Finansowanie
TestDynamics pozyskuje 9 mln dolarów na ocenę AI w obrazowaniu medycznym dzięki finansowaniu w rundzie A

Kluczowe punktySatori ocenia algorytmy obrazowania na własnych badaniach każdego szpitala przed…
Zobacz więcej
- Satori ocenia algorytmy obrazowania na własnych badaniach każdego szpitala przed podjęciem decyzji o zakupie.
- TestDynamics twierdzi, że ocena musi pochodzić spoza modelu, a nie od dostawców algorytmów.
- Satori Edge anonimizuje badania w sieci szpitala i kieruje je wyłącznie do włączonych dostawców.
TestDynamics pozyskała 9 mln dolarów finansowania w rundzie A, której przewodził Healthier Capital, przy strategicznym udziale Cedars-Sinai Technology Ventures. Firma z siedzibą w Austin przeznaczy te środki na rozwój Satori — niezależnej od dostawców platformy, która ocenia algorytmy AI do obrazowania medycznego i włącza ich wyniki do istniejących procesów pracy radiologów.
Finansowanie ma pomóc rozwiązać problem, który nasila się wraz z wdrażaniem przez szpitale coraz większej liczby rozwiązań AI: wybór algorytmu to dopiero początek. Systemy opieki zdrowotnej muszą również ustalić, jak działa on w przypadku ich pacjentów, połączyć go z oprogramowaniem klinicznym i sprawdzić, czy po wdrożeniu nadal przynosi użyteczne rezultaty.
TestDynamics informuje, że Satori jest już wykorzystywane klinicznie w kilku spośród dziesięciu najwyżej notowanych amerykańskich ośrodków medycznych. Firma planuje rozbudować zespół ds. walidacji klinicznej, wdrożyć platformę w większej liczbie systemów opieki zdrowotnej oraz rozszerzyć możliwości oceny i koordynacji na kolejne podspecjalizacje obrazowania. W komunikacie nie podano nazw tych ośrodków ani wyceny firmy.
Warstwa oceny dla konkurujących algorytmów obrazowania
Rozwiązania AI do obrazowania medycznego często są wyspecjalizowane. Jedno narzędzie może wykrywać podejrzenie krwawienia w tomografii komputerowej głowy, inne mierzyć struktury na obrazach MRI albo wskazywać możliwe złamania na zdjęciu rentgenowskim. Zakup kilku narzędzi może oznaczać, że radiolodzy muszą porównywać osobne interfejsy, wyniki i deklaracje dostawców dotyczące skuteczności ich rozwiązań.
Satori działa jako warstwa nadrzędna wobec tych narzędzi, zamiast konkurować z nimi jako kolejny wyspecjalizowany algorytm diagnostyczny. TestDynamics nazywa swoje podejście Amalgamated Intelligence: polega ono na ocenie wyników z wielu systemów i uporządkowaniu ich w klinicznym widoku, w którym ustalono priorytety. Firma informuje, że porównuje algorytmy zarówno z wynikami referencyjnymi, często określanymi jako ground truth, jak i z konkurencyjnymi produktami.
„Ocena musi pochodzić spoza modelu” — powiedział w komunikacie założyciel i dyrektor generalny Lior Eshel. Jego zdaniem szpitale potrzebują podmiotu oceniającego, którego rola jest niezależna od firm sprzedających algorytmy.
Opis platformy uzupełnia to podejście o praktyczny szczegół: zanim klinicyści i kierownictwo dokonają wyboru, potencjalne narzędzia są testowane na własnych, pozbawionych danych identyfikujących badaniach obrazowych placówki. Uzyskane wyniki stanowią lokalny punkt odniesienia dla późniejszego monitorowania. Skuteczność modelu w innych miejscach dostarcza użytecznych informacji, ale lokalna ocena pozwala sprawdzić, czy te informacje przekładają się na rzeczywiste obciążenie pracą w zakresie obrazowania w danym szpitalu.
Jak Satori łączy się ze szpitalnymi systemami obrazowania
Komponentem integracyjnym jest Satori Edge — usługa instalowana w sieci szpitalnej. Zgodnie z przeglądem technicznym dla zespołów IT TestDynamics usługa odbiera badania z systemu archiwizacji i komunikacji obrazów, czyli PACS, oraz routerów DICOM. PACS przechowuje i pobiera obrazy medyczne, a DICOM to standard służący do wymiany tych obrazów i powiązanych z nimi informacji.
Satori Edge usuwa dane identyfikujące z badań i szyfruje je, zanim opuszczą sieć, kieruje je wyłącznie do włączonych dostawców AI, a następnie łączy otrzymane wyniki z właściwym pacjentem na miejscu. TestDynamics informuje, że usługa korzysta z połączeń wychodzących, a umowy z dostawcami zabraniają przechowywania danych pacjentów lub wykorzystywania ich do trenowania modeli.
