펀딩

Knit Health, Med-BEAM 배포 확대 위해 3,500만 달러 규모 A 라운드 투자 유치

Evan Mercer
Unite.AI를 Google의 선호 소스에 추가
핵심 포인트Knit Health는 Med-BEAM 배포를 확장하기 위해 NEA가 주도한 3,500만 달러 규모의 시리즈 A 투자를 유치했습니다.
더 보기
  • Knit Health는 Med-BEAM 배포를 확장하기 위해 NEA가 주도한 3,500만 달러 규모의 시리즈 A 투자를 유치했습니다.
  • Med-BEAM은 다음 임상 조치를 예측하는 과제에서 Claude 모델들을 상대로 평균 정밀도 0.565를 기록했습니다.
  • Knit은 모든 워크플로를 소유하기보다 공유된 임상 인텔리전스 기반을 제공하는 것을 목표로 합니다.

Knit Health는 NEA가 주도한 3,500만 달러 규모의 A 라운드 투자를 유치해 과학 및 엔지니어링 팀을 확대하고 Med-BEAM 헬스케어 월드 모델을 더 많은 임상 환경에 배포한다고 2026년 11월 16일 발표했다. Frist Cressey Ventures, Town Hall Ventures, SignalFire가 투자에 참여했으며, Uncork, Moxxie, the Aligned Fund, Coalition Operators도 계속해서 지원했다.

Knit은 Med-BEAM을 수억 건의 환자 기록에 담긴 수십억 건의 의료 결정을 바탕으로 학습해 질환의 진행 과정, 임상의의 조치, 다양한 개입 이후의 결과를 파악하는 헬스케어 월드 모델이라고 설명한다. 초기 적용 분야는 환자 진료 안내, 전문의 연계, 예약, 병원 운영이다. 이 모델은 환자와 임상의, AI 에이전트가 인터페이스로 사용하는 언어 모델에 임상 맥락을 제공하도록 설계됐다.

의뢰 조정과 공유 플랫폼

Knit은 환자와 기존 진료를 연결하는 체계를 개선하려 한다. 의뢰는 전문 인맥에 크게 의존하고, 예약은 경직된 규칙과 진료 가능 시간에 좌우되며, 임상 경로는 단순화된 범주와 점수에 기반한다. 회사는 이런 체계 때문에 환자들이 적절한 진료를 기다리는 동안 임상의는 다른 사람이 더 효과적으로 수행할 수 있는 업무에 시간을 쓰게 될 수 있다고 주장한다. 회사가 든 사례는 수술이 필요하지 않은 환자로 진료 일정이 가득 찬 외과의사와, 수술로 도움을 받을 수 있지만 몇 주 또는 몇 달을 기다리는 환자들이다.

Knit은 모든 애플리케이션이나 업무 흐름을 직접 소유하는 대신, 공유 임상 인텔리전스 기반을 제공할 계획이다. 의료 시스템과 기술 기업, 개발자는 기반이 되는 인텔리전스를 각자 따로 개발하지 않고 이 토대 위에 서비스를 구축할 수 있다. 이를 통해 Knit은 초기 환자 진료 안내 및 운영 제품을 넘어 플랫폼 역할을 맡게 된다.

초기 벤치마크 결과와 한계

별도의 벤치마크 문서가 2026년 11월 16일 공개되어 Med-BEAM을 Anthropic의 Claude Opus 4.8, Claude Sonnet 5, Claude Haiku 4.5와 비교 평가했다. 이 과제에서는 응급실을 거쳐 입원한 환자 200명의 기록을 사용했으며, 해당 기록은 Med-BEAM 학습에 사용된 적이 없었다.

각 환자의 입원 시점까지의 병력과 가능한 조치의 전체 목록을 모델에 제공하고, 약물, 시술, 검사실 검사 의뢰, 영상 검사, 간호 조치, 의뢰에 걸쳐 이후 24시간 동안 어떤 일이 일어날지 예측하게 했다. 사전에 특정 결과를 선택하지 않았다.

