Finanzierung

TestDynamics sichert sich mit einer Series-A-Finanzierungsrunde 9 Millionen US-Dollar für die Bewertung von KI in der medizinischen Bildgebung

Evan Mercer
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen
Conceptual radiology monitors connected to a unified medical imaging review panel
Wichtige PunkteSatori bewertet Bildgebungsalgorithmen anhand der eigenen Studien jedes Krankenhauses…
Mehr anzeigen
  • Satori bewertet Bildgebungsalgorithmen anhand der eigenen Studien jedes Krankenhauses, bevor Kaufentscheidungen getroffen werden.
  • TestDynamics argumentiert, dass die Bewertung von außerhalb des Modells und nicht von Algorithmus-Anbietern kommen muss.
  • Satori Edge de-identifiziert Studien innerhalb des Krankenhausnetzwerks und leitet sie nur an aktivierte Anbieter weiter.

TestDynamics hat sich eine Finanzierung in Höhe von 9 Millionen US-Dollar gesichert. Die Series-A-Runde wurde von Healthier Capital angeführt; Cedars-Sinai Technology Ventures beteiligte sich strategisch. Das in Austin ansässige Unternehmen will das Kapital nutzen, um Satori auszubauen – eine herstellerneutrale Plattform, die KI-Algorithmen für die medizinische Bildgebung bewertet und ihre Ergebnisse in die bestehenden Arbeitsabläufe von Radiologinnen und Radiologen einbindet.

Die Finanzierung zielt auf ein Problem, das mit der zunehmenden Einführung von KI in Krankenhäusern wächst: Die Auswahl eines Algorithmus ist nur der Anfang. Gesundheitssysteme müssen außerdem ermitteln, wie gut er bei ihren Patientinnen und Patienten funktioniert, ihn in klinische Software integrieren und feststellen, ob er auch nach der Einführung weiterhin nützliche Ergebnisse liefert.

Laut TestDynamics wird Satori bereits klinisch in mehreren der zehn am höchsten bewerteten medizinischen Zentren der USA eingesetzt. Das Unternehmen plant, sein Team für klinische Validierung zu vergrößern, Satori in weiteren Gesundheitssystemen einzuführen und die Evaluierungs- und Orchestrierungsfunktionen auf zusätzliche bildgebende Subspezialgebiete auszuweiten. In der Mitteilung werden die betreffenden medizinischen Zentren nicht genannt und keine Unternehmensbewertung offengelegt.

Eine Evaluierungsebene über konkurrierenden Bildgebungsalgorithmen

KI für die medizinische Bildgebung ist häufig auf bestimmte Aufgaben spezialisiert. Ein Tool könnte eine vermutete Blutung auf einer Kopf-CT-Aufnahme markieren, während ein anderes Strukturen auf einer MRT-Aufnahme vermisst oder mögliche Knochenbrüche auf einer Röntgenaufnahme erkennt. Der Kauf mehrerer Tools kann dazu führen, dass Radiologinnen und Radiologen Ergebnisse aus getrennten Benutzeroberflächen, Befunde und herstellerspezifische Leistungsangaben miteinander abgleichen müssen.

Satori setzt oberhalb dieser Tools an, anstatt als weiterer eng spezialisierter Diagnosealgorithmus mit ihnen zu konkurrieren. TestDynamics bezeichnet seinen Ansatz als Amalgamated Intelligence: Die Ergebnisse mehrerer Systeme werden ausgewertet und zu einer nach Priorität geordneten klinischen Übersicht zusammengeführt. Das Unternehmen gibt an, Algorithmen sowohl mit Referenzbefunden, die häufig als Ground Truth bezeichnet werden, als auch mit Konkurrenzprodukten zu vergleichen.

„Die Evaluierung muss von außerhalb des Modells kommen“, sagte Gründer und CEO Lior Eshel in der Mitteilung. Seiner Ansicht nach brauchen Krankenhäuser eine Evaluierungsstelle, deren Aufgabe von den Unternehmen getrennt ist, die die Algorithmen verkaufen.

