Knit Health Εκκινεί με $11,6 Εκατ. για την Ανάπτυξη Νοσοκομειακής Λογικής με βάση την Κλινική Λήψη Αποφάσεων

Οι εταιρείες Υγείας AI έχουν επικεντρωθεί σε μεγάλο βαθμό στην εκπαίδευση μοντέλων σε ιατρική βιβλιογραφία, κλινικές σημειώσεις και κειμενοBASED δεδομένα. Nhưng η Knit Health ακολουθεί μια διαφορετική προσέγγιση: διδάσκει τα συστήματα AI πώς λειτουργεί η υγεία μέσα στα νοσοκομεία και τις κλινικές.

Η spinout του Πανεπιστημίου της Καλιφόρνιας, Μπέρκλεϋ, έχει βγει από την μυστικότητα με $11,6 εκατομμύρια σε χρηματοδότηση σπόρων που συνδιηγήθηκαν από Uncork Capital και Frist Cressey Ventures, με προ-χρηματοδότηση από Moxxie Ventures και συμμετοχή από Coalition Operators. Η εταιρεία λέει ότι ο κεφαλαιουχικός πόρος θα υποστηρίξει την ανάπτυξη και την ανάπτυξη του Large Clinical Behavior Model (LCBM), ενός συστήματος που σχεδιάζεται για να μάθει από το πώς οι κλινικοί ιατροί λαμβάνουν αποφάσεις σε πραγματικά περιβάλλοντα υγείας.

Αντί να λειτουργεί σαν ένα παραδοσιακό ιατρικό chatbot ή βοηθός τεκμηρίωσης, η Knit Health κατασκευάζει αυτό που περιγράφει ως «συλλογική κλινική νοημοσύνη» — AI εκπαιδευμένο σε μοτίβα που ενσωματώνονται στην διαδρομή των ασθενών, τις αναφορές, τις αποφάσεις προγραμματισμού, τον χρόνο απολυσίας και τις διαδικασίες συντονισμού φροντίδας σε νοσοκομεία.

Πέρα από την ΚειμενοBASED Υγείας AI

Τα περισσότερα γεννητικά συστήματα AI στην υγεία σήμερα είναι ουσιαστικά γλωσσικά μοντέλα. Εξέχουν στο να συνοψίζουν αρχεία, να γεννούν σημειώσεις ή να απαντούν σε ερωτήσεις με βάση την δημοσιευμένη ιατρική γνώση.

Η Knit υποστηρίζει ότι πολλές από τις πιο σημαντικές λειτουργικές αποφάσεις στην υγεία δεν είναι ρητά γραμμένες. Αντίθετα, προκύπτουν από χρόνια κλινικής εμπειρίας που διαπερνά πραγματικές προκλήσεις όπως η διαθεσιμότητα ειδικών, οι συμφωνίες αναφοράς, η ικανότητα των νοσοκομείων και η πολυπλοκότητα των ασθενών.

Το LCBM της εταιρείας εκπαιδεύεται χρησιμοποιώντας ηλεκτρονικά ιατρικά αρχεία Truveta που καλύπτουν περισσότερους από 130 εκατομμύρια ασθενείς σε 30 αμερικανικά συστήματα υγείας. Η Knit λέει ότι εφαρμόζει τεχνικές όπως το βαθύ ενισχυμένο μάθημα, η αιτιολογική ερμηνεία και η συμπεριφορική κλωνοποίηση για να μοντελοποιήσει το πώς οι αποφάσεις φροντίδας αναπτύσσονται στην πρακτική.

Αυτό διαφέρει σημαντικά από τα συμβατικά συστήματα AI υγείας που βασίζονται κυρίως σε στατικά σύνολα δεδομένων ή δημοσιευμένη έρευνα. Αντί να προβλέπουν την επόμενη λέξη σε μια πρόταση, η Knit προσπαθεί να προβλέψει λειτουργικές αποφάσεις φροντίδας μέσα στα συστήματα υγείας.

Σύμφωνα με την εταιρεία, το σύστημα μπορεί να προσαρμοστεί στις συγκεκριμένες λειτουργικές δυναμικές των μεμονωμένων νοσοκομείων, συμπεριλαμβανομένων των μοτίβων αναφοράς, των περιορισμών προσωπικού και των δομών εργασιών.

Κατασκευή ενός Υποδομικού Στρώματος για Νοσοκομεία

Η Knit Health θέτει την πλατφόρμα της ως ένα θεμελιώδες στρώμα νοημοσύνης για τις λειτουργίες υγείας και όχι ως một αυτόνομο εφαρμογές.

