Financování
Knit Health startuje s 11,6 milionu dolarů v seed financování pro AI založenou na skutečných klinických rozhodnutích

Klíčové bodyKnit Health trénuje AI na chování klinických pracovníků, nikoli pouze na lékařském textu
Zobrazit více
- Knit Health trénuje AI na chování klinických pracovníků, nikoli pouze na lékařském textu
- Platforma se učí provozní rozhodnutí, jako je triáž a načasování propuštění
- Behaviorální AI by mohla standardizovat poskytování péče a snížit vyhoření klinických pracovníků
Společnosti zdravotnické AI se většinou zaměřily na školení modelů na lékařské literatuře, klinických poznámkách a textových datech. Ale Knit Health se vydává jinou cestou: učení AI systémů, jak zdravotnictví skutečně funguje uvnitř nemocnic a klinik.
Spin-out University of California, Berkeley vyšel ze stealthu s 11,6 miliony dolarů na seed financování ve společně vedeném kole od Uncork Capital a Frist Cressey Ventures, s před-seedovým financováním od Moxxie Ventures a účastí od Coalition Operators. Společnost říká, že kapitál bude podporovat vývoj a nasazení jejího Large Clinical Behavior Model (LCBM), systému navrženého pro učení se z toho, jak klinici dělají rozhodnutí v reálných zdravotnických prostředích.
Místo toho, aby fungoval jako tradiční lékařský chatbot nebo asistent dokumentace, Knit Health buduje to, co popisuje jako „kolektivní klinickou inteligenci“ — AI trénovanou na vzorcích vložených do směrování pacientů, doporučení k další péči, rozhodování o plánování, době propuštění a koordinaci péče v nemocnicích.
Přesunutí se za textově založenou zdravotnickou AI
Většina dnešních systémů generativní AI ve zdravotnictví jsou v jádru jazykové modely. Excelují v souhrnech záznamů, generování poznámek nebo odpovědí na otázky založené na zveřejněné lékařské znalosti.
Knit argumentuje, že mnoho z nejvýznamnějších provozních rozhodnutí ve zdravotnictví není explicitně zapsáno. Místo toho vznikají z let klinické zkušenosti při navigaci reálných omezení, jako je dostupnost specialistů, úzká místa při doporučování k další péči, kapacita nemocnice a složitost pacienta.
Model LCBM společnosti se trénuje na datech z elektronických zdravotních záznamů Truveta pokrývajících více než 130 milionů pacientů napříč 30 americkými zdravotnickými systémy. Knit říká, že aplikuje techniky, včetně hlubokého posilovaného učení, kauzální inference a behaviorálního klonování, pro modelování, jak se v praxi vyvíjejí rozhodnutí o péči.
To se podstatně liší od konvenčních zdravotnických AI systémů, které se spoléhají primárně na statické datové sady nebo zveřejněné výzkumy. Místo předpovědi dalšího slova ve větě se Knit snaží předpovědět provozní rozhodnutí o péči uvnitř zdravotnických systémů.
Podle společnosti se systém může přizpůsobit specifické provozní dynamice jednotlivých nemocnic, včetně vzorců doporučení k další péči, omezení personálu a struktur pracovního postupu.
Stavba infrastrukturní vrstvy pro nemocnice
Knit Health profiluje svou platformu jako základovou inteligentní vrstvu pro zdravotnický provoz, spíše než jako samostatnou aplikaci.
Společnost říká, že její modely jsou zpočátku nasazovány pro triáž, optimalizaci toku pacientů, předpověď propuštění, řízení doporučení k další péči a iniciativy pro zlepšení kvality. V průběhu času se zdá, že cílem je vložení AI do provozní infrastruktury pod téměř každý klinický pracovní postup.
To odpovídá širšímu trendu, který se vyskytuje v zdravotnické AI, kde společnosti cílí na provozní neefektivnosti, spíše než se soustředí pouze na diagnostiku nebo konverzační asistenty.
Zdravotnické systémy pokračují v boji s problémy, jako jsou opožděná doporučení k další péči, přetížené cesty ke specializované péči, neefektivní plánování a fragmentovaná koordinace mezi odděleními. Tyto provozní problémy často přímo ovlivňují výsledky pacientů, navzdory pokrokům v klinických znalostech a dostupnosti léčby.
Strategie Knit naznačuje, že budoucí zdravotnické systémy AI by se mohly méně zaměřovat na nahrazování lékařů a více na koordinaci složitých systémů obklopujících péči o pacienty.
Rostoucí role společnosti Truveta ve zdravotnické AI
Partnerství Knit Health s Truveta také odráží rostoucí důležitost velkých reálných klinických datových souborů ve vývoji zdravotnické AI.
Truveta vybudovala jednu z největších sbírek deidentifikovaných klinických dat ve Spojených státech, reprezentujících více než 130 milionů pacientů napříč sítí hlavních zdravotnických systémů. Společnost se postupně profiluje jako klíčový poskytovatel infrastruktury pro AI-poháněný zdravotnický výzkum a provozní inteligenci.
S tím, jak stále více zdravotnických AI společností usiluje o přístup k longitudinálním klinickým datům namísto izolovaných datových sad, mohou podobná partnerství nabývat na významu pro vývoj a nasazování modelů.
Budoucnost behaviorální AI v medicíně
Spuštění Knit Health zdůrazňuje širší evoluci ve zdravotnické AI: přechod od systémů školených primárně na lékařské znalosti k systémům školeným na institucionálním chování.
Pokud uspěje, tato kategorie behaviorální AI by mohla nakonec pomoci nemocnicím standardizovat poskytování kvalitní péče napříč velkými organizacemi, a současně omezovat provozní tření, které přispívá k vyhoření klinických pracovníků a zpožděné léčbě.
Tento přístup by mohl ovlivnit také vývoj budoucích systémů AI v dalších odvětvích, kde jsou institucionální pracovní postupy a koordinace lidí stejně důležité jako formální dokumentace.
Ve zdravotnictví přesahují dlouhodobé důsledky pouhou automatizaci. Systémy schopné učit se z milionů skutečných pacientských cest mohou časem pomoci identifikovat provozní vzorce spojené s lepšími výsledky. To by zdravotnickým systémům umožnilo průběžně zlepšovat poskytování péče na základě pozorovaného chování, nejen statických doporučení.












