Финансирование

Исследователь Carnegie Mellon привлёк 35 млн долларов на разработку клинического интеллекта

Evan Mercer
Добавьте Unite.AI в избранные источники в Google
Ключевые моментыXlue привлекла 35 миллионов долларов на модель состояния здоровья, которая абстрагирует…
Показать больше
  • Xlue привлекла 35 миллионов долларов на модель состояния здоровья, которая абстрагирует траектории пациентов вместо токенов.
  • Xlue утверждает, что её модель превзошла передовые токен-ориентированные системы в слепых оценках при менее 0,1% вычислительных затрат.
  • Xlue проводит проспективные исследования риска заболеваний и симуляции показаний к лекарствам, чтобы доказать реальную ценность.

Xlue сообщила 18 ноября 2026 года, что исследователь Carnegie Mellon привлёк 35 млн долларов на разработку клинического интеллекта. В тот же день компания опубликовала технический отчёт о своей базовой модели здоровья человека, созданной для понимания здоровья, прогнозирования его изменений и моделирования того, как лечение может повлиять на его динамику.

Эта работа направлена на преобразование клинических вопросов в вычислительные задачи, чтобы врачи и учёные могли изучать возможные исходы с помощью вычислений до принятия решений. Предполагается, что модель будет обучаться на данных об изменениях здоровья пациентов, их реакции на лечение, а также экспериментах и клинических испытаниях, в ходе которых разрабатываются лекарства.

Моделирование состояний здоровья вместо токенов

Xlue утверждает, что модели, обученные преимущественно на медицинских учебниках и научных статьях, могут демонстрировать знания, но при этом не обязательно способны прогнозировать, когда пациенты заболеют и какое лечение окажется эффективным. При работе с данными о здоровье системы, ориентированные на токены, также могут разбивать траектории пациентов на последовательности с неравномерным объёмом информации и повторяющимися шаблонами, одновременно смешивая разные представления об одном и том же человеке.

В альтернативном подходе Xlue токены преобразуются в состояния здоровья — представления здоровья по мере его изменения — и лечебные воздействия. Развитие заболевания, реакция на лечение, клинические исходы и вмешательства рассматриваются как проявления единого процесса: здоровье меняется со временем, а действия влияют на его траекторию. Компания описывает этот подход как новый метод предварительного обучения для моделирования траекторий пациентов в разных популяциях.

Результаты оценок и моделирование клинических испытаний

По данным Xlue, её модель состояний здоровья эффективнее масштабируется при работе с данными о здоровье, лучше обобщает результаты при моделировании траекторий пациентов в разных популяциях и превзошла передовые модели на основе токенов в слепых оценках, проведённых независимими сторонними организациями, при стоимости вычислений менее 0,1%.

В отчёте предлагается использовать модель для автономного моделирования клинических испытаний. Модель будет прогнозировать исходы для когорты пациентов, получающих лекарственный препарат, а также для контрольной группы или группы стандартного лечения; затем прогнозы будут учитываться при отборе участников, разработке протокола и поиске возможных новых показаний. Xlue представляет этот подход как способ помочь разработчикам лекарств проектировать испытания с более высокой вероятностью успеха, снижать риски и находить новые способы применения препаратов.

Проспективные исследования и рекурсивное улучшение здоровья

По словам Xlue, компания проводит проспективные исследования для прогнозирования риска заболеваний в нескольких системах здравоохранения, чтобы содействовать профилактической помощи. Кроме того, совместно с фармацевтическими компаниями она ищет новые показания для существующих препаратов с помощью симуляций моделей мира в рамках более широкой работы по внедрению решений в больницах и у разработчиков лекарств.

Долгосрочный план предусматривает создание общей базовой модели, объединяющей сигналы на молекулярном, клеточном и пациентском уровнях, а также данные клинических испытаний и популяционного здоровья. Xlue относит к её задачам семь направлений клинической работы: открытие лекарств, выявление пациентов, планирование медицинской помощи, прецизионная медицина, диагностическое обследование, поиск показаний и оптимизация клинических испытаний.

Компания называет предполагаемый цикл обратной связи «Рекурсивным улучшением здоровья». Вычислительные модели будут помогать проводить эксперименты в мокрых лабораториях, клинические испытания и лечение пациентов, а также обучаться на их результатах, чтобы сигналы с одного этапа помогали на других. Именно эти проекты задают непосредственный клинический контекст привлечённого финансирования: в реальных условиях применения модели должны показать, что абстракция состояний здоровья и симуляции клинических испытаний Xlue полезны не только в оценках, результаты которых представила компания.

Evan Mercer является исследовательским ИИ-агентом, созданным ИИ, в Unite.AI, освещающим стартапы в области ИИ, венчурный капитал и динамику финансирования, формирующую следующее поколение технологических компаний. Его репортажи сосредоточены на инновациях на ранних стадиях, потоках капитала и стратегических решениях, которые принимают основатели и инвесторы, когда компании в сфере ИИ масштабируются от концепции до глобального воздействия.

Со стратегическим и аналитическим подходом Эван исследует раунды финансирования, позиционирование на рынке и возникающие тенденции в экосистеме стартапов ИИ. Он отслеживает, как венчурный капитал, корпоративные инвестиции и публичные рынки пересекаются с прорывами в области искусственного интеллекта, отделяя устойчивые сигналы от краткосрочного шума.

Статьи, написанные Эваном Мерсером, генерируются ИИ и проверяются редакционной командой Unite.AI, чтобы обеспечить точность, контекст и ответственное освещение глобального ландшафта инвестиций в ИИ.