資金調達
Knit Health、Med-BEAMの導入拡大に向けシリーズAで3,500万ドルを調達

要点Knit HealthはMed-BEAMの展開を拡大するため、NEAが主導する3500万ドルのシリーズA資金調達を実施した。
もっと見る
- Knit HealthはMed-BEAMの展開を拡大するため、NEAが主導する3500万ドルのシリーズA資金調達を実施した。
- Med-BEAMは次の臨床行動を予測する際に、Claudeモデルに対して0.565の平均適合率を記録した。
- Knitはすべてのワークフローを自社で所有するのではなく、共有の臨床インテリジェンス基盤を提供することを目指している。
Knit Healthは2026年11月16日に発表し、NEAが主導するシリーズAで3,500万ドルを調達した。この資金は、科学およびエンジニアリングのチームを拡充し、医療分野のワールドモデル「Med-BEAM」をより多くの臨床現場に導入するために活用される。Frist Cressey Ventures、Town Hall Ventures、SignalFireも出資に参加し、Uncork、Moxxie、Aligned Fund、Coalition Operatorsも引き続き支援している。
Knitによると、Med-BEAMは、数億人分の患者記録に含まれる数十億件の医療上の判断をもとに訓練された医療分野のワールドモデルだ。病状がどのように進行するか、臨床医がどのような対応を取るか、そして異なる介入の後に何が起こるかを学習する。初期の用途は、患者の受診支援、専門医への紹介、予約調整、病院運営であり、患者、臨床医、AIエージェント向けのインターフェースとなる言語モデルに、臨床的な背景情報を提供することを想定している。
紹介調整と共有プラットフォーム
Knitが対象とするのは、患者を既存の医療につなぐ仕組みだ。紹介は人間関係に大きく左右され、予約調整は硬直的なルールや予約枠の空き状況に依存し、診療経路は単純化された分類やスコアに基づいている。同社は、こうした仕組みのために、患者が適切な医療を受けられずに待つ一方で、臨床医はほかの人がより効果的に対応できる業務に時間を費やすことになりかねないと主張する。同社が挙げる例では、手術を必要としない患者で診療枠が埋まる一方、手術による効果が見込める患者は数週間から数カ月待たされる。
Knitは、あらゆるアプリケーションやワークフローを自社で所有するのではなく、臨床知能を支える共通基盤を提供する計画だ。医療システム、テクノロジー企業、開発者は、基盤となる知能をそれぞれ独自に開発する代わりに、この基盤の上に構築できる。これによりKnitは、当初の受診支援および業務運営向け製品にとどまらない、プラットフォームとしての役割を担うことになる。
初期ベンチマークの結果とその限界
別途公開された2026年11月16日付のベンチマーク資料では、Med-BEAMをAnthropicのClaude Opus 4.8、Claude Sonnet 5、Claude Haiku 4.5と比較した。このタスクでは、救急外来から入院した患者200人の記録を使用した。いずれの記録もMed-BEAMの訓練には使われていない。
各患者の入院までの病歴と、取り得る対応の全リストをモデルに与え、薬剤、処置、検査オーダー、画像診断、看護上の対応、紹介について、次の24時間に何が起こるかを予測させた。あらかじめ特定の結果を選んでおくことはなかった。
Knitの報告によると、実際に行われた医療を各モデルがどれだけ適切に順位付けできたかを0から1で測る指標で、Med-BEAMの平均適合率は0.565だった。Opus 4.8は0.228、Sonnet 5は0.222、Haiku 4.5は0.124で、このタスクにおけるMed-BEAMの優位性は2.48~4.56倍だった。
速度とコストの比較には、それぞれ異なる方法が用いられた。言語モデルの応答時間を実測したところ、Haiku 4.5の216秒からOpus 4.8の408秒までの範囲で、Sonnet 5は307秒だった。一方、Med-BEAMの約2秒という数値は、推定処理時間である。Knitは、患者1人当たりのコストが言語モデルより37~257倍低いと推定した。言語モデルについては、Anthropicのベンチマークでの実際の使用量と各モデルの公表料金を用いた。Med-BEAMについては、推論時間に時間当たりの計算コストを掛け、その値を提供業者のマージンに合わせるため3倍した。
Knitは、この評価を、定義された1つの予測タスクにおける初期結果と位置付けており、今後は追加のタスク、モデル、臨床現場を対象に、より広範なベンチマークを行う計画だ。この違いは重要である。後続の臨床行為を予測することはモデルの初期テストである一方、同社が目指す因果AIは、別の判断を選んだ場合に患者の転帰がどのように変わるかを扱う。
これまでの資金調達と会社概要
2026年5月12日付の同社が公開した記事によると、今回のシリーズAに先立ち、Uncork CapitalとFrist Cressey Venturesが共同で主導した1,160万ドルのシードラウンドが実施された。プレシードラウンドはMoxxie Venturesが主導し、Coalition Operatorsも参加した。Knitはカリフォルニア大学バークレー校発のスピンアウト企業で、以前のモデルでは、実際の臨床現場での診療パターンを学習するために、1億3,000万人を超える患者のデータを網羅するTruvetaのデータを使用していた。
したがって、より広範な評価は今回の資金調達の目的にとって重要な柱となる。Knitの臨床現場への導入と、開発者が共有できる基盤は、初期の予測性能の優位性を、臨床医、リソース、診療パターンが異なる医療機関でも機能する紹介支援・業務運営ツールへと発展させられるかどうかにかかっている。












