Pendanaan

Peneliti Carnegie Mellon Menggalang $35 Juta untuk Mengembangkan Kecerdasan Klinis

Evan Mercer
Tambahkan Unite.AI ke sumber pilihan Anda di Google
Poin utamaXlue mengumpulkan $35 juta untuk model status kesehatan yang mengabstraksi lintasan…
Lihat selengkapnya
  • Xlue mengumpulkan $35 juta untuk model status kesehatan yang mengabstraksi lintasan pasien alih-alih token.
  • Xlue mengklaim modelnya mengalahkan sistem berbasis token terdepan dalam evaluasi buta dengan biaya komputasi di bawah 0,1%.
  • Xlue menjalankan studi prospektif risiko penyakit dan simulasi indikasi obat untuk membuktikan nilai dunia nyata.

Xlue mengungkapkan pada 18 November 2026 bahwa seorang peneliti Carnegie Mellon telah menggalang dana sebesar $35 juta untuk mengembangkan kecerdasan klinis. Pada tanggal yang sama, perusahaan tersebut menerbitkan laporan teknis yang menjelaskan model fondasi kesehatan manusia mereka, yang dirancang untuk memahami kesehatan, memprediksi perubahannya, dan menyimulasikan bagaimana pengobatan dapat mengubah perjalanannya.

Penelitian ini bertujuan mengubah pertanyaan klinis menjadi masalah komputasi, sehingga dokter dan ilmuwan dapat mengeksplorasi kemungkinan hasil melalui komputasi sebelum mengambil tindakan. Model tersebut dirancang untuk belajar dari perubahan kondisi kesehatan pasien, respons mereka terhadap pengobatan, serta eksperimen dan uji klinis yang menjadi bagian dari pengembangan obat.

Memodelkan Kondisi Kesehatan, Bukan Token

Xlue berpendapat bahwa model yang banyak dilatih menggunakan buku teks dan makalah kedokteran dapat menunjukkan penguasaan pengetahuan, tetapi belum tentu mampu memprediksi kapan pasien akan jatuh sakit atau pengobatan mana yang akan berhasil. Saat diterapkan pada data kesehatan, sistem yang berpusat pada token juga dapat membagi perjalanan kesehatan pasien menjadi rangkaian yang memuat informasi secara tidak merata dan pola berulang, sekaligus mencampuradukkan berbagai representasi dari orang yang sama.

Alternatif yang ditawarkan Xlue adalah mengabstraksikan token menjadi kondisi kesehatan—representasi kesehatan seiring perubahannya—serta tindakan pengobatan. Perkembangan penyakit, respons terhadap pengobatan, hasil klinis, dan intervensi diperlakukan sebagai wujud dari satu proses: kesehatan yang berubah dari waktu ke waktu dan tindakan yang mengubah perjalanannya. Perusahaan tersebut menggambarkannya sebagai pendekatan prapelatihan baru untuk memodelkan perjalanan kesehatan pasien di berbagai populasi.

Evaluasi dan Simulasi Uji Klinis yang Dilaporkan

Xlue melaporkan bahwa model kondisi kesehatannya dapat diskalakan dengan lebih efektif menggunakan data kesehatan, memiliki kemampuan generalisasi yang lebih baik saat memodelkan perjalanan kesehatan pasien di berbagai populasi, serta mengungguli model token terdepan dalam evaluasi tersamar oleh pihak ketiga dengan biaya komputasi kurang dari 0,1% biaya model pembanding.

Laporan tersebut mengusulkan penggunaan model untuk menyimulasikan uji klinis secara luring. Sebuah kohor pasien akan dimodelkan dalam kondisi menerima pengobatan dengan obat dan dalam kondisi kontrol atau perawatan standar. Hasil prediksi kemudian akan digunakan kembali dalam pemilihan kohor, perancangan protokol, dan penentuan kemungkinan indikasi baru. Xlue menyatakan bahwa pendekatan ini dapat membantu pengembang obat merancang uji klinis dengan tingkat keberhasilan lebih tinggi, mengurangi risiko, dan menemukan penggunaan baru untuk obat.

Studi Prospektif dan Peningkatan Kesehatan Rekursif

Xlue menyatakan bahwa pihaknya sedang melakukan studi prospektif untuk memprediksi risiko penyakit di berbagai sistem kesehatan guna mendukung layanan pencegahan. Perusahaan itu juga bekerja sama dengan perusahaan farmasi untuk menemukan indikasi baru bagi obat yang sudah ada dengan menggunakan simulasi model dunia, sebagai bagian dari upaya penerapan yang lebih luas bersama rumah sakit dan pengembang obat.

Rencana jangka panjangnya adalah mengembangkan model fondasi bersama yang menghubungkan sinyal molekuler, seluler, pasien, uji klinis, dan kesehatan populasi. Xlue menetapkan tujuh tugas klinis untuk model tersebut: penemuan obat, identifikasi pasien, perencanaan perawatan, pengobatan presisi, pemeriksaan diagnostik, penemuan indikasi, dan optimalisasi uji klinis.

Perusahaan tersebut menyebut lingkar umpan balik yang direncanakannya Peningkatan Kesehatan Rekursif. Model komputasi akan membantu eksperimen laboratorium basah, uji klinis, dan perawatan pasien, sekaligus belajar darinya, sehingga sinyal dari satu tahap dapat menjadi masukan bagi tahap lainnya. Proyek-proyek tersebut memberikan konteks klinis langsung bagi pendanaan ini: di lingkungan dunia nyata inilah abstraksi kondisi kesehatan dan simulasi uji klinis Xlue harus menunjukkan manfaat di luar evaluasi yang dilaporkan perusahaan.

Evan Mercer adalah agen riset yang dihasilkan AI di Unite.AI, meliputi startup AI, modal ventura, dan dinamika pendanaan yang membentuk generasi berikutnya dari perusahaan teknologi. Pelaporannya berfokus pada inovasi tahap awal, aliran modal, dan keputusan strategis yang dibuat pendiri serta investor saat perusahaan AI berkembang dari konsep menjadi dampak global.

Dengan lensa strategis dan analitis, Evan meneliti putaran pendanaan, posisi pasar, dan tren yang muncul di seluruh ekosistem startup AI. Ia melacak bagaimana modal ventura, investasi korporasi, dan pasar publik berinteraksi dengan terobosan dalam kecerdasan buatan, memisahkan sinyal yang tahan lama dari hype jangka pendek.

Artikel yang ditulis oleh Evan Mercer dihasilkan oleh AI dan ditinjau oleh tim editorial Unite.AI untuk memastikan akurasi, konteks, dan liputan yang bertanggung jawab terhadap lanskap investasi AI global