Aidoc raccoglie 150 milioni di dollari nella serie E per ampliare l’AI clinica in tutto il sistema sanitario

L’azienda di AI clinica Aidoc ha ottenuto 150 milioni di dollari di finanziamento nella serie E, guidato da Goldman Sachs Alternatives (GS ), poiché i sistemi sanitari guardano sempre più oltre gli strumenti di AI isolati verso piattaforme integrate a livello aziendale.

Il round include la partecipazione di General Catalyst, SoftBank Investment Advisors e NVentures, portando il finanziamento totale dell’azienda a oltre 500 milioni di dollari. La raccolta di fondi arriva in un momento in cui gli ospedali sono sotto pressione per affrontare gli errori diagnostici, la carenza di personale e il crescente volume di immagini – fattori che contribuiscono a centinaia di migliaia di morti prevenibili ogni anno negli Stati Uniti.

Dal punto di soluzione all’AI a livello di sistema

Per anni, l’AI nel settore sanitario è stata utilizzata principalmente come strumenti a scopo singolo – algoritmi progettati per rilevare una condizione alla volta. Questo approccio ha un impatto limitato, soprattutto in ambienti in cui i clinici devono interpretare grandi quantità di dati di imaging su più condizioni.

Aidoc fa parte di un più ampio passaggio verso sistemi basati su modelli di fondazione che possono operare su più modalità e casi d’uso. Il suo modello di fondazione proprietario CARE™ è progettato per analizzare i dati clinici multimodali e ampliare la copertura dell’AI su numerose patologie da un’unica architettura.

Questo passaggio specchia ciò che è già accaduto in altre aree dell’AI: passare da strumenti ristretti a sistemi generalizzati in grado di supportare flussi di lavoro complessi.

Costruire un sistema operativo per l’AI clinica

Al centro dell’approccio di Aidoc c’è la sua piattaforma aziendale, aiOS™, che funziona come uno strato di orchestrazione dell’AI clinica. Invece di distribuire algoritmi individuali in isolamento, aiOS integra l’AI direttamente nell’infrastruttura ospedaliera, inclusi i sistemi di imaging e i registri elettronici della salute.

La piattaforma consente di eseguire più algoritmi contemporaneamente su un’unica scansione, priorizzando le scoperte urgenti e portando in superficie sia le anomalie attese che quelle incidentali. Questo strato di orchestrazione è progettato per ridurre le lacune diagnostiche migliorando al contempo l’efficienza del flusso di lavoro.

Introduce anche meccanismi di governance – come convalida, monitoraggio e tracciamento delle prestazioni – che sono sempre più necessari mentre i sistemi di AI si spostano in ambienti clinici regolamentati.

Scalare l’AI in ambienti clinici reali

La tecnologia di Aidoc è già distribuita su larga scala, analizzando decine di milioni di casi di pazienti ogni anno e supportando la consegna di cure in migliaia di ospedali in tutto il mondo.

I suoi sistemi sono utilizzati in ambienti clinici in tempo reale, in particolare nella radiologia, dove l’AI può segnalare scoperte urgenti e accelerare le decisioni di triage. Recentemente, la segnalazione ha evidenziato casi d’uso che vanno dal rilevamento di lesioni interne alla priorità dei casi di emergenza in base ai dati di imaging.

Questo livello di distribuzione riflette una transizione dall’esperimentazione alla dipendenza operativa – dove l’AI non è più un aggiunta, ma parte dell’infrastruttura clinica di base.

La prossima fase: flussi di lavoro clinici end-to-end

Il nuovo finanziamento sosterrà l’ampliamento del modello di fondazione di Aidoc e spingerà ulteriormente verso flussi di lavoro end-to-end. Un’area chiave di sviluppo è la generazione automatica di bozze di rapporti, che mira a spostare l’AI dalla rilevazione alla partecipazione completa al flusso di lavoro clinico.

Quella direzione suggerisce un futuro in cui i sistemi di AI faranno più che evidenziare le anomalie – potrebbero sempre più strutturare, riassumere e contestualizzare le scoperte per i clinici.

In termini pratici, ciò potrebbe comprimere il tempo tra la scansione, la diagnosi e il trattamento, riducendo al contempo il carico cognitivo sui professionisti sanitari.

Verso il supporto decisionale clinico autonomo

Ciò che emerge è una transizione da strumenti di AI frammentati a sistemi unificati che funzionano come infrastruttura all’interno del settore sanitario.

Man mano che queste piattaforme maturano, il loro valore verrà sempre più da come coordinano tra i dipartimenti, standardizzano la presa di decisioni e riducono la variabilità nelle cure. La sfida tecnica non è più solo costruire modelli precisi – è assicurarsi che quei modelli possano operare in modo affidabile all’interno di ambienti ospedalieri complessi, sotto una rigorosa supervisione regolamentare.

Nel tempo, la distinzione tra “cura assistita dall’AI” e “cura standard” potrebbe iniziare a sfumare. Invece di essere uno strumento visibile, l’AI potrebbe diventare uno strato sottostante che interpreta continuamente i dati, segnala i rischi e supporta i clinici in tempo reale.

Se questo passaggio si consolida, i miglioramenti nell’accuratezza diagnostica e nei risultati dei pazienti potrebbero non provenire da una singola funzione dirompente, ma dall’effetto cumulativo dell’AI silenziosamente incorporata in tutto il flusso di lavoro clinico.