Pendanaan
TestDynamics Mengamankan Pendanaan $9 Juta Seri A untuk Evaluasi AI Pencitraan Medis

Poin utamaSatori mengevaluasi algoritma pencitraan pada studi milik masing-masing rumah sakit…
Lihat selengkapnya
- Satori mengevaluasi algoritma pencitraan pada studi milik masing-masing rumah sakit sebelum keputusan pembelian.
- TestDynamics berpendapat bahwa evaluasi harus berasal dari luar model, bukan dari vendor algoritma.
- Satori Edge menghilangkan identitas studi di dalam jaringan rumah sakit dan mengarahkannya hanya ke vendor yang diaktifkan.
TestDynamics berhasil mengamankan pendanaan sebesar $9 juta melalui putaran Seri A yang dipimpin oleh Healthier Capital, dengan partisipasi strategis dari Cedars-Sinai Technology Ventures. Perusahaan yang berbasis di Austin ini akan menggunakan dana tersebut untuk mengembangkan Satori, platform netral vendor yang mengevaluasi algoritma AI pencitraan medis dan mengintegrasikan temuannya ke dalam alur kerja radiolog yang sudah ada.
Pendanaan ini menyasar masalah yang kian besar seiring rumah sakit mengadopsi lebih banyak AI: memilih algoritma hanyalah langkah awal. Sistem kesehatan juga perlu memastikan kinerjanya pada pasien mereka, menghubungkannya ke perangkat lunak klinis, dan menentukan apakah algoritma tersebut terus memberikan hasil yang bermanfaat setelah diterapkan.
TestDynamics menyatakan bahwa Satori sudah digunakan secara klinis di beberapa dari sepuluh pusat medis dengan peringkat tertinggi di AS. Perusahaan berencana memperluas tim validasi klinisnya, menerapkan platform ini di lebih banyak sistem kesehatan, serta memperluas kemampuan evaluasi dan orkestrasi ke subspesialisasi pencitraan lainnya. Pengumuman tersebut tidak menyebutkan nama pusat-pusat medis itu ataupun mengungkap valuasi perusahaan.
Lapisan Evaluasi di Atas Berbagai Algoritma Pencitraan
AI pencitraan medis sering kali dirancang untuk tugas khusus. Satu alat mungkin menandai dugaan perdarahan pada CT kepala, sementara alat lain mengukur struktur pada MRI atau mengidentifikasi kemungkinan patah tulang pada sinar-X. Jika membeli beberapa alat, radiolog bisa harus menyelaraskan berbagai antarmuka, temuan, dan klaim kinerja yang berbeda-beda dari tiap vendor.
Satori beroperasi di atas alat-alat tersebut, bukan bersaing sebagai algoritma diagnostik khusus lainnya. TestDynamics menyebut pendekatannya Amalgamated Intelligence: mengevaluasi keluaran dari beberapa sistem dan menyusun hasilnya menjadi tampilan klinis yang diprioritaskan. Perusahaan menyatakan bahwa mereka membandingkan kinerja algoritma dengan temuan acuan, yang sering disebut ground truth, serta dengan produk pesaing.
“Evaluasi harus dilakukan dari luar model,” kata pendiri sekaligus CEO Lior Eshel dalam pengumuman tersebut. Menurutnya, rumah sakit memerlukan evaluator yang perannya terpisah dari perusahaan yang menjual algoritma.
Deskripsi platform tersebut menambahkan detail praktis pada pendekatan itu: alat yang dipertimbangkan diuji menggunakan citra medis milik penyedia layanan sendiri yang telah dihilangkan identitasnya, sebelum klinisi dan pimpinan menentukan pilihan. Hasil pengujian menjadi tolok ukur lokal untuk pemantauan selanjutnya. Kinerja model di tempat lain merupakan bukti yang berguna, tetapi evaluasi lokal menguji apakah bukti tersebut berlaku pula untuk beban kerja pencitraan yang sebenarnya di rumah sakit.
Cara Satori Terhubung dengan Sistem Pencitraan Rumah Sakit
Komponen integrasinya adalah Satori Edge, layanan yang dipasang di dalam jaringan rumah sakit. Menurut panduan teknis untuk tim TI dari TestDynamics, layanan ini menerima pemeriksaan dari sistem pengarsipan dan komunikasi citra, atau PACS, serta dari perute DICOM. PACS menyimpan dan mengambil citra medis; DICOM adalah standar untuk bertukar citra tersebut beserta informasi terkait.
Edge menghilangkan identitas dan mengenkripsi pemeriksaan sebelum data keluar dari jaringan, mengarahkannya hanya ke vendor AI yang telah diaktifkan, lalu menghubungkan kembali hasil yang diterima dengan pasien yang tepat di lokasi. TestDynamics menyatakan bahwa layanan ini menggunakan koneksi keluar dan bahwa perjanjian dengan vendornya melarang penyimpanan data pasien maupun penggunaannya untuk pelatihan.
