Financiamento
Pesquisador da Carnegie Mellon capta US$ 35 milhões para desenvolver inteligência clínica

Pontos-chaveA Xlue levantou 35 milhões de dólares para um modelo de estado de saúde que abstrai…
Ver mais
- A Xlue levantou 35 milhões de dólares para um modelo de estado de saúde que abstrai trajetórias de pacientes em vez de tokens.
- A Xlue afirma que seu modelo superou sistemas de fronteira baseados em tokens em avaliações cegas com menos de 0,1% do custo computacional.
- A Xlue está conduzindo estudos prospectivos de risco de doenças e simulações de indicação de medicamentos para comprovar o valor no mundo real.
A Xlue anunciou em 18 de novembro de 2026 que um pesquisador da Carnegie Mellon havia captado US$ 35 milhões para desenvolver inteligência clínica. Na mesma data, a empresa publicou um relatório técnico que descreve seu modelo fundacional de saúde humana, projetado para compreender a saúde, prever como ela muda e simular como os tratamentos podem alterar seu curso.
O trabalho busca transformar questões clínicas em problemas computacionais, permitindo que médicos e cientistas explorem computacionalmente possíveis resultados antes de agir. O modelo foi concebido para aprender com as mudanças na saúde dos pacientes, suas respostas aos tratamentos e os experimentos e ensaios por meio dos quais os medicamentos são desenvolvidos.
Modelagem de estados de saúde em vez de tokens
A Xlue argumenta que modelos treinados principalmente com livros didáticos e artigos médicos podem demonstrar conhecimento sem necessariamente conseguir prever quando os pacientes adoecerão ou qual tratamento funcionará. Aplicados a dados de saúde, sistemas centrados em tokens também podem dividir as trajetórias dos pacientes em sequências com informações desiguais e padrões repetidos, ao mesmo tempo que entrelaçam diferentes perspectivas sobre uma mesma pessoa.
A alternativa da Xlue abstrai tokens em estados de saúde — representações da saúde à medida que ela evolui — e ações de tratamento. A progressão da doença, a resposta ao tratamento, os resultados clínicos e as intervenções são tratados como expressões de um único processo: a saúde muda ao longo do tempo, e as ações alteram sua trajetória. A empresa descreve essa abordagem como um novo método de pré-treinamento para modelar trajetórias de pacientes em diferentes populações.
Avaliações relatadas e simulações de ensaios clínicos
A Xlue afirma que seu modelo de estados de saúde escala com mais eficácia em dados de saúde, generaliza melhor ao modelar trajetórias de pacientes em diferentes populações e superou modelos de ponta baseados em tokens em avaliações cegas realizadas por terceiros, com menos de 0,1% do custo computacional.
O relatório propõe usar o modelo para simular ensaios clínicos offline. Uma coorte de pacientes seria modelada tanto sob tratamento medicamentoso quanto sob controle ou tratamento padrão, e os resultados previstos seriam usados para orientar a seleção da coorte, o desenho do protocolo e possíveis novas indicações. A Xlue apresenta a abordagem como uma forma de ajudar desenvolvedores de medicamentos a projetar ensaios com maiores taxas de sucesso, mitigar riscos e identificar novos usos para medicamentos.
Estudos prospectivos e melhoria recursiva da saúde
A Xlue afirma que está conduzindo estudos prospectivos de previsão de risco de doenças em vários sistemas de saúde para apoiar os cuidados preventivos. Também está trabalhando com empresas farmacêuticas para identificar novas indicações para medicamentos existentes por meio de simulações de modelos de mundo, como parte de um trabalho mais amplo de implementação com hospitais e desenvolvedores de medicamentos.
O plano de longo prazo é criar um modelo fundacional compartilhado que conecte sinais moleculares, celulares, de pacientes, de ensaios clínicos e de saúde populacional. A Xlue atribui a ele sete tarefas clínicas: descoberta de medicamentos, identificação de pacientes, planejamento do cuidado, medicina de precisão, investigação diagnóstica, descoberta de indicações e otimização de ensaios clínicos.
A empresa chama seu ciclo de feedback previsto de Melhoria Recursiva da Saúde. Modelos computacionais ajudariam e aprenderiam com experimentos em bancada, ensaios clínicos e cuidados aos pacientes, permitindo que sinais de uma etapa informassem as demais. Esses projetos dão à captação de recursos seu contexto clínico imediato: são os cenários do mundo real nos quais a abstração de estados de saúde e as simulações de ensaios da Xlue terão de demonstrar sua utilidade para além das avaliações relatadas pela empresa.












