一、需求描述

寻找在医学人工智能领域有成功案例，且在市场具有丰富资源和渠道的战略投资人。

二、项目亮点

- 整合了5种算法，具备全面的筛查能力，为慢性病管理提供了多种方法；

- 解决了目前市面上此类算法模型缺乏和易用性不佳的多项痛点问题。

三、项目概况

预测眼科及其他慢性病的应用人工智能的深度学习技术

1、简介

本项成果涉及应用人工智能的深度学习技术来诊断和预测眼科及其他慢性病，包括糖尿病、冠心病和肾脏疾病相关的预测算法，以及拥有医学知识储备的大语言模型框架，涉及技术包括：DeepDR Plus，DeepDR-LLM，DeepCHD-FGLM，DeepDKD，Chatbot。

图1 DeepDR Plus系统设计

图2 DeepDR-LLM系统设计

2、市场应用前景

1）本项成果涉及的5项算法技术，可以以软件的形式提供给客户使用，使用场景包括医院、连锁药店、连锁眼镜店、健康筛查中心以及初级社区卫生保健机构等。

2）通过在这些场景中，无创性给予使用者慢性系统性疾病的诊断及风险评估，以实现人工智能切实参与与实际应用于患者及健康人群，辅助进行慢性系统性疾病的早期筛查预警、风险评估等。

3）本项成果有利于健康整合：

- 致力于将解决方案融入全球关键医疗领域，以提升疾病筛查的可及性和效率；

- 有利于消费者参与：满足不断增长的个性化健康管理工具需求，提高健康人群与患者参与度和自我监测；

- 专注于多元化的医疗保健领域，推动慢性病筛查并为全球医疗保健领域做出有意义的贡献。

3、发展规划

1）首阶段计划与主要药房和眼镜连锁店建立合作伙伴关系，以在尽可能多的地点建立提供视网膜成像资产的渠道。通过将Oculomics技术整合到这些渠道中，在第一年内实现市场渗透和品牌认知。提供一种非侵入性方法，用于早期系统性疾病的视网膜成像检测，并为合作伙伴员工提供全面培训和持续技术支持。

2）在第二阶段，将聚焦于蓬勃发展的数字健康市场，该市场是由智能手机普及率提高和消费者对个性化健康解决方案需求推动的。目标市场将是主动健康管理感兴趣的科技爱好者。第二阶段业务目标包括开发并推出一款用户友好的移动应用，收集和分析健康数据以提供个性化健康洞察，并从B2B模式转变为B2C模式以增加直接销售。该移动应用将根据Oculomics筛查结果提供个性化健康建议，包括健康跟踪和监测、个性化健康提示和建议以及与可穿戴设备和其他健康应用集成。

3）通过运用创新的Oculomics技术，旨在彻底改变健康筛查和个性化健康管理。采取分阶段方法，从强大的B2B基础开始，逐步扩展到全面的B2C模式，为实现长期成功和显著的市场影响奠定了基础。

4、知识产权情况

5项PCT专利申请，2项中国专利授权。

四、团队介绍
本项目负责人为清华大学临床医学院教授、博士生导师，在人工智能辅助眼科疾病诊断和预测，系统性疾病、慢性全身性疾病的早期预警、预测方面，有着多年深厚的研究基础。

相关研究成果发表在New England Journal of Medicine, Lancet, JAMA, Nature, Nature Medicine等顶级医学期刊上。