百合网|36氪首发 | 「心永科技」获数千万元天使轮融资,用血流动力学+AI连续监测血压

百合网|36氪首发 | 「心永科技」获数千万元天使轮融资,用血流动力学+AI连续监测血压

36氪获悉 , 连续血压监测技术提供商「心永科技」近日完成数千万元人民币天使轮融资 , 由峰瑞资本独家投资 , 本轮融资主要用于算法迭代、传感器研发、产品生产 , 及医疗器械二类证的申请和注册 。
据了解 , 心永科技Pre-A轮融资也已启动;在公司产品即将成型、量产之际 , 心永科技两位联合创始人李毅彬、魏耀广接受了36氪采访 , 讲述连续血压监测的意义和价值、公司技术壁垒及商业化规划等 。
心永科技成立于2020年 , 联合创始人李毅彬博士毕业于清华大学微电子系 , 在血压监测方面有近10年研究积累;联合创始人魏耀广博士毕业于美国明尼苏达大学电子工程专业 , 曾在美国IBM、微软担任高级工程师多年 , AI和算法领域经验丰富 。 目前 , 公司团队规模十余人 , 集中于软硬件开发、算法研发方向 。 同时 , 团队正在加速扩充 。
心永连续血压监测设备示意图

连续血压监测的价值 当前 , 中国国内高血压人群已近3亿人 , 传统的血压测量场景 , 仍以点状、离散的测量方式为主 , 比如在医院中每日测3-5次血压 , 在家中每日测2-3次血压;仅有在ICU或全麻手术的情况下 , 才会对血压进行连续监测 。
“单个时间点测量的血压值 , 受环境和被测者自身状态的影响 , 可能会波动10-20毫米泵柱;但连续血压监测可以反映血压波动 , 展示血压基线的变化 。 ”李毅彬表示 , 基于此 , 医生针对高血压患者的临床用药也可更为量化、精准 。
除了用药可能更为合理外 , 连续血压监测能够帮助患者了解阶段性的血压波动变化 , 进而获知身体可能存在的“隐患” , 比如动脉硬化、内分泌失调等易被忽视的慢性病 。
对于研发高血压药物的药企而言 , 在临床试验阶段 , 连续的血压监测工具、及用药前后的数据 , 也能有效支持新药研发 。 “当后期数据量积累到一定程度 , 我们也考虑和药企、慢病管理公司、保险公司、医院等展开一系列合作 , ”魏耀广告诉36氪 。
此外 , 对于部分心脑血管疾病患者 , 连续血压监测价值显著 。 比如脑出血 , 如果血压过高 , 脑出血复发的概率极大 。 通过连续监测血压 , 在血压过高时对患者进行预警 , 可以大幅降低再次脑出血的概率 。
正因为连续血压监测的现实意义 , 华为、三星、Aktiia、Valencell等国内外企业都在开发医疗级便携、无感的血压测量产品 。 近日 , 华为发布了充气式的智能血压手表Watch D , 产品已获得医疗器械二类证;与气泵式原理不同 , 心永的连续血压测量产品采用了不充气的“PPG(光电容积脉搏波)+压力”相结合的技术路径 。

“血流动力学+机器学习”的技术路径 “心永的可穿戴设备通过采集多路脉搏波信息 , 建立模型来计算连续血压 。 多个维度并非是1+1=2的效果 , 而是基于血流量、动脉直径变化 , 建立血流动力学模型 , 这其实是一个复杂的力学分析过程 。 ”李毅彬向36氪介绍心永连续监测血压的技术原理 。
此外 , 心永还搭建了机器学习模型作为辅助算法 。 之所以引入机器学习 , 是因为在研发过程中 , 两位创始人和团队发现在血流动力学计算中 , 很难每次都定量地收集全部数据(物理环境的影响、个体差异、佩戴角度位置等) , 来完整地刻画出模型的参数、算法 。 所以 , 他们选择通过机器学习去训练模型 , 与血流动力学模型结果互相比对、印证 。
“当然 , 针对不同场景 , 机器学习模型也有多种建立方式 , 目前我们是对于这两类模型的输出进行融合 。 结果显示能够比较好地规避掉单一模型的弊端 。 ”据李毅彬介绍 , 当前基于75000组的测量数据 , 心永连续血压监测产品的误差为±8毫米泵柱 。