一场始于2016年的研究，为何到2026年才成立公司
眼科AI领域存在一个长期错位：最被寄予厚望的技术突破，往往最晚进入临床。2018年，一项发表在《Nature Medicine》上的研究证明，深度学习算法在光学相干断层扫描（OCT）影像上，能够对50多种威胁视力的疾病给出与全球顶尖专家同等准确的转诊建议，并且可以向临床医生展示决策依据。这项研究的合作方包括Moorfields眼科医院与Google DeepMind，起始时间是2016年。彼时，医疗AI正处在资本涌入的高峰，一批眼科影像AI公司迅速拿到融资、启动产品注册。但这项被广泛引用的研究本身，并没有直接催生出一家独立公司，而是继续停留在学术与机构合作的框架内。
直到2026年9月22日，一家名为Cascader的英国医疗科技公司才宣布完成种子轮融资，由Topcon Healthcare领投。Cascader的官方定位，正是把上述研究脉络转化为临床产品。公司称，其技术基础包括UCL眼科研究所与Moorfields眼科医院十余年的AI研究，以及2016年启动的与Google DeepMind的合作。从研究发表到公司化运作，中间隔了八年。这个时间差本身，构成了理解这笔融资的第一个关键背景：在眼科AI的监管路径、支付逻辑和临床工作流尚未完全跑通之前，把一项已被验证的研究能力转化为可销售产品，并不是一个单纯的工程问题。
本轮融资金额未披露。Cascader在新闻稿中仅确认，种子资金将用于推进首批产品走向市场发布、扩充团队，并加速医疗AI的开发与交付。公司同时披露，其初期产品聚焦黄斑疾病，包括年龄相关性黄斑变性（AMD），后者被公司称为全球不可逆视力丧失的主要原因之一。从已披露信息看，Cascader的起点并非一个泛化的“眼科AI平台”，而是一个以特定疾病场景为切入、同时保留眼组学长期叙事的spinout。
| 字段 | 内容 |
|---|---|
| 公司 | Cascader Ltd（Cascader AI） |
| 轮次 | 种子轮 |
| 金额 | 未披露 |
| 投资方 | Topcon Healthcare领投 |
| 总部 | 英国伦敦 |
| 创始人 | Professor Pearse Keane（联合创始人、首席科学顾问）；Pete Thomas（CEO，据HTN报道） |
| 官网 | https://cascader.ai |
从Moorfields的学术遗产到一家公司的产品边界
Cascader的公司结构在同类spinout中并不常见。它不是单纯的大学技术转让产物，而是由Moorfields眼科医院NHS信托、Topcon Healthcare与UCL Ventures三方合作成立。UCL Ventures的前身是UCL Business，即伦敦大学学院的商业化机构。这种结构意味着，Cascader从诞生起就同时嵌入了临床机构、产业资本和大学技术转化三条逻辑。Moorfields提供临床场景与数据入口，UCL Ventures提供知识产权与公司化路径，Topcon Healthcare则既是产业投资方，也是潜在的渠道与设备生态伙伴。
公司称，其研究基础包括2016年开始与Google DeepMind的合作，将深度学习应用于OCT扫描。2018年发表于《Nature Medicine》的研究成果显示，AI可以对50多种威胁视力的疾病给出与全球顶尖专家同等准确的转诊建议，并可向临床医生展示决策依据。需要明确的是，这一表述来自公司新闻稿，属于公司口径。该研究本身经过同行评审，但其结论对应的是特定数据集与特定临床任务上的表现，不能直接等同于产品在真实诊疗环境中的性能。Cascader尚未披露其产品是否已获得CE标志或FDA批准，也未披露任何前瞻性临床试验数据。从已披露信息看，公司目前仍处在从研究验证向产品验证过渡的阶段。
一个值得注意的信息增量来自HTN的报道。据HTN报道，Cascader与Google DeepMind的合作促成了数据研究平台INSIGHT，该平台包含3500万张眼科影像及相关诊断与元数据，为全球最大的眼科学生物资源。INSIGHT Eye and Oculomics Health Data Research Hub将支持Cascader的AI开发，提供安全访问精选数据集与计算基础设施。3500万张影像这一数字来自HTN报道，而非公司新闻稿原文。如果这一规模属实，它意味着Cascader在训练数据层面拥有一个大多数眼科AI创业公司不具备的起点。但数据规模本身并不自动转化为产品性能，尤其是当产品需要从回顾性研究数据迁移到前瞻性、多中心、多设备厂商的真实世界场景时。