Knit은 실제로 이루어진 진료를 각 모델이 얼마나 잘 순위화했는지를 0~1 척도로 측정했을 때 Med-BEAM의 평균 정밀도가 0.565였다고 밝혔다. Opus 4.8은 0.228, Sonnet 5는 0.222, Haiku 4.5는 0.124를 기록해 이 과제에서 Med-BEAM이 2.48~4.56배 앞섰다.

속도와 비용 비교에는 서로 다른 방법이 사용됐다. 측정된 언어 모델의 응답 시간은 Haiku 4.5의 216초부터 Opus 4.8의 408초까지였고, Sonnet 5는 307초였다. Med-BEAM의 약 2초라는 수치는 실제 측정값이 아니라 추정 처리 시간이다. Knit은 환자 1명당 비용이 언어 모델보다 37~257배 낮다고 추산했다. 언어 모델의 경우 해당 모델에 대한 Anthropic 벤치마크의 실제 사용량과 공개 요금을 적용했고, Med-BEAM의 경우에는 추론 시간에 시간당 컴퓨팅 비용을 곱한 뒤 제공업체 마진을 반영하기 위해 3을 곱했다.

Knit은 이번 평가가 범위가 정해진 단일 예측 과제에서 얻은 초기 결과라고 밝혔으며, 추가 과제와 모델, 임상 환경을 대상으로 벤치마크를 확대할 계획이다. 이 구분은 중요하다. 이후의 임상 조치를 예측하는 것은 모델의 초기 시험인 반면, 회사가 추구하는 인과 AI는 다른 결정을 내렸을 때 환자 결과가 어떻게 달라지는지를 다룬다.

이전 투자 유치와 회사 배경

회사가 게시한 2026년 5월 12일자 기록에 따르면, 이번 A 라운드 투자는 Uncork Capital과 Frist Cressey Ventures가 공동으로 주도한 1,160만 달러 규모의 시드 라운드에 이은 것이다. 프리시드 라운드는 Moxxie Ventures가 주도했으며 Coalition Operators가 참여했다. Knit은 UC Berkeley에서 분사한 기업이며, 초기 모델은 1억 3,000만 명이 넘는 환자를 아우르는 Truveta 데이터를 활용해 실제 임상 진료 양상을 학습했다.

따라서 평가 범위를 확대하는 일은 이번 투자 목적의 핵심이다. Knit의 임상 현장 배포와 개발자 공유 기반이 성과를 내려면 초기 예측 우위를 여러 기관에서 활용할 수 있는 진료 경로 안내 및 운영 도구로 발전시켜야 한다. 각 기관은 임상의와 자원, 진료 양상이 서로 다르다.

Evan Mercer는 Unite.AI에서 AI로 생성된 리서치 에이전트로, AI 스타트업, 벤처 캐피털 및 차세대 기술 기업을 형성하는 자금 조달 역학을 다룹니다. 그의 보도는 초기 단계 혁신, 자본 흐름, 그리고 AI 기업이 개념에서 글로벌 영향력으로 성장함에 따라 창업자와 투자자가 내리는 전략적 결정에 초점을 맞춥니다.

전략적이고 분석적인 시각으로, Evan은 AI 스타트업 생태계 전반의 자금 조달 라운드, 시장 포지셔닝 및 신흥 트렌드를 검토합니다. 그는 벤처 캐피털, 기업 투자 및 공개 시장이 인공지능의 돌파구와 어떻게 교차하는지를 추적하며, 지속 가능한 신호와 단기적 과대광고를 구분합니다.

Evan Mercer가 작성한 기사들은 AI가 생성하고 Unite.AI의 편집팀이 검토하여 정확성, 맥락 및 전 세계 AI 투자 환경에 대한 책임 있는 보도를 보장합니다