Finanziamenti

Knit Health debutta con 11,6 milioni di dollari seed per sviluppare un’IA basata sulle decisioni cliniche reali

Antoine Tardif
Aggiungi Unite.AI alle tue fonti preferite su Google
Punti chiaveKnit Health addestra l'IA sul comportamento dei clinici anziché solo sul testo medico
Vedi di più
  • Knit Health addestra l'IA sul comportamento dei clinici anziché solo sul testo medico
  • La piattaforma apprende decisioni operative come il triage e i tempi di dimissione
  • L'IA comportamentale potrebbe standardizzare l'erogazione delle cure e ridurre l'esaurimento dei clinici

Le aziende di intelligenza artificiale sanitaria si sono concentrate in gran parte sull’addestramento di modelli su letteratura medica, note cliniche e dati testuali. Tuttavia, Knit Health sta adottando un approccio diverso: insegnare ai sistemi di intelligenza artificiale come funziona effettivamente l’assistenza sanitaria all’interno degli ospedali e delle cliniche.

La spinoff dell’Università della California, Berkeley, è uscita dalla fase di sviluppo riservato con 11,6 milioni di dollari di finanziamento seed in un round guidato congiuntamente da Uncork Capital e Frist Cressey Ventures, con un finanziamento pre-seed da Moxxie Ventures e la partecipazione di Coalition Operators. L’azienda afferma che il capitale sosterrà lo sviluppo e la distribuzione del suo Large Clinical Behavior Model (LCBM), un sistema progettato per apprendere da come i clinici prendono decisioni in ambienti sanitari reali.

Invece di funzionare come un tradizionale chatbot medico o assistente di documentazione, Knit Health sta costruendo ciò che descrive come “intelligenza clinica collettiva” – un’intelligenza artificiale addestrata sui modelli incorporati nella gestione dei pazienti, negli invii ad altri servizi di cura, nelle decisioni di pianificazione, nel timing di dimissione e nella coordinazione delle cure tra gli ospedali.

Superare l’intelligenza artificiale sanitaria basata sul testo

La maggior parte dei sistemi di intelligenza artificiale generativa nel settore sanitario oggi sono fondamentalmente modelli linguistici. Eccellono nel riassumere le cartelle, generare note o rispondere a domande basate sulla conoscenza medica pubblicata.

Knit sostiene che molte delle decisioni operative più importanti nel settore sanitario non sono esplicitamente scritte. Invece, emergono da anni di esperienza dei clinici che navigano le limitazioni del mondo reale, come la disponibilità degli specialisti, i colli di bottiglia negli invii ad altri servizi di cura, la capacità degli ospedali e la complessità dei pazienti.

Il modello LCBM dell’azienda è stato addestrato utilizzando i dati dei registri elettronici medici di Truveta, che coprono oltre 130 milioni di pazienti in 30 sistemi sanitari statunitensi. Knit afferma di applicare tecniche come l’apprendimento per rinforzo profondo, l’inferenza causale e la clonazione del comportamento per modellare come le decisioni di cura si svolgono nella pratica.

Questo differisce notevolmente dai sistemi di intelligenza artificiale sanitaria convenzionali che si basano principalmente su set di dati statici o ricerche pubblicate. Invece di prevedere la prossima parola in una frase, Knit sta cercando di prevedere le decisioni operative di cura all’interno dei sistemi sanitari.

Secondo l’azienda, il sistema può adattarsi alle dinamiche operative specifiche di singoli ospedali, compresi gli schemi di invio ad altri servizi di cura, le limitazioni di personale e le strutture di flusso di lavoro.

Costruire uno strato di infrastruttura per gli ospedali

Knit Health sta posizionando la sua piattaforma come uno strato di intelligenza fondamentale per le operazioni sanitarie, piuttosto che come un’applicazione autonoma.

