Запуск Knit Health с $11,6 млн семенного финансирования для создания ИИ на основе реальных клинических решений

Компании в области ИИ в здравоохранении в основном фокусировались на обучении моделей на медицинской литературе, клинических заметках и текстовых данных. Но Knit Health принимает другой подход: обучение систем ИИ тому, как здравоохранение фактически работает внутри больниц и клиник.

Спин-офф Университета Калифорнии в Беркли вышел из тайного режима с $11,6 миллионами семенного финансирования, возглавляемого Uncork Capital и Frist Cressey Ventures, с предварительным финансированием от Moxxie Ventures и участием Coalition Operators. Компания заявляет, что капитал будет поддерживать разработку и развертывание своей Большой клинической модели поведения (LCBM), системы, предназначенной для обучения на основе того, как клиницисты принимают решения в реальных условиях здравоохранения.

Вместо того, чтобы функционировать как традиционный медицинский чат-бот или помощник документации, Knit Health строит то, что она описывает как «коллективный клинический интеллект» — ИИ, обученный на закономерностях, встроенных в маршрутизацию пациентов, направления, решения о планировании, время выписки и координацию ухода в больницах.

Переход за пределы текстового ИИ в здравоохранении

Большинство генеративных систем ИИ в здравоохранении сегодня являются фундаментально языковыми моделями. Они превосходно суммируют записи, генерируют заметки или отвечают на вопросы на основе опубликованных медицинских знаний.

Knit утверждает, что многие из наиболее важных операционных решений в здравоохранении не являются явно написанными. Вместо этого они возникают из лет опыта клиницистов, ориентирующихся в реальных ограничениях, таких как доступность специалистов, направления, емкость больниц и сложность пациентов.

Система LCBM компании обучена с помощью электронных медицинских записей Truveta, охватывающих более 130 миллионов пациентов в 30 системах здравоохранения США. Knit заявляет, что она применяет такие методы, как глубокое обучение с подкреплением, причинно-следственный вывод и клонирование поведения, для моделирования того, как решения по уходу разворачиваются на практике.

Это существенно отличается от обычных систем ИИ в здравоохранении, которые полагаются в основном на статические наборы данных или опубликованные исследования. Вместо предсказания следующего слова в предложении Knit пытается предсказать операционные решения по уходу внутри систем здравоохранения.

По словам компании, система может адаптироваться к конкретной операционной динамике отдельных больниц, включая закономерности направлений, ограничения персонала и структуры рабочих процессов.

Создание инфраструктурного слоя для больниц

Knit Health позиционирует свою платформу как фундаментальный интеллектуальный слой для операций здравоохранения, а не как самостоятельное приложение.

Компания заявляет, что ее модели изначально развертываются для триажа, оптимизации потока пациентов, прогнозирования выписки, управления направлениями и инициатив по улучшению качества. В долгосрочной перспективе более широкой целью, кажется, является внедрение ИИ в операционную инфраструктуру под几乎 каждый клинический рабочий процесс.

Это соответствует более широкому сдвигу, происходящему в ИИ в здравоохранении, где компании все чаще нацеливаются на операционные неэффективности, а не исключительно на диагностику или разговорных помощников.

Системы здравоохранения продолжают бороться с проблемами, такими как задержанные направления, переполненные пipelines специализированной помощи, неэффективное планирование и фрагментированная координация между отделениями. Эти операционные проблемы часто напрямую влияют на результаты лечения пациентов, несмотря на достижения в клинических знаниях и доступности лечения.

Стратегия Knit предполагает, что будущие системы ИИ в здравоохранении могут стать менее сосредоточенными на замене врачей и более сосредоточенными на координации сложных систем, окружающих уход за пациентами.

Растущая роль Truveta в ИИ в здравоохранении

Партнерство Knit с Truveta также отражает растущее значение крупномасштабных реальных клинических наборов данных в разработке ИИ в здравоохранении.

Truveta создала один из крупнейших сборников деидентифицированных клинических данных в США, представляющий более 130 миллионов пациентов в сети крупных систем здравоохранения. Компания все чаще позиционирует себя как ключевого поставщика инфраструктуры для исследований и операционного интеллекта, основанного на ИИ.

По мере того, как все больше компаний ИИ в здравоохранении стремятся получить доступ к долгосрочным клиническим данным, а не к изолированным наборам данных, партнерства, подобные этому, могут стать все более важными для разработки и развертывания моделей.

Будущее поведенческого ИИ в медицине

Запуск Knit Health подчеркивает более широкую эволюцию в ИИ в здравоохранении: переход от систем, обученных в основном на медицинских знаниях, к системам, обученным на институциональном поведении.

Если это будет успешно, эта категория поведенческого ИИ может в конечном итоге помочь больницам стандартизировать высококачественную доставку ухода по всей большой организации, снижая операционное трение, которое способствует выгоранию клиницистов и задержке лечения.

Этот подход также может повлиять на то, как будущие системы ИИ будут разработаны в других отраслях, где институциональные рабочие процессы и человеческая координация имеют столько же значения, сколько формальная документация.

Для здравоохранения в частности долгосрочные последствия распространяются за пределы автоматизации. Системы, способные учиться на миллионах реальных путей пациентов, могут в конечном итоге помочь выявить операционные закономерности, связанные с лучшими результатами, позволяя системам здравоохранения непрерывно совершенствовать доставку ухода на основе наблюдаемого поведения, а не только статических руководств.