Компания Aidoc привлекла 150 миллионов долларов в рамках раунда финансирования серии E для масштабирования клинического ИИ во всей системе здравоохранения

Компания Aidoc, специализирующаяся на клиническом ИИ, Aidoc привлекла 150 миллионов долларов в рамках раунда финансирования серии E, под руководством Goldman Sachs Alternatives, поскольку системы здравоохранения все чаще ищут не изолированные инструменты ИИ, а интегрированные, корпоративные платформы.

В раунд финансирования также приняли участие General Catalyst, SoftBank Investment Advisors и NVentures, что увеличило общий объем финансирования компании до более 500 миллионов долларов. Привлечение средств происходит на фоне растущего давления на больницы для решения проблем диагностических ошибок, нехватки персонала и растущего объема изображений – факторов, которые способствуют сотням тысяч предотвратимых смертей ежегодно в Соединенных Штатах.

От точечных решений к системному ИИ

В течение многих лет ИИ в здравоохранении в основном использовался в качестве однозначных инструментов – алгоритмов, предназначенных для обнаружения одного состояния за раз. Этот подход имеет ограниченное влияние, особенно в средах, где клиницистам необходимо интерпретировать огромные объемы данных изображений по нескольким состояниям.

Aidoc является частью более широкого сдвига в сторону систем, основанных на фундаментальных моделях, которые могут работать с несколькими модальностями и случаями. Ее проприетарная CARE™ фундаментальная модель предназначена для анализа многомодальной клинической информации и расширения покрытия ИИ по нескольким патологиям из одной архитектуры.

Этот сдвиг отражает то, что уже произошло в других областях ИИ: переход от узких инструментов к обобщенным системам, способным поддерживать сложные рабочие процессы.

Создание операционной системы для клинического ИИ

В центре подхода Aidoc находится ее корпоративная платформа, aiOS™, которая функционирует как слой оркестровки клинического ИИ. Вместо развертывания отдельных алгоритмов в изоляции aiOS интегрирует ИИ直接 в инфраструктуру больниц, включая системы изображений и электронные медицинские записи.

Платформа позволяет запускать несколько алгоритмов одновременно на одном скане, ưu tiênствуя срочные находки и выявляя как ожидаемые, так и случайные аномалии. Этот слой оркестровки предназначен для снижения диагностических пробелов, а также для улучшения эффективности рабочих процессов.

Он также вводит механизмы управления – такие как проверка, мониторинг и отслеживание производительности – которые становятся все более необходимыми, поскольку системы ИИ перемещаются в регулируемые клинические среды.

Масштабирование ИИ в реальных клинических средах

Технология Aidoc уже развернута в значительном масштабе, анализируя десятки миллионов случаев пациентов ежегодно и поддерживая оказание медицинской помощи в тысячах больниц по всему миру.

Ее системы используются в режиме реального времени в клинических условиях, особенно в радиологии, где ИИ может флаговать срочные находки и ускорять решения о триаже. Недавние отчеты подчеркивают случаи использования, варьирующиеся от обнаружения внутренних травм до приоритизации экстренных случаев на основе данных изображений.

Этот уровень развертывания отражает переход от экспериментов к операционной зависимости – где ИИ больше не является дополнением, а частью основной клинической инфраструктуры.

Следующий этап: комплексные клинические рабочие процессы

Новое финансирование будет поддерживать расширение фундаментальной модели Aidoc и продвижение в сторону комплексных рабочих процессов. Одним из ключевых направлений развития является автоматическое создание проектов отчетов, направленное на то, чтобы ИИ перешел от обнаружения к полному участию в клинических рабочих процессах.

Это направление предполагает будущее, в котором системы ИИ будут делать больше, чем просто выделять аномалии – они могут все чаще структурировать, суммировать и контекстуализировать находки для клиницистов.

В практическом смысле это может сократить время между сканированием, диагнозом и лечением, а также снизить когнитивную нагрузку на медицинских работников.

К направлению автономной клинической поддержки решений

Что возникает, так это переход от фрагментированных инструментов ИИ к объединенным системам, которые функционируют как инфраструктура внутри здравоохранения.

По мере созревания этих платформ их ценность будет все чаще заключаться в том, как они координируют работу между отделами, стандартизируют принятие решений и снижают вариативность ухода. Техническая задача больше не заключается только в построении точных моделей – это обеспечение того, что эти модели могут работать надежно в сложных больничных средах, под строгим регулирующим контролем.

Со временем различие между “ИИ-ассистированным” и “стандартным” уходом может начать стираться. Вместо того, чтобы быть видимым инструментом, ИИ может стать основным слоем, который постоянно интерпретирует данные, флагует риски и поддерживает клиницистов в режиме реального времени.

Если этот сдвиг произойдет, улучшения в диагностической точности и результатах лечения пациентов могут не прийти от какого-либо одного прорывного функционала, а от кумулятивного эффекта ИИ, который тихо встроен во весь клинический рабочий процесс.