निट हेल्थ $11.6M सीड फंडिंग के साथ लॉन्च होता है, जो वास्तविक दुनिया के नैदानिक निर्णय लेने पर आधारित एआई बनाने के लिए

स्वास्थ्य सेवा एआई कंपनियों ने मुख्य रूप से चिकित्सा साहित्य, नैदानिक नोट्स और पाठ-आधारित डेटा पर मॉडल को प्रशिक्षित करने पर ध्यान केंद्रित किया है। लेकिन निट हेल्थ एक अलग दृष्टिकोण अपना रहा है: एआई प्रणालियों को सिखाना कि स्वास्थ्य सेवा वास्तव में अस्पतालों और क्लिनिकों के अंदर कैसे काम करती है।

कैलिफोर्निया विश्वविद्यालय, बर्कले स्पिनआउट ने $11.6 मिलियन के बीज निधिकरण के साथ गुप्त रूप से प्रवेश किया है, जिसे अनकॉर्क कैपिटल और फ्रिस्ट क्रेसी वेंचर्स द्वारा संयुक्त रूप से नेतृत्व किया जाता है, जिसमें मोक्सी वेंचर्स से पूर्व-बीज समर्थन और कोएलिशन ऑपरेटर्स की भागीदारी है। कंपनी का कहना है कि पूंजी इसके लार्ज क्लिनिकल बिहेवियर मॉडल (एलसीबीएम) के विकास और तैनाती का समर्थन करेगी, जो वास्तविक स्वास्थ्य सेवा वातावरण में नैदानिक निर्णय लेने से सीखने के लिए डिज़ाइन किया गया एक सिस्टम है।

पारंपरिक चिकित्सा चैटबॉट या दस्तावेज़ सहायक की तरह काम करने के बजाय, निट हेल्थ “सामूहिक नैदानिक बुद्धिमत्ता” बनाने का निर्माण कर रहा है – वास्तविक स्वास्थ्य सेवा परिवेश में रोगी मार्गदर्शन, रेफरल, निर्धारण निर्णय, निर्वहन समय, और देखभाल समन्वय कार्य प्रवाह में निहित पैटर्न पर प्रशिक्षित एआई।

पाठ-आधारित स्वास्थ्य सेवा एआई से आगे बढ़ना

आज स्वास्थ्य सेवा में अधिकांश उत्पन्न एआई प्रणालियां मूल रूप से भाषा मॉडल हैं। वे रिकॉर्ड को सारांशित करने, नोट्स उत्पन्न करने या प्रकाशित चिकित्सा ज्ञान के आधार पर प्रश्नों का उत्तर देने में उत्कृष्ट हैं।

निट का तर्क है कि स्वास्थ्य सेवा में सबसे महत्वपूर्ण परिचालन निर्णय विशेष रूप से लिखे नहीं जाते हैं। इसके बजाय, वे विशेषज्ञ उपलब्धता, रेफरल बोतलनेक, अस्पताल क्षमता, और रोगी जटिलता जैसे वास्तविक दुनिया के प्रतिबंधों को नेविगेट करने वाले नैदानिक अनुभव के वर्षों से उत्पन्न होते हैं।

कंपनी का एलसीबीएम ट्रुवेटा इलेक्ट्रॉनिक चिकित्सा रिकॉर्ड डेटा का उपयोग करके प्रशिक्षित किया जाता है, जो 30 अमेरिकी स्वास्थ्य प्रणालियों में 130 मिलियन से अधिक रोगियों को शामिल करता है। निट का कहना है कि यह गहरे प्रबलीकरण सीखने, कारणात्मक अनुमान, और व्यवहारिक क्लोनिंग जैसी तकनीकों को लागू करता है ताकि यह मॉडल किया जा सके कि देखभाल निर्णय व्यावहारिक रूप से कैसे सामने आते हैं।

यह पारंपरिक स्वास्थ्य सेवा एआई प्रणालियों से काफी अलग है जो मुख्य रूप से स्थिर डेटासेट या प्रकाशित शोध पर निर्भर करती हैं। इसके बजाय अगले वाक्य में शब्द की भविष्यवाणी करने के, निट स्वास्थ्य प्रणालियों के भीतर परिचालन देखभाल निर्णयों की भविष्यवाणी करने का प्रयास कर रहा है।

