エイドック、シリーズEラウンドで1億5000万ドルを調達し、ヘルスシステム全体に臨床AIを拡大

臨床AI企業のエイドックは、1億5000万ドルをシリーズEラウンドで調達した。調達は、ゴールドマン・サックス・アルテナティブズが主導し、ヘルスケアシステムが単独のAIツールから統合されたエンタープライズワイドなプラットフォームへと移行する中で行われた。

調達には、ジェネラル・カタリスト、ソフトバンク・インベストメント・アドバイザーズ、NVenturesが参加し、会社の総調達額は5億ドルを超えた。調達は、診断ミスの解決、人員不足、画像データの増加などの問題に直面する病院への圧力が高まる中で行われた。これらの要因は、毎年アメリカで数十万件の予防可能な死亡につながっている。

ポイントソリューションからシステム全体のAIへ

数年間、ヘルスケアにおけるAIは主に単一目的のツールとして導入されてきた。特定の病状を検出するように設計されたアルゴリズムである。このアプローチは、特に臨床医が複数の病状に対する大量の画像データを解釈する必要がある環境では、限られた影響しか与えない。

エイドックは、モダリティやユースケースを横断して動作できるファウンデーションモデル駆動のシステムへの移行を牽引する企業の一つである。同社の独自のCARE™ファウンデーションモデルは、多モーダルな臨床データを分析し、単一のアーキテクチャから数多くの病理をカバーするように設計されている。

この移行は、他のAI分野で既に起こっている変化を反映している。狭いツールから複雑なワークフローをサポートできる汎用システムへの移行である。

臨床AIのオペレーティングシステムの構築

エイドックのアプローチの中心にあるのは、同社のエンタープライズプラットフォームであるaiOS™である。aiOSは、臨床AIオーケストレーションレイヤーとして機能し、個々のアルゴリズムを孤立させて導入するのではなく、AIを病院のインフラストラクチャー、画像システムや電子ヘルスレコードに直接統合する。

プラットフォームは、単一のスキャンで複数のアルゴリズムを同時に実行し、緊急性の高い発見を優先し、予想される異常と予期せぬ異常の両方を表面化する。 このオーケストレーションレイヤーは、診断のギャップを減らすと同時にワークフローの効率性を向上させるように設計されている。

また、検証、監視、パフォーマンス追跡などのガバナンスメカニズムを導入する。これらは、AIシステムが規制された臨床環境に導入されるにつれて、ますます必要とされるものである。

実際の臨床環境でのAIのスケーリング

エイドックのテクノロジーは、すでに大規模に展開されており、年間数千万件の患者ケースを分析し、世界中の数千の病院でケアの提供をサポートしている。

同社のシステムは、特に放射線科で実時間の臨床環境で使用されており、AIは緊急性の高い発見をフラグし、トリアージの決定を加速できる。最近の報告では、内部の怪我の検出から画像データに基づいて緊急事案を優先順位付けするまで、さまざまなユースケースが強調されている。

このような展開のレベルは、実験から運用的依存性への移行を反映しており、AIはもはや付加的なものではなく、臨床インフラストラクチャーの核心部分となっている。

次のフェーズ：エンドツーエンドの臨床ワークフロー

新しい資金調達により、エイドックのファウンデーションモデルが拡大し、エンドツーエンドのワークフローにさらに進展する。開発の重要な分野の1つは、自動化された草案レポートの生成であり、AIを検出から臨床ワークフローの完全な参加へと推進することを目指している。

この方向性は、AIシステムが将来、異常を強調するだけでなく、臨床医向けに発見を構造化し、要約し、コンテキスト化するものになることを示唆している。

実用的には、これにより、スキャン、診断、治療の間の時間が短縮され、ヘルスケア専門家の認知負荷が軽減される可能性がある。

自律的な臨床的意思決定サポートへの道

現れつつあるのは、断片的なAIツールから統合されたシステムへの移行であり、これらはヘルスケアのインフラストラクチャーとして機能する。

これらのプラットフォームが成熟するにつれて、その価値は、さまざまな部門を横断して、意思決定を標準化し、ケアの変動性を減らす能力にますます依存するようになる。技術的な課題は、単に正確なモデルを構築することではなく、これらのモデルが複雑な病院環境で厳格な規制の下で信頼性を持って動作することを保証することにある。

時間の経過とともに、「AIアシスト」と「標準ケア」の区別が曖昧になる可能性がある。AIは、見えるツールではなく、データを継続的に解釈し、リスクをフラグし、臨床医をリアルタイムでサポートする、下層のレイヤーになるかもしれない。

そのような変化が起こると、診断の精度と患者結果の改善は、単一の画期的な機能からではなく、臨床ワークフロー全体にAIを静かに組み込むことによる累積的な影響から生じるかもしれない。