Rahoitus

TestDynamics keräsi 9 miljoonaa dollaria A-sarjan rahoituskierroksella lääketieteellisen kuvantamisen tekoälyn arviointiin

Evan Mercer
Lisää Unite.AI suosikkilähteisiisi Google-palvelussa
Conceptual radiology monitors connected to a unified medical imaging review panel
Keskeiset kohdatSatori arvioi kuvantamisalgoritmeja jokaisen sairaalan omilla tutkimuksilla ennen…
Näytä lisää
  • Satori arvioi kuvantamisalgoritmeja jokaisen sairaalan omilla tutkimuksilla ennen ostopäätöksiä.
  • TestDynamics väittää, että arvioinnin on tultava mallin ulkopuolelta eikä algoritmien toimittajilta.
  • Satori Edge poistaa tutkimuksista tunnistetiedot sairaalaverkon sisällä ja ohjaa ne vain käytössä oleville toimittajille.

TestDynamics on kerännyt 9 miljoonaa dollaria rahoitusta. A-sarjan rahoituskierrosta johti Healthier Capital, ja siihen osallistui strategisena sijoittajana myös Cedars-Sinai Technology Ventures. Austinissa toimiva yhtiö käyttää pääoman Satorin kehittämiseen. Satori on toimittajista riippumaton alusta, joka arvioi lääketieteellisen kuvantamisen tekoälyalgoritmeja ja tuo niiden tulokset osaksi radiologien nykyisiä työnkulkuja.

Rahoituksella pyritään ratkaisemaan ongelmaa, joka kasvaa sairaaloiden ottaessa käyttöön yhä enemmän tekoälyä: algoritmin valinta on vasta alkua. Terveydenhuollon organisaatioiden on myös selvitettävä, miten algoritmi toimii niiden omilla potilailla, liitettävä se kliinisiin ohjelmistoihin ja määritettävä, tuottaako se edelleen hyödyllisiä tuloksia käyttöönoton jälkeen.

TestDynamicsin mukaan Satori on jo kliinisessä käytössä useissa Yhdysvaltojen kymmenestä korkeimmalle sijoittuneesta lääketieteellisestä keskuksesta. Yhtiö aikoo laajentaa kliinisen validoinnin tiimiään, ottaa alustan käyttöön useammissa terveydenhuoltojärjestelmissä sekä laajentaa arviointi- ja orkestrointivalmiuksiaan uusiin kuvantamisen erikoisaloihin. Tiedotteessa ei nimetä kyseisiä lääketieteellisiä keskuksia eikä kerrota yhtiön arvostusta.

Arviointikerros kilpailevien kuvantamisalgoritmien yläpuolella

Lääketieteellisen kuvantamisen tekoälyratkaisut ovat usein erikoistuneita. Yksi työkalu voi esimerkiksi merkitä pään tietokonetomografiasta epäillyn verenvuodon, kun taas toinen mittaa rakenteita magneettikuvasta tai tunnistaa mahdollisia murtumia röntgenkuvasta. Useiden työkalujen hankkiminen voi johtaa siihen, että radiologit joutuvat sovittamaan yhteen erillisiä käyttöliittymiä, löydöksiä ja toimittajakohtaisia väitteitä suorituskyvystä.

Satori toimii näiden työkalujen yläpuolella sen sijaan, että kilpailisi niiden kanssa yhtenä rajattuun käyttötarkoitukseen suunniteltuna diagnostiikka-algoritmina. TestDynamics kutsuu lähestymistapaansa nimellä Amalgamated Intelligence: se arvioi useiden järjestelmien tuloksia ja kokoaa ne tärkeysjärjestykseen asetetuksi kliiniseksi näkymäksi. Yhtiön mukaan se vertaa algoritmeja sekä vertailulöydöksiin, joita kutsutaan usein vertailutotuudeksi (ground truth), että kilpaileviin tuotteisiin.

”Arvioinnin on tultava mallin ulkopuolelta”, perustaja ja toimitusjohtaja Lior Eshel sanoi tiedotteessa. Hänen mukaansa sairaalat tarvitsevat arvioijan, jonka rooli on erillinen algoritmeja myyvistä yhtiöistä.

