Aidoc pozyskuje 150 mln dolarów w serii E na rozwój klinicznej AI w systemach opieki zdrowotnej

Firma Aidoc, specjalizująca się w sztucznej inteligencji klinicznej, zabezpieczyła 150 milionów dolarów w ramach rundy finansowania serii E, pod przewodnictwem Goldman Sachs Alternatives (GS ), gdy systemy opieki zdrowotnej coraz częściej szukają rozwiązań wykraczających poza izolowane narzędzia sztucznej inteligencji i zmierzają ku zintegrowanym, platformom obejmującym całą organizację.

W rundzie finansowania uczestniczą również General Catalyst, SoftBank Investment Advisors oraz NVentures, co zwiększa łączne finansowanie spółki do ponad 500 milionów dolarów. Zbiórka ta odbywa się w czasie, gdy szpitale są pod wpływem rosnącej presji, aby rozwiązać problemy z błędami diagnostycznymi, brakami kadrowymi oraz rosnącymi objętościami obrazowania – czynniki, które przyczyniają się do setek tysięcy niepotrzebnych zgonów rocznie w Stanach Zjednoczonych.

Od rozwiązań punktowych do sztucznej inteligencji na poziomie systemowym

Przez lata sztuczna inteligencja w ochronie zdrowia była wdrażana głównie jako narzędzia o pojedynczym przeznaczeniu – algorytmy zaprojektowane do wykrywania jednej choroby na raz. To podejście ma ograniczony wpływ, szczególnie w środowiskach, w których klinicyści muszą interpretować ogromne ilości danych obrazowych dotyczących wielu chorób.

Aidoc jest częścią szerszego trendu w kierunku systemów napędzanych przez modele podstawowe, które mogą działać w różnych modalnościach i przypadkach użycia. Ich własny model podstawowy CARE™ jest zaprojektowany do analizy danych klinicznych o wielu modalnościach i rozszerzania pokrycia sztucznej inteligencji na wiele patologii z jednej architektury.

Ten trend odzwierciedla to, co już nastąpiło w innych obszarach sztucznej inteligencji: przechodzenie od wąskich narzędzi do uogólnionych systemów, które mogą wspierać złożone przepływy pracy.

Budowanie systemu operacyjnego dla sztucznej inteligencji klinicznej

Centralnym elementem podejścia Aidoc jest ich platforma dla całej organizacji, aiOS™, która funkcjonuje jako warstwa orchestracji sztucznej inteligencji klinicznej. Zamiast wdrażania poszczególnych algorytmów w izolacji, aiOS integruje sztuczną inteligencję bezpośrednio z infrastrukturą szpitala, w tym systemami obrazowania i elektronicznymi kartotekami pacjentów.

Platforma umożliwia jednoczesne uruchamianie wielu algorytmów na jednym skanie, nadawanie priorytetu pilnym ustaleniom oraz prezentowanie zarówno oczekiwanych nieprawidłowości, jak i zmian wykrytych przypadkowo. Ta warstwa orchestracji jest zaprojektowana do redukowania luk diagnostycznych oraz poprawy wydajności przepływu pracy.

Wprowadza również mechanizmy zarządzania – takie jak walidacja, monitorowanie i śledzenie wydajności – które stają się coraz bardziej niezbędne, gdy systemy sztucznej inteligencji wchodzą do regulowanych środowisk klinicznych.

Skalowanie sztucznej inteligencji w prawdziwych środowiskach klinicznych

Technologia Aidoc jest już wdrożona w znacznym stopniu, analizując dziesiątki milionów przypadków pacjentów rocznie i wspierając świadczenie opieki w tysiącach szpitali na całym świecie.

Ich systemy są wykorzystywane w czasie rzeczywistym w środowiskach klinicznych, szczególnie w radiologii, gdzie sztuczna inteligencja może wskazywać pilne ustalenia i przyspieszać decyzje dotyczące triażu. Najnowsze doniesienia opisują zastosowania od wykrywania obrażeń wewnętrznych po ustalanie priorytetu nagłych przypadków na podstawie danych obrazowych.

Ten poziom wdrożenia odzwierciedla przejście od eksperymentowania do uzależnienia operacyjnego – gdzie sztuczna inteligencja nie jest już dodatkiem, ale częścią podstawowej infrastruktury klinicznej.

Następna faza: kompleksowe kliniczne przepływy pracy

Nowe finansowanie wesprze rozwój modelu podstawowego Aidoc i posunięcie się dalej w kierunku pełnych przepływów pracy. Jednym z kluczowych obszarów rozwoju jest automatyczne tworzenie roboczych wersji raportów, zmierzająca do przeniesienia sztucznej inteligencji z wykrywania do pełnego udziału w przepływie pracy klinicznej.

Ten kierunek sugeruje przyszłość, w której systemy sztucznej inteligencji nie tylko wyróżniają nieprawidłowości, ale mogą coraz częściej strukturyzować, podsumowywać i umieszczać w kontekście ustalenia dla klinicystów.

W praktyce mogłoby to skrócić czas między skanowaniem, diagnozą a leczeniem, a także zmniejszyć obciążenie poznawcze personelu medycznego.

Ku autonomicznemu wsparciu decyzji klinicznych

Co się wyłania, to przejście od fragmentarycznych narzędzi sztucznej inteligencji do zintegrowanych systemów, które funkcjonują jako infrastruktura w ochronie zdrowia.

Podczas dojrzewania tych platform ich wartość będzie coraz bardziej pochodzić z tego, jak koordynują one działania między departamentami, standaryzują podejmowanie decyzji i redukują zmienność w opiece. Wyzwaniem technicznym nie jest już tylko budowanie dokładnych modeli – ale upewnienie się, że te modele mogą działać niezawodnie w złożonych środowiskach szpitalnych, pod ścisłą kontrolą regulacyjną.

Wraz z czasem różnica między “wspieraną przez sztuczną inteligencję” a “standardową” opieką może zacząć zanikać. Zamiast być widocznym narzędziem, sztuczna inteligencja mogłaby stać się podstawową warstwą, która ciągle interpretuje dane, flaguje ryzyko i wspiera klinicystów w czasie rzeczywistym.

Jeśli ten trend utrwali się, poprawa dokładności diagnostycznej i wyników pacjentów może nie wynikać z jednej przełomowej funkcji, ale z kumulatywnego efektu sztucznej inteligencji cicho wbudowanej w cały kliniczny przepływ pracy.