Die Plattformbeschreibung ergänzt diesen Ansatz um ein praktisches Detail: Kandidatentools werden anhand der eigenen de-identifizierten Bildgebungsdaten des Leistungserbringers getestet, bevor die klinischen Fachkräfte und die Leitung über ihre Auswahl entscheiden. Die Ergebnisse bilden eine lokale Ausgangsbasis für die anschließende Überwachung. Die Leistung eines Modells an anderen Orten ist ein nützlicher Anhaltspunkt; eine lokale Evaluierung prüft jedoch, ob sich diese Erkenntnisse auf das tatsächliche Bildgebungsaufkommen des Krankenhauses übertragen lassen.

Wie Satori an die Bildgebungssysteme eines Krankenhauses angebunden wird

Die Integrationskomponente heißt Satori Edge und ist ein Dienst, der im Krankenhausnetzwerk installiert wird. Laut dem technischen Überblick für IT-Teams von TestDynamics empfängt der Dienst Untersuchungen aus einem Bildarchivierungs- und Kommunikationssystem (PACS) sowie von DICOM-Routern. PACS speichert medizinische Bilder und ruft sie ab; DICOM ist der Standard für den Austausch dieser Bilder und der dazugehörigen Informationen.

Edge entfernt personenbezogene Merkmale aus den Untersuchungen und verschlüsselt sie, bevor sie das Netzwerk verlassen. Der Dienst leitet sie ausschließlich an freigeschaltete KI-Anbieter weiter und ordnet die zurückgesendeten Ergebnisse vor Ort wieder der richtigen Patientin oder dem richtigen Patienten zu. TestDynamics zufolge nutzt der Dienst ausgehende Verbindungen; außerdem untersagen die Verträge mit den Anbietern, Patientendaten aufzubewahren oder für das Training zu verwenden.

Diese Architektur ermöglicht es dem Krankenhaus, Tools über eine einzige Verbindung einzuführen oder auszutauschen. Sie bündelt auch den Vertragsabschluss: TestDynamics schließt Verträge und Geschäftspartnervereinbarungen mit den zugrunde liegenden KI-Anbietern ab. Diese Vereinbarungen regeln die Zuständigkeiten beim Umgang mit geschützten Gesundheitsdaten, während die technische Verbindung die Übermittlung der Untersuchungen und Ergebnisse übernimmt.

Eine einheitliche Übersicht, in der Radiologinnen und Radiologen die Befunde freigeben

Der Ausdruck „ein Ergebnis“ könnte den Eindruck erwecken, dass mehrere KI-Antworten zu einer neuen Diagnose zusammengeführt werden. Die Dokumentation zu Satori View beschreibt einen konkreteren Arbeitsablauf: Die einzelnen Ergebnisse werden so angezeigt, wie der jeweilige Algorithmus sie erstellt hat, und zum Zeitpunkt der Befundung in einer einheitlichen Übersicht angeordnet.

Klinische Fachbereiche können festlegen, welche Befunde angezeigt werden und in welcher Reihenfolge. Radiologinnen und Radiologen geben frei, was in den Bildbetrachter oder den Befundentwurf übernommen wird. Prioritätshinweise freigegebener Triage-Tools können zudem in Arbeitslisten übernommen werden. Die Nachverfolgung von Befunden trägt dazu bei, dass Zufallsbefunde sichtbar bleiben, bis sie bearbeitet wurden.

Diese Unterscheidung ist für die Verantwortlichkeit wichtig. Radiologinnen und Radiologen müssen nachvollziehen können, welches Tool einen Befund erstellt hat und ob sie ihn übernehmen sollen. Weniger überladene Benutzeroberflächen sind hilfreich; ebenso wichtig ist es, eine Ausgabe prüfen und verwerfen zu können.

Überwachung der Leistung nach der Inbetriebnahme

Satori Governance erweitert die Evaluierung auf den laufenden Betrieb. TestDynamics zufolge erfasst das System die Leistung im Vergleich zur jeweiligen Ausgangsbasis des Krankenhauses, überwacht die Nutzung, vergleicht KI-Befunde mit den endgültigen Befunden und dokumentiert, ob Radiologinnen und Radiologen zustimmen, Ergebnisse übersteuern oder ihnen widersprechen. Die Krankenhausleitung kann anhand dieser Dokumentation entscheiden, ob ein Tool beibehalten, ersetzt oder umfassender eingesetzt werden soll.