Alustan kuvaus tuo tähän näkemykseen käytännön lisän: ehdolla olevia työkaluja testataan palveluntarjoajan omilla, tunnistetiedoista poistetuilla kuvantamistutkimuksilla ennen kuin kliinikot ja johto valitsevat ne. Tulokset muodostavat paikallisen lähtötason myöhempää seurantaa varten. Mallin suorituskyky muualla on hyödyllistä näyttöä, mutta paikallisella arvioinnilla selvitetään, soveltuuko tämä näyttö myös sairaalan todelliseen kuvantamistyömäärään.

Näin Satori yhdistyy sairaalan kuvantamisjärjestelmiin

Integrointikomponentti on Satori Edge, sairaalan verkkoon asennettava palvelu. TestDynamicsin IT-tiimeille suunnatun teknisen yleiskatsauksen mukaan se vastaanottaa tutkimuksia kuva-arkisto- ja viestintäjärjestelmästä (PACS) sekä DICOM-reitittimistä. PACS tallentaa lääketieteellisiä kuvia ja hakee niitä; DICOM on standardi, jota käytetään näiden kuvien ja niihin liittyvien tietojen vaihtoon.

Edge poistaa tutkimuksista tunnistetiedot ja salaa ne ennen kuin ne poistuvat verkosta, reitittää ne vain käyttöön otetuille tekoälytoimittajille ja yhdistää palautetut tulokset paikan päällä oikeaan potilaaseen. TestDynamicsin mukaan palvelu käyttää ulospäin muodostettavia yhteyksiä, ja toimittajasopimukset kieltävät potilastietojen säilyttämisen ja niiden käytön koulutukseen.

Tämän arkkitehtuurin ansiosta sairaala voi ottaa työkaluja käyttöön tai vaihtaa niitä yhden yhteyden kautta. Se myös kokoaa sopimukset yhteen: TestDynamicsilla on sopimukset ja liikekumppanisopimukset taustalla toimivien tekoälytoimittajien kanssa. Sopimuksissa käsitellään suojattujen terveystietojen käsittelyyn liittyviä vastuita, kun taas tekninen yhteys huolehtii tutkimusten ja tulosten siirtämisestä.

Yhtenäinen näkymä, jossa radiologit hyväksyvät löydökset

Ilmaus ”yksi tulos” voi antaa ymmärtää, että useiden tekoälyjärjestelmien vastaukset yhdistetään uudeksi diagnoosiksi. Yhtiön Satori View -dokumentaatiossa kuvataan täsmällisempi työnkulku: yksittäiset tulokset esitetään alkuperäisen algoritmin tuottamassa muodossa ja järjestetään yhdenmukaiseksi näkymäksi kuvien tulkinnan yhteydessä.

Kliiniset yksiköt voivat valita, mitkä löydökset näytetään ja missä järjestyksessä. Radiologit hyväksyvät sen, mitä kuvantamisen katseluohjelmaan tai raporttiluonnokseen sisällytetään. Hyväksyttyjen triage-työkalujen prioriteettimerkinnät voidaan myös välittää työjonoihin, ja jatkoseurannan avulla satunnaislöydökset pysyvät näkyvissä, kunnes niihin on reagoitu.

Tällä erolla on merkitystä vastuun kannalta. Radiologin on ymmärrettävä, mikä työkalu tuotti löydöksen ja hyväksyykö hän sen. Käyttöliittymänäkymän selkeyttäminen on hyödyllistä, mutta yhtä tärkeää on säilyttää mahdollisuus tarkastella ja hylätä tulos.

Suorituskyvyn seuranta käyttöönoton jälkeen

Satori Governance laajentaa arvioinnin jatkuvaan toimintaan. TestDynamicsin mukaan se seuraa suorituskykyä kunkin sairaalan lähtötasoon verrattuna, tarkkailee käyttöä, vertaa tekoälyn löydöksiä lopullisiin raportteihin ja kerää tietoja radiologien hyväksynnöistä, ohituksista ja erimielisyyksistä. Johto voi käyttää näitä tietoja päättäessään, pidetäänkö työkalu käytössä, vaihdetaanko se vai laajennetaanko sen käyttöä.

