Knit Health lanceert met $11,6 miljoen seedfinanciering om AI te bouwen op basis van real-world klinische besluitvorming

Bedrijven in de gezondheidszorg AI hebben zich voornamelijk gericht op het trainen van modellen op medische literatuur, klinische notities en tekstgebaseerde gegevens. Maar Knit Health neemt een andere benadering: het leren van AI-systemen hoe de gezondheidszorg daadwerkelijk functioneert in ziekenhuizen en klinieken.

Het spin-off van de Universiteit van Californië, Berkeley, is uit de stealth-mode gekomen met $11,6 miljoen aan seedfinanciering, geleid door Uncork Capital en Frist Cressey Ventures, met voor-seedsteun van Moxxie Ventures en deelname van Coalition Operators. Het bedrijf zegt dat het kapitaal de ontwikkeling en implementatie van zijn Large Clinical Behavior Model (LCBM) zal ondersteunen, een systeem dat is ontworpen om te leren van de manier waarop clinici beslissingen nemen in echte gezondheidsomgevingen.

In plaats van te functioneren als een traditionele medische chatbot of documentatieassistent, bouwt Knit Health wat het “collectieve klinische intelligentie” noemt – AI getraind op patronen die zijn ingebed in patiënt-routing, verwijzingen, beslissingen over planning, ontslagtiming en zorgcoördinatie-workflows in ziekenhuizen.

Verder gaan dan tekstgebaseerde gezondheidszorg AI

De meeste generatieve AI-systemen in de gezondheidszorg zijn fundamenteel taalmodellen. Ze excelleren in het samenvatten van dossiers, het genereren van notities of het beantwoorden van vragen op basis van gepubliceerde medische kennis.

Knit stelt dat veel van de meest belangrijke operationele beslissingen in de gezondheidszorg niet expliciet zijn geschreven. In plaats daarvan komen ze voort uit jarenlange ervaring van clinici die echte wereldbeperkingen navigeren, zoals de beschikbaarheid van specialisten, verwijzingsbottlenecks, ziekenhuiscapaciteit en patiëntcomplexiteit.

Het LCBM van het bedrijf wordt getraind met Truveta-electronische medische dossiergegevens die meer dan 130 miljoen patiënten omvatten in 30 Amerikaanse gezondheidssystemen. Knit zegt dat het technieken zoals diepe versterking, causale inferentie en gedragskloon gebruikt om te modelleren hoe zorgbeslissingen in de praktijk plaatsvinden.

Dit verschilt aanzienlijk van conventionele gezondheidszorg-AI-systemen die voornamelijk afhankelijk zijn van statische datasets of gepubliceerde onderzoeken. In plaats van het voorspellen van het volgende woord in een zin, probeert Knit operationele zorgbeslissingen in gezondheidssystemen te voorspellen.

Volgens het bedrijf kan het systeem zich aanpassen aan de specifieke operationele dynamiek van individuele ziekenhuizen, waaronder verwijzingspatronen, personeelsbeperkingen en workflow-structuren.

Het bouwen van een infrastructuurlaag voor ziekenhuizen

Knit Health positioneert zijn platform als een fundamentele intelligentielaag voor gezondheidszorgoperaties, in plaats van een zelfstandige toepassing.

Het bedrijf zegt dat zijn modellen aanvankelijk worden ingezet voor triage, patiëntstroomoptimalisatie, ontslagvoorspelling, verwijzingsbeheer en kwaliteitsverbeteringsinitiatieven. Op lange termijn lijkt het bredere doel te zijn om AI te integreren in de operationele infrastructuur onder vrijwel elke klinische workflow.

Dit past bij een bredere verschuiving die plaatsvindt in de gezondheidszorg-AI, waar bedrijven steeds vaker operationele inefficiënties aanpakken in plaats van alleen te focussen op diagnose of conversatie-assistenten.

Gezondheidssystemen blijven worstelen met problemen zoals vertraagde verwijzingen, overvolle specialisatiezorgpijplijnen, inefficiënte planning en gefragmenteerde coördinatie tussen afdelingen. Deze operationele problemen hebben vaak een directe invloed op patiëntresultaten, ondanks vooruitgang in klinische kennis en behandelingbeschikbaarheid.

De strategie van Knit suggereert dat toekomstige gezondheidszorg-AI-systemen minder gefocust kunnen zijn op het vervangen van artsen en meer op het orkestreren van de complexe systemen rondom patiëntenzorg.

Truveta’s uitbreidende rol in gezondheidszorg AI

Knit’s partnership met Truveta weerspiegelt ook de groeiende belangrijkheid van grote, real-world klinische datasets in de ontwikkeling van gezondheidszorg-AI.

Truveta heeft een van de grootste verzamelingen van gedeïdentificeerde klinische gegevens in de Verenigde Staten opgebouwd, met meer dan 130 miljoen patiënten in een netwerk van grote gezondheidssystemen. Het bedrijf heeft zichzelf steeds meer gepositioneerd als een belangrijke infrastructuurprovider voor AI-gedreven gezondheidszorgonderzoek en operationele intelligentie.

Naarmate meer gezondheidszorg-AI-bedrijven toegang zoeken tot longitudinale klinische gegevens in plaats van geïsoleerde datasets, kunnen dergelijke partnerships belangrijker worden voor modelontwikkeling en -implementatie.

De toekomst van gedrags-AI in de geneeskunde

Knit Health’s lancering benadrukt een bredere evolutie in gezondheidszorg-AI: een overgang van systemen getraind op medische kennis naar systemen getraind op institutioneel gedrag.

Als dit succesvol is, kan deze categorie van gedrags-AI uiteindelijk helpen om in ziekenhuizen hoge kwaliteit zorg te standaardiseren, terwijl operationele wrijving die bijdraagt aan clinici-uitputting en vertraagde behandeling wordt verminderd.

Deze benadering kan ook beïnvloeden hoe toekomstige AI-systemen worden ontwikkeld in andere industrieën waar institutionele workflows en menselijke coördinatie even belangrijk zijn als formele documentatie.

Voor de gezondheidszorg in het bijzonder, gaan de langetermijnimplicaties verder dan automatisering. Systemen die kunnen leren van miljoenen echte patiëntreizen, kunnen uiteindelijk helpen om operationele patronen te identificeren die zijn geassocieerd met betere resultaten, waardoor gezondheidssystemen hun zorglevering kunnen blijven verbeteren op basis van waargenomen gedrag in plaats van alleen statische richtlijnen.