Taka architektura zapewnia szpitalowi jedno połączenie, za pośrednictwem którego może wdrażać nowe narzędzia lub zastępować dotychczasowe. Ujednolica również kwestie umowne: TestDynamics zawiera umowy z dostawcami bazowych rozwiązań AI, w tym umowy z partnerami biznesowymi. Określają one odpowiedzialność za przetwarzanie chronionych informacji zdrowotnych, natomiast połączenie techniczne służy do przesyłania badań i wyników.
Jeden spójny widok, a decyzję o wynikach podejmują radiolodzy
Określenie „jeden wynik” może sugerować, że odpowiedzi kilku systemów AI są łączone w nową diagnozę. Dokumentacja Satori View opisuje bardziej szczegółowy przebieg pracy: poszczególne wyniki są prezentowane w postaci nadanej im przez algorytm, który je wygenerował, i uporządkowane w spójnym widoku dostępnym podczas odczytu badania.
Sekcje kliniczne mogą wybierać, które wyniki są widoczne i w jakiej kolejności. Radiolodzy zatwierdzają informacje, które trafiają do przeglądarki obrazów lub projektu opisu. Oznaczenia priorytetu z dopuszczonych do użytku narzędzi do segregacji przypadków mogą być również przekazywane do list roboczych, a śledzenie dalszych działań pomaga utrzymać widoczność przypadkowych znalezisk aż do ich uwzględnienia.
To rozróżnienie ma znaczenie dla odpowiedzialności. Radiolog musi wiedzieć, które narzędzie wygenerowało dany wynik, i zdecydować, czy go zaakceptować. Ograniczenie liczby elementów w interfejsie jest przydatne, ale równie ważna jest możliwość przeanalizowania i odrzucenia wyniku.
Monitorowanie skuteczności po uruchomieniu systemu
Satori Governance rozszerza ocenę na bieżące działanie systemu. TestDynamics informuje, że rozwiązanie śledzi skuteczność względem punktu odniesienia ustalonego dla każdego szpitala, monitoruje użycie, porównuje wyniki AI z końcowymi opisami i gromadzi informacje o akceptacji, nadpisywaniu oraz niezgodzie radiologów. Kierownictwo może wykorzystać te dane, by zdecydować, czy pozostawić narzędzie, zastąpić je czy rozszerzyć jego zastosowanie.
Monitorowanie ma ujawniać dryf, czyli zmianę skuteczności po zmianie warunków, w jakich działa model. Modernizacje skanerów, inne protokoły obrazowania, nowe populacje pacjentów lub zaktualizowane wersje modelu mogą być powodem do sprawdzenia, czy wcześniejsza ocena nadal ma zastosowanie.
Zgodność z końcowym opisem jest użytecznym sygnałem, ale nie jest automatycznie równoznaczna z niezależnie ustalonym wzorcem referencyjnym. Analiza rozbieżności i określenie wiarygodnych przypadków referencyjnych nadal pozostają ważnymi elementami walidacji klinicznej. Nacisk położony w finansowaniu na rozbudowę zespołu walidacyjnego odzwierciedla pracę ludzi stojącą za tą infrastrukturą.
Finansowanie infrastruktury dla klinicznej sztucznej inteligencji
Zapotrzebowanie na zewnętrzną ocenę wykracza poza obrazowanie. Komentarz opublikowany w 2024 roku w Nature Medicine na temat walidacji klinicznej wskazywał na potrzebę ustanowienia bardziej rygorystycznych standardów dowodowych dla dopuszczonych do użytku narzędzi AI w ochronie zdrowia. Unite.ai opisywało również niezależne testowanie AI w ochronie zdrowia, co odzwierciedla szersze dążenie do oceny systemów na podstawie dowodów wykraczających poza deklaracje ich twórców.
Udział Healthier Capital wspiera tezę, że potrzebna jest infrastruktura umożliwiająca szpitalom zmianę dostawców AI bez konieczności przebudowy ich systemów klinicznych przy każdej takiej zmianie. Cedars-Sinai Technology Ventures wnosi do rundy inwestora z doświadczeniem w komercjalizacji rozwiązań z zakresu ochrony zdrowia; TestDynamics wskazuje również, że uczestniczył w programie Cedars-Sinai Accelerator w 2023 roku.
Dla TestDynamics szansą jest przekształcenie oceny, integracji i nadzoru klinicznego w usługę świadczoną stale, zamiast realizowania odrębnych projektów dla każdego algorytmu. Finansowanie w wysokości 9 milionów dolarów pomoże firmie rozbudować tę warstwę, a jej wartość będzie ostatecznie zależeć od tego, czy szpitale uzyskają jaśniejsze dowody dotyczące używanych narzędzi i bardziej praktyczny przepływ informacji dla radiologów.