眼组学叙事与AMD现实之间的张力
Cascader的官方叙事同时包含两条线。第一条线是具体的眼科疾病检测与管理，初期聚焦黄斑疾病，包括AMD。第二条线是眼组学，即利用眼部影像与数据推断心血管、神经退行性疾病等全身性疾病。公司称，其长期目标是开发覆盖眼科诊疗路径的更广泛AI工具组合，从社区验光与商业街场景到医院专科门诊。两条线在技术逻辑上共享同一基础——OCT影像与深度学习——但在商业化逻辑上完全不同。
AMD检测是一个相对明确的临床任务。OCT已成为AMD诊断与随访的标准影像工具，临床路径清晰，阅片需求量大，尤其在社区验光场景中，早期转诊决策直接关系到患者能否在可治疗窗口内获得干预。Cascader将社区验光与商业街场景写入产品路线图，说明其商业化起点可能不是三甲医院专科，而是更分散、更依赖标准化筛查工具的初级眼保健场景。这一选择有其合理性：英国NHS体系下，社区验光师是AMD早期发现的第一道关口，但OCT设备在社区场景的普及率与阅片能力并不均衡。如果Cascader的产品能够嵌入这一环节，理论上可以缩短转诊时间。但公司尚未披露其产品与现有OCT设备厂商的兼容方式、部署形态是云端还是本地、以及是否需要在特定硬件生态内运行。
眼组学则是另一回事。将视网膜影像用于心血管或神经退行性疾病风险推断，在学术上已有大量探索性研究，但距离临床常规应用仍有相当距离。核心问题不在于算法能否从影像中提取信号，而在于这些信号是否具有独立于现有风险因素的增量预测价值，以及临床医生是否知道如何根据眼组学输出改变管理决策。Cascader在新闻稿中将眼组学描述为“新兴领域”，这一措辞相对克制。但公司同时表示，将利用新资金与全球眼组学项目对接，包括Topcon Healthcare的Healthcare from the Eye™计划。这意味着眼组学在本轮融资中更多扮演战略叙事角色，而非近期收入来源。从已披露信息看，Cascader并未给出眼组学产品的时间表或监管路径。
Topcon领投的产业含义：渠道、设备与数据闭环
Topcon Healthcare在本轮中的角色值得拆解。Topcon Healthcare是Topcon Corporation旗下数字医疗解决方案提供商，其核心业务包括眼科诊断设备与相关软件。Topcon Healthcare CEO Ali Tafreshi在新闻稿中表示，Topcon从Cascader创立之初就提供支持，并认为Cascader与其Healthcare from the Eye战略高度一致。据投资方声明，Topcon相信眼部数据、AI与互联护理能够改变疾病的检测与管理方式。
从资本结构看，Topcon既是Cascader的产业投资方，也是其spinout合作方之一。这种双重身份在医疗设备厂商投资AI软件公司时并不罕见，但其战略含义需要被明确：Topcon的投资逻辑很可能不只是一笔财务回报，而是将Cascader的算法能力纳入其设备生态与数据战略。Healthcare from the Eye™计划的目标是利用眼部数据作为更主动、互联和公平医疗的入口。如果Cascader的产品未来优先适配Topcon设备，或者通过Topcon的渠道进入市场，那么Cascader在获得产业资源的同时，也可能面临生态绑定的约束。公司新闻稿未披露本轮融资是否包含排他性条款、数据使用权安排或产品分发协议。这些未披露项，比融资金额本身更值得关注。
另一个信息增量在于，Topcon作为设备厂商，其OCT设备在全球市场的装机量与Cascader的产品部署之间存在潜在协同。但这一协同的前提是，Cascader的算法能够在不同厂商、不同型号的OCT设备上保持稳定性能。跨设备泛化是眼科AI领域公认的技术难点之一。同一算法在A厂商设备上训练，迁移到B厂商设备上可能出现性能下降。Cascader与Topcon的紧密关系，可能有助于在Topcon设备上优化性能，但同时也需要回答：当产品进入非Topcon设备占主导的临床场景时，其表现是否仍能保持。公司未披露相关验证数据。
