Finanțare
Knit Health atrage 35 de milioane de dolari într-o rundă de finanțare de serie A pentru a extinde implementarea Med-BEAM

Puncte cheieKnit Health a strâns o rundă de finanțare Seria A de 35 de milioane de dolari condusă…
Vezi mai mult
- Knit Health a strâns o rundă de finanțare Seria A de 35 de milioane de dolari condusă de NEA pentru a extinde implementările Med-BEAM.
- Med-BEAM a obținut o precizie medie de 0,565 față de modelele Claude la prezicerea următoarelor acțiuni clinice.
- Knit își propune să ofere o fundație comună de inteligență clinică, în loc să dețină fiecare flux de lucru.
Knit Health a anunțat la 16 noiembrie 2026 că a atras 35 de milioane de dolari într-o rundă de finanțare de serie A condusă de NEA, pentru a-și extinde echipele de știință și inginerie și a implementa modelul său mondial pentru domeniul sănătății, Med-BEAM, în mai multe contexte clinice. La rundă au participat și Frist Cressey Ventures, Town Hall Ventures și SignalFire, alături de susținătorii existenți Uncork, Moxxie, the Aligned Fund și Coalition Operators.
Knit descrie Med-BEAM drept un model mondial pentru domeniul sănătății, antrenat pe baza a miliarde de decizii medicale din sute de milioane de fișe ale pacienților, care învață cum evoluează afecțiunile, ce fac medicii și ce urmează după diferite intervenții. Primele aplicații vizează navigarea pacienților, direcționarea către specialiști, programările și operațiunile spitalicești, modelul urmând să furnizeze context clinic alături de modelele lingvistice care funcționează ca interfețe pentru pacienți, medici și agenți de IA.
Coordonarea trimiterilor și o platformă comună
Knit vizează mecanismele care conectează pacienții cu serviciile de îngrijire existente: trimiterile depind în mare măsură de relațiile profesionale, programările — de reguli rigide și de disponibilitatea consultațiilor, iar traseele clinice — de categorii și scoruri simplificate. Compania susține că aceste mecanisme îi pot lăsa pe pacienți în așteptarea îngrijirii potrivite, în timp ce medicii își petrec timpul cu activități pe care alții le-ar putea desfășura mai eficient. De exemplu, clinica unui chirurg poate fi plină de pacienți care nu au nevoie de operație, în timp ce pacienții care ar putea beneficia de o intervenție așteaptă săptămâni sau luni.
Knit intenționează să ofere o bază comună de inteligență clinică, în loc să dețină fiecare aplicație sau flux de lucru. Sistemele de sănătate, companiile de tehnologie și dezvoltatorii ar putea construi pe această bază, în loc să dezvolte fiecare în mod independent inteligența subiacentă, ceea ce i-ar conferi companiei Knit un rol de platformă care depășește produsele sale inițiale pentru navigare și operațiuni.
Primele rezultate ale evaluării comparative și limitele acestora
Documentația separată a evaluării comparative, publicată la 16 noiembrie 2026, a testat Med-BEAM în raport cu Claude Opus 4.8, Claude Sonnet 5 și Claude Haiku 4.5 de la Anthropic. Testul a folosit fișele a 200 de pacienți internați în spital după ce s-au prezentat la departamentul de urgență; niciuna dintre aceste fișe nu fusese folosită la antrenarea Med-BEAM.
Fiecărui model i s-au furnizat istoricul pacientului până la internare și o listă completă de acțiuni posibile, apoi i s-a cerut să prezică ce s-ar întâmpla în următoarele 24 de ore în privința medicației, procedurilor, analizelor de laborator, imagisticii, intervențiilor de îngrijire medicală și trimiterilor. Niciun rezultat anume nu a fost ales în prealabil.
Knit a raportat pentru Med-BEAM o precizie medie de 0,565, folosind o măsură de la 0 la 1 care indică cât de bine a clasat fiecare model îngrijirile medicale acordate efectiv. Opus 4.8 a obținut 0,228, Sonnet 5 a obținut 0,222, iar Haiku 4.5 — 0,124, ceea ce îi conferă Med-BEAM un avantaj de 2,48 până la 4,56 ori în acest test.
Comparațiile privind viteza și costurile au folosit metode diferite. Timpii măsurați de răspuns ai modelelor lingvistice au variat de la 216 secunde pentru Haiku 4.5 la 408 secunde pentru Opus 4.8, iar pentru Sonnet 5 au fost de 307 secunde; cifra de aproximativ două secunde pentru Med-BEAM reprezenta o estimare a timpului de procesare. Knit a estimat că, pentru fiecare pacient, costurile erau de 37 până la 257 de ori mai mici decât în cazul modelelor lingvistice, folosind consumul efectiv din evaluarea comparativă Anthropic și tarifele publicate pentru acele modele, iar pentru Med-BEAM — timpul de inferență și costul orar al calculului, înmulțite cu trei pentru a corespunde marjei furnizorului.
Knit a descris evaluarea drept un rezultat inițial pentru o singură sarcină de predicție bine definită și intenționează să realizeze evaluări comparative mai ample, pentru sarcini, modele și contexte clinice suplimentare. Distincția este importantă: prezicerea acțiunilor clinice ulterioare reprezintă un test timpuriu al modelului, în timp ce obiectivul companiei în domeniul IA cauzale privește modul în care deciziile alternative ar schimba rezultatele pentru pacienți.
Finanțarea anterioară și contextul companiei
Runda de finanțare de serie A urmează unei runde de finanțare seed de 11,6 milioane de dolari, co-conduse de Uncork Capital și Frist Cressey Ventures, potrivit unei relatări publicate de companie și datate 12 mai 2026. Moxxie Ventures a condus runda de finanțare pre-seed, la care a participat și Coalition Operators. Knit este o companie desprinsă din UC Berkeley, iar modelul său anterior a folosit date de la Truveta, care acoperă peste 130 de milioane de pacienți, pentru a învăța tiparele reale ale practicii clinice.
Prin urmare, extinderea evaluării este esențială pentru scopul finanțării: implementările clinice ale Knit și baza comună pentru dezvoltatori depind de transformarea unui avantaj predictiv timpuriu în instrumente de direcționare și operaționale care să funcționeze în instituții cu medici, resurse și tipare de practică diferite.