Dengan arsitektur ini, rumah sakit memiliki satu koneksi untuk memperkenalkan atau mengganti alat. Arsitektur ini juga menyatukan proses kontrak: TestDynamics memiliki perjanjian dan perjanjian rekan bisnis dengan vendor AI yang mendasarinya. Perjanjian tersebut mengatur tanggung jawab dalam menangani informasi kesehatan yang dilindungi, sementara koneksi teknis menangani pemindahan pemeriksaan dan hasil.
Tampilan Terpadu, dengan Radiolog yang Menyetujui Temuan
Ungkapan “satu hasil” dapat memberi kesan bahwa beberapa jawaban AI digabungkan menjadi diagnosis baru. Dokumentasi Satori View dari perusahaan menjelaskan alur kerja yang lebih spesifik: setiap hasil ditampilkan sesuai keluaran algoritma asalnya, lalu disusun dalam tampilan yang konsisten saat pemeriksaan dibaca.
Bagian klinis dapat memilih temuan yang ditampilkan dan menentukan urutannya. Radiolog menyetujui apa yang dimasukkan ke penampil citra atau draf laporan. Tanda prioritas dari alat triase yang telah mendapat izin juga dapat ditampilkan dalam daftar kerja, sementara pelacakan tindak lanjut membantu memastikan temuan insidental tetap terlihat hingga ditangani.
Perbedaan itu penting untuk akuntabilitas. Radiolog perlu memahami alat mana yang menghasilkan suatu temuan dan apakah temuan itu perlu diterima. Mengurangi kerumitan antarmuka memang berguna; kemampuan untuk memeriksa dan menolak keluaran sama pentingnya.
Memantau Kinerja Setelah Sistem Mulai Beroperasi
Satori Governance memperluas evaluasi hingga ke operasional yang berkelanjutan. TestDynamics menyatakan bahwa layanan ini melacak kinerja berdasarkan tolok ukur setiap rumah sakit, memantau penggunaan, membandingkan temuan AI dengan laporan akhir, serta mengumpulkan data tentang persetujuan, pengesampingan, dan ketidaksetujuan radiolog. Pimpinan dapat menggunakan catatan tersebut untuk memutuskan apakah suatu alat akan dipertahankan, diganti, atau diperluas penggunaannya.
Pemantauan ditujukan untuk mengungkap pergeseran kinerja, yakni perubahan kinerja setelah kondisi yang memengaruhi model berubah. Peningkatan pemindai, protokol pencitraan yang berbeda, populasi pasien baru, atau versi model yang diperbarui dapat menjadi alasan untuk meninjau apakah evaluasi sebelumnya masih berlaku.
Kesesuaian dengan laporan akhir merupakan sinyal yang berguna, tetapi tidak serta-merta setara dengan acuan kebenaran yang ditetapkan melalui adjudikasi independen. Meninjau ketidaksepakatan dan menentukan kasus rujukan yang andal tetap menjadi bagian penting dari validasi klinis. Fokus pendanaan pada perluasan tim validasi mencerminkan pekerjaan manusia di balik infrastruktur ini.
Mendanai Infrastruktur Pendukung AI Klinis
Kebutuhan akan evaluasi eksternal melampaui bidang pencitraan. Sebuah komentar Nature Medicine tahun 2024 tentang validasi klinis menyerukan standar bukti yang lebih kuat untuk perangkat kesehatan berbasis AI yang telah mendapat izin. Unite.ai juga telah membahas pengujian independen terhadap AI di bidang kesehatan, yang mencerminkan dorongan lebih luas untuk menilai sistem berdasarkan bukti di luar klaim para pengembangnya sendiri.
Partisipasi Healthier Capital mendukung tesis bahwa infrastruktur ini penting: rumah sakit perlu dapat berganti vendor AI tanpa harus membangun ulang sistem klinis mereka untuk setiap penggantinya. Cedars-Sinai Technology Ventures membawa investor yang berfokus pada komersialisasi di bidang kesehatan ke dalam putaran pendanaan ini; TestDynamics juga menyebut dirinya sebagai peserta program Cedars-Sinai Accelerator tahun 2023.
Bagi TestDynamics, peluangnya adalah menjadikan evaluasi, integrasi, dan pengawasan klinis sebagai layanan berkelanjutan, bukan proyek terpisah untuk setiap algoritme. Pendanaan sebesar $9 juta akan membantunya mengembangkan lapisan tersebut. Pada akhirnya, nilainya bergantung pada apakah rumah sakit memperoleh bukti yang lebih jelas tentang perangkat mereka dan alur temuan yang lebih mudah dimanfaatkan oleh radiolog.












