北京博遠精準醫療科技有限公司（北京博遠）于2016年10月在北京成立，致力于腫瘤診斷標志物及高端醫療健康產品的開發與應用。經過多年研究探索發展，目前在人工智能代謝組學方法進行腫瘤早期診斷這一方向取得了突破性進展，目前已經廣泛應用于大眾健康和臨床診斷服務。公司的遠期目標為通過研究及整合多種常見腫瘤的中國人群大隊列數據，構建起腫瘤代謝數據庫并逐步實現臨床轉化，開展個體化精準醫療和大健康產業相關產品服務，并推動代謝組學結合人工智能策略在醫療健康領域的應用。
行業背景
2019年7月，國務院印發《國務院關于實施健康中國行動的意見》，國家出臺《健康中國行動（2019-2030）年》，圍繞疾病預防和健康促進兩大核心，提出將開展15個重大專項行動，促進以治病為中心向以人民健康保障為中心的轉變，努力使群眾不生病、少生病。為積極有效應對當前突出健康問題和疾病威脅，必須關口前移。權威人士指出，此次健康中國行動堅持預防為主，是對《“健康中國2030”規劃綱要》任務目標的細化和落實，體現了兩個“突出”——把預防擺在更加突出的位置，突出健康促進和動員倡導，將統籌推進重大專項行動，實施疾病預防和健康促進的中長期行動，為全方位全周期保障人民健康、建設健康中國奠定堅實基礎。
在“健康中國行動”提出的到2022年和2030年要實現的總體目標中，癌癥、心腦血管疾病、慢性呼吸系統疾病、糖尿病等重大慢性病的防治成為重要環節，而對全面健康素養水平和健康生活方式的考量則貫穿了整個中長期目標。在癌癥防治行動的行動目標中指出，高發地區重點癌種早診率應達到55%及以上并持續提高，基本實現癌癥高危人群定期參加防癌體檢。倡導個人盡早關注癌癥預防、踐行健康生活方式、定期進行防癌體檢并密切關注癌癥危險信號。要求社會和政府創造條件普遍開展癌癥機會性篩查，加強農村貧困人口癌癥篩查，促進各類保險與醫療救助等制度間的互補聯動和有效銜接，并強化癌癥防治的基礎前沿研究、診治技術和應用示范的全鏈條部署，持續提升我國癌癥防治的整體科技水平。
因此，隨著健康消費升級，大眾對“早發現、早治療、早預防、早健康”的健康觀念大幅提升，健康體檢、腫瘤防治的市場需求旺盛，呈現井噴發展的趨勢。
技術簡介
代謝組學是繼基因組學與蛋白組學后另一個被寄予厚望，廣泛應用于精準醫療中的組學方法。相較于基因組與蛋白組，代謝組學可以直觀實時地測定出個體體液中小分子的性質與含量，因此可以監測腫瘤即將發生和已經發生的實際代謝狀態。在科研方面，它具有跨物種的同質性，有利于表征或診斷疾病的動物模型；在臨床診斷方面，它可以對多種體液的不同成分進行檢測，多維度的展現個體的代謝組特征。
人工智能被大眾關注是在Google公司開發的基于神經網絡的人工智能學習系統Alphago自學圍棋并戰勝人類。而自從人工智能（神經網絡）在黑色素瘤診斷上的成功開發后，越來越多基于機器學習、神經網絡等方法對生物醫學成像判讀及對疾病的診斷便成為該領域的熱門研究及應用方向，也被當作未來醫學發展的重要輔助手段。
北京博遠首次成功建立了一系列利用DDA/MRM技術的代謝組檢測方法，該方法可以在較短時間對微量血樣本（血清/血漿）進行靶向與非靶向脂質與親水代謝組的相對定量檢測。同時構建了一種基于機器學習的數據分析算法，該算法可以對兩種或多種樣本數據進行精確分析及分類，并形成有效分類模型。通過基于機器學習的特征篩選，我們從數千個代謝物中找出對疾病檢測重要的5–20個特征分子，并以此建立了針對特定疾病的靶向定量方法，同時構建相應的人工智能數據分類模型以輔助疾病的早期發現與診斷。
該方法結合了代謝組數據與機器學習分類與特征篩選策略，可以對高維度的大量樣本進行全面分析，較于傳統方法有效提高了分類的準確性、精確性和速度。借助于上述方法，北京博遠已經成功在肺癌、胰腺癌等腫瘤的早期診斷中開發了具有高準確性、快速、無創的檢測方法及模型，未來將會推廣覆蓋所有大類腫瘤。這種全新檢測策略的建立有助于多項腫瘤疾病的早期診斷、輔助診斷或人群篩查，具有廣泛、多樣的使用范圍和很高的臨床應用價值。
管理團隊
管理團隊
