域也开始暗流涌动。

谈及可能面临的市场竞争，傅兆吉表示，“相较于影像识别诊断，心电图诊断的技能门槛更低，且离市场更近，能更快家当化，变现更快”，未来的竞争肯定会更激烈。

他认为，在产品还没有大规模落地确当下，大家比拼的便是数据积累和算法优化能力，而这都有赖于快速的市场扩展。
以是，接下来，心声医疗除了自己铺市场外，也操持连续沿用 “抱大腿”的办法——与头部智能诊疗平台（譬如腾讯觅影、百度医疗、阿里康健等）互助，以期实现快速获客。

傅兆吉透露，心声医疗即将启动Pre-A轮融资，操持融资2000万元，用于心电产品的落地与市场推广，以及面向C端硬件产品的量产。
在2017年7月成立当时，心声医疗曾得到500万元天使轮融资。

我是36氪医疗作者顿雨婷，医疗大康健领域项目寻求宣布可加微信562794102，烦请注明公司+姓名+来意~