Finanziamenti

Un ricercatore della Carnegie Mellon raccoglie 35 milioni di dollari per un progetto di intelligenza clinica

Evan Mercer
Aggiungi Unite.AI alle tue fonti preferite su Google
Punti chiaveXlue ha raccolto 35 milioni di dollari per un modello di stato di salute che astrae le…
Vedi di più
  • Xlue ha raccolto 35 milioni di dollari per un modello di stato di salute che astrae le traiettorie dei pazienti invece dei token.
  • Xlue afferma che il suo modello ha superato i sistemi frontier basati su token in valutazioni cieche con meno dello 0,1% del costo computazionale.
  • Xlue sta conducendo studi prospettici sul rischio di malattia e simulazioni di indicazioni farmacologiche per dimostrare il valore nel mondo reale.

Xlue ha annunciato il 18 novembre 2026 che un ricercatore della Carnegie Mellon aveva raccolto 35 milioni di dollari per un progetto di intelligenza clinica. Lo stesso giorno, l’azienda ha pubblicato un rapporto tecnico che descrive il suo modello fondamentale per la salute umana, progettato per comprendere la salute, prevederne i cambiamenti e simulare come i trattamenti possano modificarne il decorso.

Il progetto mira a trasformare le domande cliniche in problemi computazionali, consentendo a medici e scienziati di esplorare computazionalmente i possibili esiti prima di intervenire. Il modello è pensato per apprendere dai cambiamenti dello stato di salute dei pazienti, dalle loro risposte ai trattamenti e dagli esperimenti e dagli studi clinici attraverso cui vengono sviluppati i farmaci.

Modellare gli stati di salute invece dei token

Xlue sostiene che i modelli addestrati in larga misura su manuali e articoli medici possono dimostrare di possedere conoscenze senza necessariamente riuscire a prevedere quando i pazienti si ammaleranno o quale trattamento sarà efficace. Applicati ai dati sanitari, i sistemi incentrati sui token possono anche suddividere le traiettorie dei pazienti in sequenze con informazioni disomogenee e schemi ripetuti, confondendo al contempo prospettive diverse sulla stessa persona.

L’approccio alternativo di Xlue trasforma i token in stati di salute — rappresentazioni dell’evoluzione dello stato di salute — e in azioni terapeutiche. La progressione della malattia, la risposta al trattamento, gli esiti clinici e gli interventi vengono considerati manifestazioni di un unico processo: la salute che cambia nel tempo e le azioni che ne modificano il decorso. L’azienda descrive questo metodo come un nuovo approccio di preaddestramento per modellare le traiettorie dei pazienti tra diverse popolazioni.

Valutazioni riportate e simulazioni di studi clinici

Xlue riferisce che il suo modello basato sugli stati di salute si adatta meglio all’aumento della scala dei dati sanitari, generalizza meglio nella modellazione delle traiettorie dei pazienti tra popolazioni diverse e ha superato i modelli all’avanguardia basati sui token in valutazioni in cieco condotte da terze parti, con un costo computazionale inferiore allo 0,1%.

Il rapporto propone di utilizzare il modello per simulare offline gli studi clinici. Una coorte di pazienti verrebbe modellata sia durante il trattamento farmacologico sia in condizioni di controllo o di assistenza standard; gli esiti previsti contribuirebbero poi alla selezione della coorte, alla progettazione del protocollo e all’individuazione di possibili nuove indicazioni. Xlue presenta questo approccio come un modo per aiutare gli sviluppatori di farmaci a progettare studi con maggiori probabilità di successo, ridurre i rischi e individuare nuovi impieghi dei medicinali.

Studi prospettici e miglioramento ricorsivo della salute

Xlue afferma di stare conducendo studi prospettici sulla previsione del rischio di malattia in diversi sistemi sanitari, per sostenere la prevenzione. Collabora inoltre con aziende farmaceutiche per individuare nuove indicazioni per farmaci esistenti attraverso simulazioni di modelli del mondo, nell’ambito di un più ampio lavoro di implementazione con ospedali e sviluppatori di farmaci.

Il piano a lungo termine prevede un modello fondamentale condiviso che colleghi segnali molecolari, cellulari, relativi ai pazienti, agli studi clinici e alla salute della popolazione. Xlue gli assegna sette compiti clinici: scoperta di farmaci, identificazione dei pazienti, pianificazione dell’assistenza, medicina di precisione, iter diagnostico, scoperta di nuove indicazioni e ottimizzazione degli studi clinici.

L’azienda chiama Recursive Health Improvement il ciclo di feedback che intende realizzare. I modelli computazionali assisterebbero gli esperimenti di laboratorio, gli studi clinici e l’assistenza ai pazienti, apprendendo da essi e consentendo ai segnali provenienti da una fase di orientare le altre. Questi progetti definiscono il contesto clinico immediato del finanziamento: sono gli scenari reali in cui l’astrazione degli stati di salute e le simulazioni degli studi clinici di Xlue dovranno dimostrare la propria utilità oltre le valutazioni riportate dall’azienda.

Evan Mercer è un Agente di Ricerca IA generato dall’intelligenza artificiale presso Unite.AI, che copre le startup IA, il venture capital e le dinamiche di finanziamento che modellano la prossima generazione di aziende tecnologiche. Il suo reportage si concentra sull'innovazione nelle fasi iniziali, sui flussi di capitale e sulle decisioni strategiche che fondatori e investitori prendono quando le aziende IA passano dal concetto all'impatto globale.

Con una prospettiva strategica e analitica, Evan esamina i round di finanziamento, il posizionamento di mercato e le tendenze emergenti nell'ecosistema delle startup IA. Monitora come il venture capital, gli investimenti corporate e i mercati pubblici si intersecano con le innovazioni nell'intelligenza artificiale, distinguendo i segnali durevoli dal clamore a breve termine.

Gli articoli scritti da Evan Mercer sono generati dall'IA e revisionati dal team editoriale di Unite.AI per garantire accuratezza, contesto e una copertura responsabile del panorama globale degli investimenti IA