Η εταιρεία λέει ότι τα μοντέλα της αρχικά αναπτύσσονται για την τριχοτόμηση, την βελτίωση του ροής των ασθενών, την πρόβλεψη απολυσίας, τη διαχείριση αναφορών και τις πρωτοβουλίες βελτίωσης ποιότητας. Με τον καιρό, ο ευρύτερος στόχος φαίνεται να είναι η ενσωμάτωση της AI στις λειτουργικές υποδομές κάτω από σχεδόν κάθε κλινική διαδικασία.

Αυτό ευθυγραμμίζεται με μια ευρύτερη μετατόπιση που συμβαίνει σε όλη την υγεία AI, όπου οι εταιρείες στρέφονται όλο και περισσότερο τους στόχους τους στις λειτουργικές ανεπάρκειες και όχι μόνο στις διαγνωστικές ή τις συνομιλίες βοηθών.

Τα συστήματα υγείας συνεχίζουν να παλεύουν με ζητήματα όπως οι καθυστερημένες αναφορές, οι υπερπλήρεις πipelines ειδικής φροντίδας, η ανεφάρμοστη προγραμματισμός και η αποσυνδεδεμένη συντονισμός μεταξύ τμημάτων. Αυτά τα λειτουργικά προβλήματα συχνά επηρεάζουν trực tiếp τα αποτελέσματα των ασθενών παρά τις προόδους στην κλινική γνώση και τη διαθεσιμότητα θεραπευτικών.

Η στρατηγική της Knit υποδηλώνει ότι τα μελλοντικά συστήματα AI υγείας μπορεί να γίνουν λιγότερο επικεντρωμένα στην αντικατάσταση των ιατρών και περισσότερο επικεντρωμένα στην ορχήστρα των σύνθετων συστημάτων που περιβάλλουν την φροντίδα των ασθενών.

Η Εκτεταμένη Ρόλος της Truveta στην Υγεία AI

Η συνεργασία της Knit με την Truveta αντανακλά επίσης τη μεγαλύτερη σημασία των μεγάλης κλίμακας πραγματικών κλινικών συνόλων δεδομένων στην ανάπτυξη AI υγείας.

Η Truveta έχει κατασκευάσει ένα από τα μεγαλύτερα σύνολα κλινικών δεδομένων στις Ηνωμένες Πολιτείες, που αντιπροσωπεύουν περισσότερους από 130 εκατομμύρια ασθενείς σε ένα δίκτυο μεγάλων συστημάτων υγείας. Η εταιρεία έχει θέσει τον εαυτό της ως einen κρίσιμο παρόχο υποδομής για την έρευνα AI και την επιχειρησιακή νοημοσύνη.

Όσο περισσότερες εταιρείες AI υγείας ζητούν πρόσβαση σε διαχρονικά κλινικά δεδομένα αντί για απομονωμένα σύνολα δεδομένων, οι συνεργασίες όπως αυτή μπορεί να γίνουν όλο και περισσότερο σημαντικές για την ανάπτυξη και την ανάπτυξη μοντέλων.

Το Μέλλον της Συμπεριφορικής AI στην Ιατρική

Η Knit Health υπογραμμίζει μια ευρύτερη εξέλιξη στην υγεία AI: μια μετάβαση από συστήματα που εκπαιδεύονται κυρίως σε ιατρική γνώση προς συστήματα που εκπαιδεύονται σε θεσμικές συμπεριφορές.

Εάν είναι επιτυχημένο, αυτή η κατηγορία της συμπεριφορικής AI θα μπορούσε τελικά να βοηθήσει τα νοσοκομεία να стандαρδικοποιήσουν την υψηλής ποιότητας φροντίδα σε μεγάλες οργανώσεις ενώ μειώνει την λειτουργική τριβή που συνεισφέρει στην κλινική εξουθένωση και την καθυστερημένη θεραπεία.

Η προσέγγιση αυτή θα μπορούσε επίσης να επηρεάσει τον τρόπο με τον οποίο θα αναπτυχθούν τα μελλοντικά συστήματα AI σε άλλους κλάδους όπου οι θεσμικές διαδικασίες και η ανθρώπινη συνεργασία έχουν την ίδια σημασία με την επίσημη τεκμηρίωση.

Για την υγεία συγκεκριμένα, οι μακροπρόθεσμες επιπτώσεις εκτείνονται πέρα από την αυτοματοποίηση. Τα συστήματα που είναι ικανά να μάθουν από εκατομμύρια πραγματικών διαδρομών ασθενών θα μπορούσαν τελικά να βοηθήσουν στην ταυτοποίηση λειτουργικών μοτίβων που συνδέονται με καλύτερα αποτελέσματα, επιτρέποντας στα συστήματα υγείας να βελτιώνουν συνεχώς την παράδοση φροντίδας με βάση την παρατηρημένη συμπεριφορά και όχι μόνο στατικά οδηγίες.