3500万张影像的起点与产品化的真实约束
INSIGHT数据平台是Cascader叙事中最具分量的资产之一。据HTN报道，该平台包含3500万张眼科影像及相关诊断与元数据，为全球最大的眼科学生物资源。这一规模在眼科AI领域确实罕见。大多数创业公司能够获得的训练数据量级远低于此，且往往来自单一机构或单一设备厂商。Cascader通过Moorfields与INSIGHT获得的数据入口，理论上为其算法训练与验证提供了显著优势。
但数据优势转化为产品优势，需要跨过几个具体门槛。第一，回顾性数据中的标签质量与临床终点的定义，直接决定模型学到的是什么。如果标签来自转诊决策而非最终诊断，模型学到的是“谁应该被转诊”，而不是“谁确实患病”。第二，3500万张影像的分布结构未披露。如果其中大部分来自特定人群、特定设备或特定采集协议，模型在目标部署场景中的表现仍需独立验证。第三，NHS数据治理框架对患者数据的二次使用有严格要求。Cascader通过INSIGHT获得的是“安全访问精选数据集”，这意味着数据并非直接归属公司，而是在特定治理框架下使用。这种安排保护了患者隐私，但也意味着Cascader在产品迭代中可能面临数据访问的流程成本与合规约束。
从已披露信息看，Cascader尚未公布其产品的敏感性、特异性、曲线下面积等关键性能指标，也未披露是否进行了外部验证或多中心前瞻性研究。公司新闻稿中关于AI性能的表述，主要引用的是2018年《Nature Medicine》论文的结论。该论文证明的是研究级系统的能力，而非Cascader当前产品的性能。两者之间的差距，是Cascader在接下来融资或产品发布中必须回答的核心问题。
竞争格局中的定位：Cascader没有说出口的对手
Cascader在新闻稿中未披露竞争对手。这在早期融资公告中并不罕见，但并不意味着竞争不存在。眼科AI领域在过去十年已经历了一轮完整的资本周期。以OCT影像分析为核心能力的公司中，部分已经获得监管批准并进入商业化阶段，部分则在临床验证或支付环节遇到瓶颈。Cascader的差异化叙事在于其学术血统与数据规模，但这两项优势在商业化竞赛中并不总能直接兑现。
从产品定位看，Cascader面临几类不同的竞争压力。第一类是独立的眼科AI软件公司，它们通常以特定疾病筛查或诊断作为切入点，已经在部分市场获得监管准入。第二类是OCT设备厂商自带的AI功能。Topcon本身作为设备厂商，其设备生态中可能已经包含或正在开发影像分析能力。Cascader与Topcon的合作关系，在带来渠道优势的同时，也需要处理与投资方自身产品线之间的边界问题。第三类是通用医疗影像AI平台，它们将眼科作为多个影像科室之一，凭借更广泛的医院渠道进入市场。Cascader的社区验光与商业街场景定位，与这类平台的医院导向形成一定区隔，但社区场景的支付方与采购决策链更为分散，商业化效率未必更高。
一个值得注意的空白是，Cascader没有披露其产品在监管申报方面的进展。在英国，医疗AI软件通常需要UKCA或CE标志才能作为医疗器械销售。在美国则需要FDA批准。如果Cascader的首批产品尚未进入监管申报阶段，那么“走向市场发布”的表述意味着距离实际销售仍有相当距离。公司新闻稿中使用的措辞是“advance initial products towards market launch”，即推进产品走向市场发布，而非已经发布。这一措辞本身已经说明了当前阶段。
资金用途与未披露的关键变量
Cascader披露的资金用途包括三项：推进首批产品走向市场发布、扩充团队、加速高质量医疗AI的开发与交付。此外，公司计划与全球眼组学项目对接，包括Topcon Healthcare的Healthcare from the Eye™计划。这些用途描述相对标准，没有透露资金分配比例或优先级。
在种子轮阶段，团队扩充的具体方向是一个关键观察点。Cascader的创始团队中，Professor Pearse Keane是联合创始人兼首席科学顾问，其学术身份为UCL眼科研究所人工智能医学教授、Moorfields眼科医院顾问眼科医生。据HTN报道，Pete Thomas为Cascader的CEO。但公司新闻稿未确认Pete Thomas是否为创始人，也未披露完整创始团队名单。从学术spinout的典型路径看，公司需要补齐的核心能力通常包括产品工程、监管事务、临床运营与商业销售。Cascader在新闻稿中未披露员工人数与团队规模，也未说明本轮资金将优先投入哪些职能。