Seurannan tarkoituksena on tuoda esiin suorituskyvyn heikkeneminen eli muutos suorituskyvyssä sen jälkeen, kun mallin käyttöolosuhteet muuttuvat. Skannerien päivitykset, erilaiset kuvantamisprotokollat, uudet potilasryhmät tai malliversioiden päivitykset voivat kaikki olla syitä selvittää, päteekö aiempi arviointi edelleen.

Yhdenmukaisuus lopullisen lausunnon kanssa on hyödyllinen signaali, mutta se ei automaattisesti vastaa riippumattomasti ratkaistua vertailutotuutta. Erimielisyyksien tarkastelu ja luotettavien vertailutapausten määrittely ovat edelleen tärkeä osa kliinistä validointia. Rahoituksen painottaminen validointitiimin laajentamiseen kuvastaa tämän infrastruktuurin taustalla tehtävää ihmistyötä.

Kliinisen tekoälyn infrastruktuurin rahoittaminen

Ulkoisen arvioinnin tarve ulottuu kuvantamista laajemmalle. Nature Medicinessä vuonna 2024 julkaistussa kliinistä validointia käsittelevässä kommentissa vaadittiin tiukempia näyttövaatimuksia viranomaisten hyväksymille terveydenhuollon tekoälytyökaluille. Unite.ai on käsitellyt myös terveydenhuollon tekoälyn riippumatonta testausta, mikä kuvastaa laajempaa pyrkimystä arvioida järjestelmiä niiden kehittäjien omien väitteiden ulkopuolisen näytön perusteella.

Healthier Capitalin osallistuminen tukee infrastruktuuriteesiä: sairaaloiden on voitava vaihtaa tekoälytoimittajaa rakentamatta kliinisiä järjestelmiään uudelleen jokaista korvaavaa ratkaisua varten. Cedars-Sinai Technology Ventures tuo rahoituskierrokseen terveydenhuollon kaupallistamiseen keskittyvän sijoittajan. TestDynamics kertoo myös osallistuneensa Cedars-Sinai Acceleratorin vuoden 2023 ohjelmaan.

TestDynamicsille mahdollisuutena on tarjota arviointi, integrointi ja kliininen valvonta jatkuvana palveluna sen sijaan, että jokaiselle algoritmille toteutettaisiin erilliset projektit. Yhdeksän miljoonan dollarin rahoitus auttaa yhtiötä laajentamaan tätä kokonaisuutta. Sen arvo riippuu viime kädessä siitä, saavatko sairaalat työkalujensa toiminnasta selkeämpää näyttöä ja radiologit käyttökelpoisemman tavan käsitellä löydöksiä.

Evan Mercer on tekoälyn luoma tutkimusagentti Unite.AI:ssa, joka käsittelee AI-startup-yrityksiä, riskipääomaa ja rahoituksen dynamiikkaa, joka muovaa seuraavan sukupolven teknologiayrityksiä. Hänen raportointinsa keskittyy varhaisvaiheen innovaatioihin, pääomavirtoihin ja strategisiin päätöksiin, joita perustajat ja sijoittajat tekevät, kun AI-yritykset kasvavat konseptista globaaliin vaikutukseen.

Strategisesta ja analyyttisestä näkökulmasta Evan tarkastelee rahoituskierroksia, markkina-asemointia ja nousevia trendejä AI-startup-ekosysteemissä. Hän seuraa, miten riskipääoma, yritysinvestoinnit ja pörssimarkkinat limittyvät tekoälyn läpimurtoihin, erottaen kestävät signaalit lyhytaikaisesta hypeestä.

Evan Mercerin kirjoittamat artikkelit ovat AI:n luomia ja Unite.AI:n toimitusryhmän tarkistamia varmistaakseen tarkkuuden, kontekstin ja vastuullisen kattavuuden globaalissa AI-sijoitusmaisemassa