Das Monitoring soll Leistungsverschiebungen sichtbar machen: Veränderungen der Leistung, die eintreten, wenn sich die Bedingungen rund um ein Modell ändern. Scanner-Upgrades, andere Bildgebungsprotokolle, neue Patientengruppen oder aktualisierte Modellversionen können Anlass geben, zu prüfen, ob eine frühere Bewertung weiterhin gilt.

Die Übereinstimmung mit einem Abschlussbericht ist ein nützlicher Anhaltspunkt, aber nicht automatisch mit einem unabhängig adjudizierten Referenzstandard gleichzusetzen. Die Überprüfung von Abweichungen und die Festlegung verlässlicher Referenzfälle bleiben wichtige Bestandteile der klinischen Validierung. Dass die Finanzierung den Ausbau eines Validierungsteams in den Mittelpunkt stellt, spiegelt den menschlichen Aufwand wider, der hinter dieser Infrastruktur steckt.

Finanzierung der Infrastruktur rund um klinische KI

Der Bedarf an externer Bewertung geht über die Bildgebung hinaus. Ein Kommentar aus dem Jahr 2024 in Nature Medicine zur klinischen Validierung sprach sich für strengere Evidenzstandards für zugelassene KI-Anwendungen im Gesundheitswesen aus. Unite.ai hat sich ebenfalls mit unabhängigen Tests von KI im Gesundheitswesen befasst. Das spiegelt den breiteren Vorstoß wider, Systeme anhand von Belegen zu bewerten, die über die eigenen Behauptungen ihrer Entwickler hinausgehen.

Die Beteiligung von Healthier Capital unterstützt eine Infrastrukturthese: Krankenhäuser müssen künftig den Anbieter von KI-Lösungen wechseln können, ohne ihre klinischen Systeme für jeden Ersatz neu aufbauen zu müssen. Cedars-Sinai Technology Ventures bringt einen Investor mit Schwerpunkt auf der Kommerzialisierung im Gesundheitswesen in die Finanzierungsrunde ein; TestDynamics bezeichnet sich zudem als Teilnehmer des Programms 2023 des Cedars-Sinai Accelerator.

Für TestDynamics besteht die Chance darin, Bewertung, Integration und klinische Aufsicht als fortlaufenden Service anzubieten, statt für jeden Algorithmus separate Projekte durchzuführen. Die Finanzierung in Höhe von 9 Millionen US-Dollar soll den Ausbau dieser Infrastrukturschicht unterstützen. Ihr Wert wird letztlich davon abhängen, ob Krankenhäuser dadurch klarere Belege zu ihren Tools erhalten und Radiologinnen und Radiologen Befunde besser nutzen können.

Evan Mercer ist ein KI-generierter Rechercheagent bei Unite.AI und berichtet über KI-Startups, Risikokapital und die Finanzierungsdynamik, die die nächste Generation von Technologieunternehmen prägt. Seine Berichterstattung konzentriert sich auf Innovationen in der Frühphase, Kapitalflüsse und die strategischen Entscheidungen, die Gründer und Investoren treffen, wenn KI-Unternehmen vom Konzept zur globalen Wirkung skalieren.

Mit einem strategischen und analytischen Blick untersucht Evan Finanzierungsrunden, Marktpositionierung und aufkommende Trends im KI-Startup-Ökosystem. Er verfolgt, wie Risikokapital, Unternehmensinvestitionen und öffentliche Märkte mit Durchbrüchen in der künstlichen Intelligenz zusammenwirken und trennt dauerhafte Signale von kurzfristigem Hype.

Von Evan Mercer verfasste Artikel sind KI-generiert und werden vom Redaktionsteam von Unite.AI geprüft, um Genauigkeit, Kontext und eine verantwortungsvolle Berichterstattung über das globale KI-Investitionsumfeld zu gewährleisten