更关键的未披露变量包括：融资金额、估值与股权比例、商业模式与定价方式、具体客户或合作医疗机构名单、产品是否已获监管批准、以及总部具体地址。其中，融资金额未披露在种子轮中并不罕见，但结合Topcon作为产业投资方的身份，金额与股权结构的缺失使得外界难以判断这笔交易对Cascader独立性的影响。如果Topcon在本轮中获得了较高股权比例，Cascader未来的战略选择空间可能受到一定约束。如果金额较小，则意味着公司仍需要在短期内完成下一轮融资以支撑产品开发与监管申报。这些假设均无法从现有来源中得到验证，但它们是理解这笔融资真实含义的必要问题。
从研究到临床：Cascader必须跨越的验证鸿沟
Cascader的核心叙事建立在一条清晰的研究脉络上：UCL眼科研究所与Moorfields眼科医院十余年的AI研究，2016年与Google DeepMind的合作，2018年《Nature Medicine》论文，以及INSIGHT数据平台。这条脉络在学术层面具有真实的分量。但从研究到临床，存在一个无法绕开的验证鸿沟。
第一层鸿沟是监管。Cascader未披露其产品是否已进入UKCA、CE或FDA的申报流程。医疗AI软件的监管路径通常需要明确预期用途、提供临床性能验证数据，并接受质量管理体系审查。2018年的研究论文可以作为技术可行性证据，但不能替代产品级验证。第二层鸿沟是临床工作流。一个在研究中表现优异的算法，在真实临床环境中可能因为影像质量差异、设备型号差异、操作者差异或信息系统集成问题而表现下降。Cascader将社区验光场景纳入路线图，这一场景的影像采集条件通常比医院专科更为多变，对算法的鲁棒性要求更高。第三层鸿沟是支付。英国NHS体系下，AI辅助诊断的支付路径并不统一。如果产品面向社区验光师，支付方可能是NHS地方委托机构、商业街眼镜连锁或患者自费。Cascader未披露其商业模式，这意味着其收入来源、定价逻辑与采购决策链均不明确。
从已披露的X（研究基础与数据平台）与Y（产品路线图与资金用途）看，Cascader的起点在技术可信度上高于多数早期眼科AI公司；但Z（监管状态、商业模式、客户名单、性能指标）均未披露，因此其从研究到临床的转化能力仍是一个待验证假设。Professor Pearse Keane在新闻稿中表示，公司“完全专注于将这些技术从研究推向真实世界临床护理”，并称其AI将带来更早的诊断与治疗，在英国及全球挽救视力。这一表述来自创始人，属于公司口径，其实现前提是上述验证鸿沟能够被逐一跨越。
验证边界与可复核指标
本文涉及的“首个、唯一、最大、领先”、订单、出货、性能等表述，如无另行说明，均是公司、创始人或投资方在现有公开材料中的披露口径；RecodeX未在本次采集材料中找到独立审计或第三方测试结论，因而不将其视为已经独立确认的事实。文中的产业协同、竞争位置和商业路径属于基于已披露产品与融资用途的编辑分析，不代表相关结果已经实现。
- 技术侧应核验第三方测试条件、样本规模、良率、稳定性及与可比方案一致口径的结果；
- 商业侧应核验去重后的付费客户、可执行合同、收入确认、复购率以及订单转化；
- 资本与产业协同应以工商股权、关联交易、联合开发、采购或量产文件为准。
RecodeX 极客视：Cascader的种子轮融资，本质上是一笔用产业资本为学术遗产定价的交易。Topcon领投的意义不在于金额，而在于它把Moorfields与UCL十余年的研究积累，绑定到了一个设备厂商的生态战略中。3500万张影像的数据底座、2018年《Nature Medicine》的研究背书、以及眼组学的长期叙事，构成了一个足够有吸引力的故事。但故事与产品之间的距离，恰恰是眼科AI过去十年反复验证过的最大变量。Cascader真正的考验，不是它能否继续讲好眼组学的未来，而是它能否在AMD这一个具体适应症上，先拿出一份经得起监管与临床检验的产品级证据。
信息来源
本文在采集与核验阶段引用了以下公开来源，按站点去重列出；来源内容归原发布方所有，其口径不代表 RecodeX 的核实结论。