Rahoitus
Knit Health kerää 35 miljoonaa dollaria A-rahoituskierroksella laajentaakseen Med-BEAMin käyttöönottoa

Keskeiset kohdatKnit Health keräsi 35 miljoonan dollarin Series A -rahoituksen NEA:n johdolla…
Näytä lisää
- Knit Health keräsi 35 miljoonan dollarin Series A -rahoituksen NEA:n johdolla laajentaakseen Med-BEAM-käyttöönottoja.
- Med-BEAM sai 0,565 keskimääräisen tarkkuuden Claude-malleja vastaan seuraavien kliinisten toimien ennustamisessa.
- Knit pyrkii tarjoamaan jaetun kliinisen älykkyyden perustan sen sijaan, että omistaisi jokaisen työnkulun.
Knit Health ilmoitti 16. marraskuuta 2026 keränneensä 35 miljoonaa dollaria NEA:n johtamalla A-rahoituskierroksella. Yhtiö aikoo kasvattaa tiede- ja insinööritiimejään sekä ottaa terveydenhuollon Med-BEAM-maailmanmallinsa käyttöön useammissa kliinisissä ympäristöissä. Kierrokseen osallistuivat myös Frist Cressey Ventures, Town Hall Ventures ja SignalFire, ja Uncork, Moxxie, Aligned Fund sekä Coalition Operators jatkoivat yhtiön tukemista.
Knit kuvaa Med-BEAMia terveydenhuollon maailmanmalliksi, joka on koulutettu miljardien terveydenhuoltoon liittyvien päätösten ja satojen miljoonien potilastietojen pohjalta. Malli oppii, miten sairaudet kehittyvät, miten kliinikot toimivat ja mitä eri hoitotoimenpiteistä seuraa. Alkuvaiheen käyttökohteita ovat potilasohjaus, ohjaaminen erikoislääkärille, ajanvaraus ja sairaaloiden toiminta. Mallin on tarkoitus tarjota kliinistä kontekstia kielimallien rinnalle, kun nämä toimivat potilaiden, kliinikoiden ja tekoälyagenttien käyttöliittyminä.
Lähetteiden koordinointi ja yhteinen alusta
Knit pyrkii parantamaan mekanismeja, joiden avulla potilaat pääsevät nykyisten palvelujen piiriin: lähetteiden käsittely perustuu vahvasti ammatillisiin suhteisiin, ajanvaraus jäykkiin sääntöihin ja vastaanottoaikojen saatavuuteen sekä hoitopolut yksinkertaistettuihin luokkiin ja pisteytyksiin. Yhtiön mukaan nämä mekanismit voivat jättää potilaat odottamaan heille sopivaa hoitoa, kun taas kliinikot käyttävät aikaa työhön, jonka muut voisivat tehdä tehokkaammin. Esimerkkinä yhtiö mainitsee kirurgin, jonka vastaanotto täyttyy potilaista, jotka eivät tarvitse leikkausta, samalla kun leikkauksesta mahdollisesti hyötyvät potilaat odottavat viikkoja tai kuukausia.
Knit aikoo tarjota yhteisen kliinisen älykkyyden perustan sen sijaan, että se omistaisi kaikki sovellukset tai työnkulut. Terveydenhuoltojärjestelmät, teknologiayritykset ja kehittäjät voisivat rakentaa tämän perustan varaan sen sijaan, että kehittäisivät pohjalla olevan älykkyyden kukin erikseen. Näin Knit voisi toimia alustana myös alkuvaiheen potilasohjaus- ja toiminnanohjaustuotteidensa ulkopuolella.
Alustavat vertailutulokset ja niiden rajoitukset
Erillisessä 16. marraskuuta 2026 julkaistussa vertailudokumentaatiossa Med-BEAMia verrattiin Anthropic-yhtiön Claude Opus 4.8-, Claude Sonnet 5- ja Claude Haiku 4.5 -malleihin. Tehtävässä käytettiin 200 potilaan potilastietoja. Potilaat oli otettu sairaalaan päivystyksestä, eikä tietoja ollut käytetty Med-BEAMin kouluttamiseen.
Malleille annettiin kunkin potilaan sairaushistoria sairaalaan ottamiseen asti sekä täydellinen luettelo mahdollisista toimenpiteistä. Niiden piti ennustaa, mitä seuraavien 24 tunnin aikana tapahtuisi lääkityksen, toimenpiteiden, laboratoriotilausten, kuvantamisen, hoitotoimien ja lähetteiden osalta. Mitään yksittäistä lopputulosta ei valittu ennalta.
Knit ilmoitti Med-BEAMin keskimääräiseksi precision-arvoksi 0,565. Käytössä oli asteikko 0–1, joka mittasi, kuinka hyvin kukin malli asetti toteutuneen hoidon tärkeysjärjestykseen. Opus 4.8 sai arvon 0,228, Sonnet 5 arvon 0,222 ja Haiku 4.5 arvon 0,124, joten Med-BEAMin tulos oli tässä tehtävässä 2,48–4,56 kertaa parempi.
Nopeus- ja kustannusvertailuissa käytettiin eri menetelmiä. Kielimallien mitatut vastausajat vaihtelivat Haiku 4.5:n 216 sekunnista Opus 4.8:n 408 sekuntiin; Sonnet 5 vastasi 307 sekunnissa. Med-BEAMin noin kahden sekunnin luku oli arvio käsittelyajasta. Knit arvioi potilaskohtaisten kustannusten olevan 37–257 kertaa pienemmät kuin kielimalleilla. Kielimallien kustannusarviossa käytettiin Anthropic-yhtiön vertailutehtävässä mitattua todellista käyttöä ja mallien julkaistuja hintoja. Med-BEAMin osalta laskelmassa käytettiin päättelyaikaa ja tuntikohtaista laskentatehon kustannusta, joka kerrottiin kolmella palveluntarjoajan katteen huomioimiseksi.
Knit luonnehti arviointia alustavaksi tulokseksi yhdessä tarkasti määritellyssä ennustetehtävässä ja aikoo järjestää laajempia vertailuja useammissa tehtävissä, malleissa ja kliinisissä ympäristöissä. Ero on merkittävä: tulevien kliinisten toimenpiteiden ennustaminen on mallin varhainen testi, kun taas yhtiön kausaaliseen tekoälyyn liittyvä tavoite koskee sitä, miten vaihtoehtoiset päätökset muuttaisivat potilaiden hoitotuloksia.
Aiempi rahoitus ja yhtiön tausta
A-rahoituskierrosta edelsi 11,6 miljoonan dollarin siemenrahoituskierros, jota johtivat yhdessä Uncork Capital ja Frist Cressey Ventures. Tieto käy ilmi yhtiön ylläpitämästä, 12. toukokuuta 2026 päivätystä julkaisuista. Moxxie Ventures johti pre-seed-kierrosta, johon osallistui myös Coalition Operators. Knit on UC Berkeleystä irtautunut spin-off-yhtiö, ja sen aiemmassa mallissa käytettiin Truvetan tietoja, jotka kattavat yli 130 miljoonaa potilasta, todellisten kliinisen käytännön toimintamallien oppimiseen.
Laajempi arviointi on siksi keskeinen osa rahoituksen tarkoitusta: Knit tarvitsee kliinisiä käyttöönottoja ja yhteisen kehittäjäalustan muuntaakseen varhaisen ennustusetunsa ohjaus- ja toiminnanohjaustyökaluiksi, jotka toimivat eri organisaatioissa, vaikka niiden kliinikot, resurssit ja hoitokäytännöt poikkeavat toisistaan.












