【小哈划重点：近十几年来，关节置换术前规划系统也在不断完善，从第一代基于胶片模板的手工测量，到第二代的基于数字模板的二维规划（譬如OrthoView），发展到第三代基于CT影像三维重建处理后的三维手术规划（例如Mimics、MAKO等）。】
为骨科手术规划、术中导航等临床痛点破题。
骨科AI产品研发商「长木谷」已获得数千万元Pre-A轮融资，由联想之星领投，峰瑞资本与万辉资本跟投。本轮融资主要用于扩充AI骨科产品线、推进临床注册证申报以及推动AI产品的临床落地。
长木谷于2017年组建于美国哈佛大学和斯坦福大学校园，聚焦于骨科人工智能垂直赛道，围绕骨科手术提供从术前评估、手术规划、3D打印个体化定制手术导航导板等一系列骨科手术全流程的人工智能解决方案。去年11月，长木谷曾获得来自峰瑞资本领投的数千万元种子轮融资。
长木谷CEO张逸凌博士表示，术前精准手术方案的制定是骨科关节置换手术成功与否的关键因素。而当前临床场景下的关节置换手术存在许多痛点：
中国医生缺乏合适的规划与测量工具，骨科医生只能通过患者的X线平片在大脑中还原其复杂的三维骨骼结构，使用二维胶片模板进行术前手工测量。
医生在手术中需要进行多次试模操作，判断植入假体的系列、型号与安放位置，极其依赖手术医生的临床经验。
由于术中假体选择变量多，病人个体差异大，病情复杂等因素，人工关节置换手术风险较大，手术的可重复性低，患者术后易出现双下肢不等长、假体脱位、假体周围骨折等并发症。
近十几年来，关节置换术前规划系统也在不断完善，从第一代基于胶片模板的手工测量，到第二代的基于数字模板的二维规划（譬如OrthoView），发展到第三代基于CT影像三维重建处理后的三维手术规划（例如Mimics、MAKO等）。
由于二维规划的准确性受限和三维规划的操作复杂，这些技术在中国还远没有普及。张逸凌博士表示，目前中国大概90%以上的医院仍在采用第一代胶片模板技术或手工测量进行术前规划，这也意味着上述痛点长期没能得到有效解决。
与之对应的是，中国有多达1.5亿的关节疾病患者，其中70岁以上老人的骨关节发病率达80%~90%，远超过心血管疾病的发病率。其中有大部分需要做人工关节置换手术。据悉，2018年中国人工关节置换手术量已达到近70万台，并持续保持每年15%-20%的增长率。
高速增长的市场和临床痛点之间的矛盾如何调和？
为此，长木谷自主研发出第四代基于人工智能深度学习的关节置换三维手术解决方案——将手术模拟算法、图像算法、深度学习算法等方法结合起来，依靠计算机辅助的方式来实现关节置换手术的三维术前精准规划，实现骨科手术的“可视化”、“标准化”及“自动化”；另外，结合3D打印个体化定制手术导航导板，将术前智能规划方案在手术过程中精准实施，提升关节置换手术的精准度与安全性，可重复性强，能有效降低术后并发症的发生率。
人工智能关节置换三维手术规划系统
张逸凌博士透露，现阶段长木谷在髋关节置换术的智能解决方案AI HIP正在临床推广阶段，并在北京301医院、中日友好医院、北京大学第三医院、北京大学人民医院、北京协和医院数十家顶级骨科中心落地；明年初，长木谷的膝关节置换智能解决方案AI KNEE也会面世。
36氪了解到，目前围绕骨科提供AI相关产品的企业大都停留在疾病筛查或骨龄测评层面，譬如依图医疗、深睿医疗等，提供后续解决方案的较为罕见。
张逸凌博士表示，赛道不拥挤的一个根本原因还是“骨科太专业了”：
其一，骨科关节置换手术对精准度要求高，需要精准度达到1mm或1度的精准度；
其二，医工结合要求高，临床经验标准化难度大，将众多权威专家的经验与理念进行归纳与总结，并形成对人工关节置换的标准化处理方案，同时要求骨科专家与AI算法工程师共同投入大量的时间和精力，需要医工结合紧密的团队；
其三，需要与影像设备厂商和骨科器械厂商建立深度合作，人工智能解决方案需要与上游的CT影像设备厂商以及下游的骨科假体器械厂商紧密配合，才能保证获取影像数据的稳定性与安全性，及术前规划参数的精准性与可靠性。
未来，长木谷也会一直聚焦于骨科领域，持续推出更多手术场景的智能化解决方案，以覆盖从疾病筛查、智能诊断、临床决策、术前规划、耗材选择、手术模拟和患者随访等一系列诊疗全流程。
