AI数字病理分析公司迪英加宣布获数千万元A轮融资，本轮由 IDG资本、君联资本、金阖基金共同领投，将门创投、布朗什维克基金继续跟投。本轮融资将主要用于完善公司的四条产品线，建立迪英加杭州、上海、美国研究院，继续开拓海外市场。
IDG资本合伙人牛奎光表示：
“人工智能是目前国家发展战略，病理是非常适合人工智能辅助分析的领域。迪英加业务涵盖全球市场，今后有着巨大的想象力和发展的空间。作为本轮的联合投资方，IDG资本、君联、金阖这样的第三方机构资源能与迪英加充分发挥协同作用，更好的完成公司各条产品线的商业落地。”
迪英加专注于提供数字病理图像分析工具用于癌症诊断和分级。团队从2002年开始从事计算机视觉、机器学习、数字病理分析等方面的科研，发表SCI文章近200篇，合计引用过万次。
通过十五年时间的积累，迪英加自主研发了高通量显微图像成像和处理技术，积累了大体量数字病理影像图库，并在此基础上打造了病理互联和智能病理（硬件+软件）两套系统，提供远程病理图像分析和全类比AI病理辅助诊断，产品涉及细胞病理、组织病理、分子病理、免疫组化。此外，公司还有名为“病理星球”的产品，提供海量数字病理图片用于科研和临床的应用。
一直以来，病理切片分析都被医学界公认为癌症诊断的“金标准”。许多病人的临床诊断须通过细胞形态学及组织病理学检查才能得到最终确认，包括各类肿瘤性疾病的区域、良恶性质、分期、分型等，从而为临床选择正确治疗方案、术后诊断提供依据。
在病理医生的实际阅片中，原始病理切片的图片尺寸庞大，肿瘤细胞群的尺寸却十分微小，他们往往没时间对每张病理切片都进行仔细分析计数。譬如一次大体切片活检，病理医生通常要对约几十张病理图像进行审查才能确定患者是否患病，其中每张图像都超过2000万像素，信息量极大，但只有几张图像与患病区域真正相关，病理医生经常花费大量时间查看病理切片，因此无法满足愈来愈多，和愈来愈精准的阅片需求。
与之相对应的是，目前全国病理医生也极度缺乏。
公开统计数据显示，截至2015年，全国在册病理医生11000余名。其中，70%的病理医生集中在三级医院，三级医院平均配备3.63名病理医生；而超过两万家二级及二级以下医院，平均每家医院仅有0.12名病理医生，与原卫生部制定的每百张床配备1-2名病理医生的标准差距悬殊。可以说，在病理诊断领域，市场供需关系严重失衡，这种情况短时间内无法改变。
随着肿瘤发病率和死亡率的日益上升，病理科在满足临床对快速、准确、靶向、预测性病理诊断的需求上都面临着巨大挑战。AI的出现有望解决这一难题。它能自动分析、分割、检测感兴趣区域、定量评估病变区域变异程度，从而能帮医生分担很多重复性、机械性工作，从而帮助他们提高效率。
从2016年创立至今，迪英加深耕人工智能，切入的正是这一细分领域。
它针对包括组织病理切片和免疫组化等多种病理图像，研发深度数据挖掘和深度机器学习模块，提出自动检测和分割图像的算法，产生高通量快速分析系统，5秒即可处理完成1亿像素的全视野病理扫描图像，细胞检测精度高达99%。公司的四款产品涵盖了数字病理的全产业链条的各类需求。
传统用深度学习算法来预测肿瘤区域的项目多数只能将每张切片剪切成大量小尺寸图块，再预测单张图块是否为肿瘤区域，而仅凭单张图块而不知周边区域的情况会影响预测准确度，由此产生的假阳性十分显著。而迪英加的产品会直接对全场图像进行判读，从而聚焦于算法突出的肿瘤区域，提高辅助诊断效率。以宫颈图片为例，迪英加开发的系统能在5秒内自动筛掉大量的阴性切片，系统判读的敏感性为100%，特异性为95%以上。
当然，AI在医疗中应用的一项关键问题在于能否持续获得高质量的数据。迪英加创始人杨林透露，截止目前其产品已在国内外50余家医院落地，积累切片数据15万例，涵盖了20多种癌症。他还表示，病理数据难追溯，不存在泄露患者个人隐私的问题，相对于大影像和基因数据上，在安全性和数据获取上都会更具独特的优势。
对于商业模式的考虑，杨林表示迪英加主要是“软件+硬件”结合，主要会通过向医院、药企、第三方检验机构进行软件销售和提供整体解决方案；硬件销售则是作为软件载体的自主研发的便携式扫描仪和与国内友商合作的高通量扫描器械。在海外则是AI软件的销售和做为各种服务的提供商。