अस्पतालों के लिए एक बुनियादी ढांचा परत बनाना

निट हेल्थ अपने प्लेटफ़ॉर्म को एक स्टैंडअलोन एप्लिकेशन के बजाय स्वास्थ्य सेवा परिचालन के लिए एक मूल बुद्धिमत्ता परत के रूप में स्थिति कर रहा है।

कंपनी का कहना है कि इसके मॉडल पहले ट्राइएज, रोगी प्रवाह अनुकूलन, निर्वहन भविष्यवाणी, रेफरल प्रबंधन, और गुणवत्ता सुधार पहलों के लिए तैनात किए जा रहे हैं। समय के साथ, व्यापक लक्ष्य लगभग हर नैदानिक कार्य प्रवाह के नीचे ऑपरेशनल बुनियादी ढांचे में एआई को एम्बेड करना लगता है।

यह स्वास्थ्य सेवा एआई में हो रहे एक व्यापक बदलाव के साथ संरेखित है, जहां कंपनियां निदान या संवादात्मक सहायकों पर अकेले ध्यान केंद्रित करने के बजाय तेजी से परिचालन अक्षमताओं को लक्षित कर रही हैं।

स्वास्थ्य प्रणालियों को अभी भी देरी से रेफरल, भीड़भाड़ वाली विशेषज्ञ देखभाल पाइपलाइन, अकुशल निर्धारण, और विभागों के बीच संयुक्त समन्वय जैसे मुद्दों से जूझना जारी है। ये परिचालन समस्याएं अक्सर सीधे रोगी परिणामों को प्रभावित करती हैं,尽管 नैदानिक ज्ञान और उपचार की उपलब्धता में प्रगति हुई है।

स्वास्थ्य सेवा एआई में ट्रुवेटा की बढ़ती भूमिका

निट की ट्रुवेटा के साथ साझेदारी भी स्वास्थ्य सेवा एआई विकास में वास्तविक दुनिया के नैदानिक डेटा के बड़े पैमाने पर संग्रह के बढ़ते महत्व को दर्शाती है।

ट्रुवेटा ने संयुक्त राज्य अमेरिका में 130 मिलियन से अधिक रोगियों को शामिल करने वाले एक प्रमुख स्वास्थ्य प्रणाली नेटवर्क में डीइडेंटिफाइड क्लिनिकल डेटा का सबसे बड़ा संग्रह बनाया है। कंपनी ने खुद को एआई-संचालित स्वास्थ्य सेवा अनुसंधान और परिचालन बुद्धिमत्ता के लिए एक प्रमुख बुनियादी ढांचा प्रदाता के रूप में स्थिति की है।

चिकित्सा में व्यवहारिक एआई का भविष्य

निट हेल्थ के लॉन्च ने स्वास्थ्य सेवा एआई में एक व्यापक विकास को रेखांकित किया है: एक संक्रमण चिकित्सा ज्ञान पर प्रशिक्षित प्रणालियों से संस्थागत व्यवहार पर प्रशिक्षित प्रणालियों की ओर।

यदि सफल होता है, तो यह व्यवहारिक एआई श्रेणी अंततः अस्पतालों को बड़े संगठनों में उच्च गुणवत्ता वाली देखभाल वितरण को मानकीकृत करने में मदद कर सकती है, जबकि नैदानिककर्ता जलन और देरी से उपचार में योगदान देने वाले परिचालन घर्षण को कम कर सकती है।

यह दृष्टिकोण अन्य उद्योगों में भविष्य के एआई प्रणालियों के विकास को भी प्रभावित कर सकता है, जहां संस्थागत कार्य प्रवाह और मानव समन्वय औपचारिक दस्तावेजीकरण के रूप में महत्वपूर्ण हैं।

स्वास्थ्य सेवा के लिए विशिष्ट रूप से, लंबी अवधि के परिणाम स्वचालन से परे हैं। लाखों वास्तविक दुनिया के रोगी यात्राओं से सीखने में सक्षम प्रणालियां अंततः बेहतर परिणामों से जुड़े परिचालन पैटर्न की पहचान करने में मदद कर सकती हैं, जो स्वास्थ्य प्रणालियों को स्थिर दिशानिर्देशों के बजाय देखे गए व्यवहार के आधार पर देखभाल वितरण को लगातार परिष्कृत करने में सक्षम बनाती हैं।