L’azienda afferma che i suoi modelli sono inizialmente impiegati per il triage, l’ottimizzazione del flusso dei pazienti, la previsione della dimissione, la gestione degli invii ad altri servizi di cura e le iniziative di miglioramento della qualità. Nel tempo, l’obiettivo più ampio sembra essere quello di incorporare l’intelligenza artificiale nell’infrastruttura operativa sottostante quasi ogni flusso di lavoro clinico.

Questo si allinea con un più ampio cambiamento in atto nel settore dell’intelligenza artificiale sanitaria, dove le aziende stanno sempre più puntando sull’inefficienza operativa piuttosto che concentrarsi solo sulla diagnostica o sugli assistenti conversazionali.

I sistemi sanitari continuano a lottare con problemi come i ritardi negli invii ad altri servizi di cura, le pipeline di assistenza specialistica sovraccariche, la pianificazione inefficiente e la coordinazione frammentata tra i dipartimenti. Questi problemi operativi spesso influiscono direttamente sugli esiti dei pazienti nonostante i progressi nella conoscenza clinica e nella disponibilità di trattamenti.

La strategia di Knit suggerisce che i futuri sistemi di intelligenza artificiale sanitaria potrebbero diventare meno concentrati sul sostituire i medici e più concentrati sull’orchestrare i sistemi complessi che circondano l’assistenza ai pazienti.

Il ruolo in espansione di Truveta nell’intelligenza artificiale sanitaria

La partnership tra Knit e Truveta riflette anche l’importanza crescente dei grandi set di dati clinici del mondo reale nello sviluppo dell’intelligenza artificiale sanitaria.

Truveta ha costruito una delle più grandi raccolte di dati clinici de-identificati negli Stati Uniti, rappresentando oltre 130 milioni di pazienti in una rete di importanti sistemi sanitari. L’azienda si è sempre più posizionata come un fornitore di infrastrutture chiave per la ricerca e l’intelligenza operativa guidata dall’intelligenza artificiale.

Man mano che più aziende di intelligenza artificiale sanitaria cercano l’accesso ai dati clinici longitudinali piuttosto che ai set di dati isolati, partnership come questa potrebbero diventare sempre più importanti per lo sviluppo e la distribuzione dei modelli.

Il futuro dell’intelligenza artificiale comportamentale in medicina

Il lancio di Knit Health evidenzia una più ampia evoluzione nell’intelligenza artificiale sanitaria: una transizione dai sistemi addestrati principalmente sulla conoscenza medica ai sistemi addestrati sul comportamento istituzionale.

Se sarà di successo, questa categoria di intelligenza artificiale comportamentale potrebbe eventualmente aiutare gli ospedali a standardizzare l’erogazione di cure di alta qualità in grandi organizzazioni, riducendo al contempo l’attrito operativo che contribuisce al burnout dei clinici e al ritardo nel trattamento.

L’approccio potrebbe anche influenzare come i futuri sistemi di intelligenza artificiale saranno sviluppati in altri settori in cui i flussi di lavoro istituzionali e la coordinazione umana contano tanto quanto la documentazione formale.

Per il settore sanitario in particolare, le implicazioni a lungo termine vanno oltre l’automazione. I sistemi in grado di apprendere da milioni di percorsi dei pazienti nel mondo reale potrebbero eventualmente aiutare a identificare modelli operativi associati a migliori esiti, consentendo ai sistemi sanitari di raffinare continuamente l’erogazione delle cure in base al comportamento osservato piuttosto che solo alle linee guida statiche.

Antoine è un leader visionario e socio fondatore di Unite.AI, animato da una passione incrollabile per plasmare e promuovere il futuro dell’IA e della robotica. Imprenditore che ha fondato diverse aziende, ritiene che l’IA trasformerà la società quanto l’elettricità e parla spesso con entusiasmo del potenziale delle tecnologie dirompenti e dell’intelligenza artificiale generale (AGI).

In qualità di futurologo, si dedica a esplorare come queste innovazioni plasmeranno il nostro mondo. È inoltre il fondatore di Securities.io, una piattaforma incentrata sugli investimenti in tecnologie all’avanguardia che stanno ridefinendo il futuro e trasformando interi settori.