8月22日 ，AI醫(yī)療領(lǐng)域龍頭Tempus AI宣布收購AI病理學(xué)企業(yè)Paige。

Paige擁有世界上最全面的數(shù)字病理學(xué)數(shù)據(jù)集之一，此次收購旨在擴大Tempus的數(shù)據(jù)集并在數(shù)字病理學(xué)領(lǐng)域建立強大的足跡。

最終，Tempus以8125萬美元（約合人民幣5.8億元）收購Paige，交易主要以 Tempus普通股支付，并由Tempus承擔(dān)Paige現(xiàn)有Microsoft Azure云服務(wù)協(xié)議的剩余承諾。

市值超百億 手握百萬患者數(shù)據(jù)

本次收購的雙方都是AI醫(yī)療領(lǐng)域的明星企業(yè)。

Tempus AI成立于2015年，核心使命是利用人工智能（AI）和全球最大的臨床與分子數(shù)據(jù) 庫之一，加速精準(zhǔn)醫(yī)療的發(fā)展。

創(chuàng)始人Eric Lefkofsky是一名連續(xù)創(chuàng)業(yè)者，至少創(chuàng)辦過7家公司，包括曾經(jīng)的團購網(wǎng)站鼻祖Groupon，美團最初也是效仿該網(wǎng)站成立的。

該公司是今年AI醫(yī)療領(lǐng)域炙手可熱的紅股，在2024年全年營收達到了6.93億美元，同比增長30.4%；今年更是交出了一季度增長75%、二季度飆升近90%的驚人答卷。

基于優(yōu)秀的商業(yè)模式，多位投資界大佬都非?？春肨empus的發(fā)展。

例如“國會山股神”的佩洛西，就在今年1月大筆 買入 50萬股上漲期權(quán)，直接引來公司股價暴漲。

科技投資界大牛“木頭姐”Cathie Wood更是瘋狂看好Tempus，從去年開始旗 下方舟投資一直增持Tempus。

被收購方 Paige則是微軟、強生大力支持的AI病理學(xué)明星。

Paige成立于2017年，聯(lián)合創(chuàng)始人兼首席科學(xué)家Thomas Fuchs是計算病理學(xué)和醫(yī)療人工智能領(lǐng)域具有全球影響力的專家。

另一位聯(lián)合創(chuàng)始人David Klimstra博士則是癌癥病理學(xué)領(lǐng)域的知名學(xué)者，二人創(chuàng)辦公司的目標(biāo)，是希望利用深度學(xué)習(xí)和龐大數(shù)據(jù)集的力量來徹底改變癌癥診斷。

圖：Thomas Fuchs（左）與David Klimstra（右）

該公司開發(fā)了全球首個獲得FDA批準(zhǔn)的病理學(xué)AI應(yīng)用程序，該數(shù)據(jù)集包括近 700萬張數(shù)字化病理幻燈片圖像以及相關(guān)的臨床和分子數(shù)據(jù)；Paige還開發(fā)了第一個百萬載玻片的癌癥基礎(chǔ)模型。

目前，Paige已官宣多項外部合作，包括與微軟攜手開發(fā)基礎(chǔ)模型、為Lumea、Aiforia等數(shù)字病理學(xué)企業(yè)提供AI解決方案、與Breast International Group加速乳腺癌研究以及與強生推動新型生物標(biāo)志物檢測。

迄今為止，Paige總?cè)谫Y額超過2.41億美元，投資者包括微軟、強生創(chuàng)新-JJDC、KKR、Casdin Capital等知名機構(gòu)。

目標(biāo)：構(gòu)建腫瘤學(xué)史上最大基礎(chǔ)模型

數(shù)據(jù)的價值，正是促成本次收購的關(guān)鍵原因之一。

Tempus創(chuàng)始人Eric Lefkofsky直言道：“我們正著手構(gòu)建腫瘤學(xué)有史以來最大的基礎(chǔ)模型，收購Paige大大加快了我們的進度?！?/p>

通過多年的努力，Tempus已經(jīng)建立了世界上最大、最全面的癌癥患者分子數(shù)據(jù)庫，已被輝瑞、阿斯利康、GSK在內(nèi)的95%上市制藥公司采用，這些長期的合作協(xié)議是其營收的重要部分。

就在上個月，Paige已聯(lián)合微軟推出病理學(xué)多模態(tài)基礎(chǔ)模型PRISM2，通過結(jié)合病理圖像與臨床語料，為癌癥診斷、生物標(biāo)志物預(yù)測等多個領(lǐng)域帶來深刻變革。

PRISM2基于超過230萬張全切片圖像進行訓(xùn)練，涵蓋數(shù)十萬例患者病例，且每張圖像都配有對應(yīng)的臨床報告。

在高效地從全切片圖像中提取關(guān)鍵病理特征的同時，PRISM2還能根據(jù)需要結(jié)合患者背景信息，形成更加個性化的臨床報告，大大減少了醫(yī)生工作量。