Financiering
Onderzoeker van Carnegie Mellon haalt 35 miljoen dollar op voor werk aan klinische intelligentie

Belangrijkste puntenXlue haalde $35 miljoen op voor een gezondheidstoestandmodel dat patiënttrajecten…
Meer weergeven
- Xlue haalde $35 miljoen op voor een gezondheidstoestandmodel dat patiënttrajecten abstraheert in plaats van tokens.
- Xlue beweert dat zijn model frontier-tokengebaseerde systemen versloeg in blinde evaluaties tegen minder dan 0,1% van de rekenkosten.
- Xlue voert prospectieve studies naar ziekterisico's en simulaties van geneesmiddelindicaties uit om reële waarde te bewijzen.
Xlue maakte op 18 november 2026 bekend dat een onderzoeker van Carnegie Mellon 35 miljoen dollar had opgehaald voor klinische intelligentie. Op dezelfde datum publiceerde het bedrijf een technisch rapport over zijn basismodel voor de menselijke gezondheid, dat is ontworpen om gezondheid te begrijpen, te voorspellen hoe die verandert en te simuleren hoe behandelingen het verloop ervan kunnen beïnvloeden.
Het werk is erop gericht klinische vragen om te zetten in computationele vraagstukken, zodat artsen en wetenschappers mogelijke uitkomsten rekenkundig kunnen verkennen voordat ze handelen. Het model moet leren van de veranderende gezondheid van patiënten, hun reacties op behandelingen en de experimenten en klinische onderzoeken waarmee geneesmiddelen worden ontwikkeld.
Gezondheidstoestanden modelleren in plaats van tokens
Xlue stelt dat modellen die intensief zijn getraind met medische leerboeken en artikelen kennis kunnen demonstreren zonder daarom te kunnen voorspellen wanneer patiënten ziek worden of welke behandeling zal werken. Toegepast op gezondheidsgegevens kunnen tokengebaseerde systemen patiënttrajecten bovendien opdelen in reeksen met ongelijk verdeelde informatie en terugkerende patronen, terwijl ze verschillende beelden van dezelfde persoon met elkaar verstrengelen.
Xlue’s alternatief abstraheert tokens tot gezondheidstoestanden — representaties van gezondheid terwijl die zich ontwikkelt — en behandelacties. Ziekteprogressie, behandelrespons, klinische uitkomsten en interventies worden beschouwd als uitingen van één proces: gezondheid die in de loop van de tijd verandert en acties die het verloop ervan beïnvloeden. Het bedrijf omschrijft dit als een nieuwe aanpak voor pretraining om patiënttrajecten in verschillende populaties te modelleren.
Gerapporteerde evaluaties en simulaties van klinische onderzoeken
Xlue meldt dat zijn model van gezondheidstoestanden effectiever schaalt met gezondheidsgegevens, beter generaliseert bij het modelleren van patiënttrajecten in verschillende populaties en beter presteerde dan geavanceerde tokengebaseerde modellen bij blinde evaluaties door derden, tegen minder dan 0,1% van de rekenkosten.
Het rapport stelt voor het model te gebruiken om klinische onderzoeken offline te simuleren. Een patiëntencohort zou worden gemodelleerd met een geneesmiddelbehandeling en met een controlegroep of standaardzorg; de voorspelde uitkomsten zouden vervolgens worden meegenomen bij de selectie van cohorten, het ontwerp van protocollen en het vaststellen van mogelijke nieuwe indicaties. Xlue presenteert deze aanpak als een manier om geneesmiddelenontwikkelaars te helpen onderzoeken te ontwerpen met een grotere kans op succes, risico’s te beperken en nieuwe toepassingen voor geneesmiddelen te vinden.
Prospectieve onderzoeken en terugkerende verbetering van de gezondheid
Xlue zegt prospectieve onderzoeken naar de voorspelling van ziekterisico’s uit te voeren bij meerdere zorgstelsels ter ondersteuning van preventieve zorg. Ook werkt het samen met farmaceutische bedrijven om met behulp van simulaties van wereldmodellen nieuwe indicaties voor bestaande geneesmiddelen te vinden, als onderdeel van bredere implementatiewerkzaamheden met ziekenhuizen en geneesmiddelenontwikkelaars.
Het langetermijnplan is een gedeeld basismodel dat signalen uit de moleculaire en cellulaire biologie, patiëntenzorg, klinische onderzoeken en de volksgezondheid met elkaar verbindt. Xlue kent het model zeven klinische taken toe: geneesmiddelenontwikkeling, patiëntidentificatie, zorgplanning, precisiegeneeskunde, diagnostisch onderzoek, het vinden van nieuwe indicaties en optimalisatie van klinische onderzoeken.
Het bedrijf noemt de beoogde terugkoppelingslus Recursive Health Improvement. Computationele modellen zouden experimenten in het natlab, klinische onderzoeken en patiëntenzorg ondersteunen en ervan leren, zodat signalen uit de ene fase richting kunnen geven aan andere fasen. Deze projecten geven de financiering een directe klinische context: het zijn de praktijksituaties waarin Xlue moet aantonen dat zijn abstractie van gezondheidstoestanden en simulaties van klinische onderzoeken ook buiten de door het bedrijf gerapporteerde evaluaties bruikbaar zijn.












