Corti lanserar startup-accelerationsprogram när hälso- och sjukvårds-AI hamnar i en regulatorisk knipa

Corti går rakt in i en av de mest svåra utmaningarna inom artificiell intelligens: att omvandla stark modellprestanda till verklig hälso- och sjukvårdsdistribution.

Det Köpenhamn-baserade företaget har tillkännagett ett nytt startup-accelerationsprogram som syftar till att hjälpa tidiga hälso- och livsvetenskapsstartups att övervinna ökande regulatoriska hinder – särskilt i Europa, där efterlevnads kostnader och tidsramar blir en stor flaskhals.

Detta sker vid en tidpunkt då hälso- och sjukvårds-AI-landskapet snabbt divergerar, med vissa företag som expanderar aggressivt i USA medan andra skalar tillbaka i Europa på grund av stramare regler.

En sektor vid en inflexionspunkt

Hälso- och sjukvårds-AI är inte längre begränsad av rå modellförmåga. I stället är den begränsande faktorn alltmer regulatorisk godkännande och klinisk validering.

Över hela stora marknader intensifieras tillsynen. I Europa höjer nya krav enligt EU:s AI-lag och befintliga medicintekniska regler kostnaden för att bygga efterlevnadssystem. Certifiering ensam kan kosta hundratusentals euro och ta över ett år, vilket skapar en barriär som många tidiga företag kämpar för att korsa.

Detta har redan börjat omforma det konkurrensutsatta landskapet. Vissa plattformar prioriterar mindre reglerade marknader, medan andra drar sig tillbaka helt från Europa.

Corti tar det motsatta tillvägagångssättet – lutar sig in i komplexiteten och positionerar sig som infrastruktur för företag som vill bygga inom dessa begränsningar i stället för att undvika dem.

Inuti Corti och dess kliniskt kvalificerade AI-stack

Corti beskriver sig själv som ett “frontierlab för kliniskt kvalificerad AI“, fokuserat på att bygga system som är speciellt utformade för hälso- och sjukvårdsmiljöer i stället för att anpassa allmänna modeller.

I centrum av sin plattform finns Symphony, en specialbyggd AI-modell som är utformad för att fungera inom reglerade kliniska arbetsflöden. Till skillnad från allmänna AI-system är Symphony byggt med efterlevnad, granskning och klinisk tillförlitlighet som kärnkrav.

Plattformen innehåller funktioner som:

• Klinisk tal-till-text för medicinska samtal
• Automatiserad medicinsk kodning med granskningslogg
• Strukturerad klinisk dokumentgenerering
• Agentbaserade system anpassade till specifika hälso- och sjukvårdsarbetsflöden

Detta vertikala tillvägagångssätt är alltmer viktigt. Hälso- och sjukvårds-AI kräver inte bara noggrannhet, utan också förklarbarhet, spårbarhet och efterlevnad av stränga standarder som HIPAA och GDPR.

Cortis bredare plattform används redan i produktionsmiljöer, med stöd för kliniska och administrativa arbetsflöden över system som betjänar mer än 100 miljoner patienter per år.

Varför Symphony får uppmärksamhet

Cortis senaste momentum är knutet till Symphonys prestation på kliniska benchmark, där företaget hävdar att det har överträffat ledande allmänna AI-modeller.

I synnerhet är dess medicinska kodningssystem byggt kring en annan arkitektonisk filosofi: att behandla hälso- och sjukvårdsuppgifter som resonemangsproblem snarare än förutsägelseuppgifter.

Traditionella modeller försöker ofta matcha mönster från träningsdata. Symphony använder i stället multiagentarbetsflöden som speglar hur mänskliga experter tänker igenom kliniska beslut – utvärderar bevis, tillämpar regler och validerar utdata steg för steg.

Den skillnaden verkar vara viktig. Corti rapporterar att dess system uppnår avsevärt högre noggrannhet på kliniska benchmark, överträffar konkurrerande modeller med stor marginal i vissa utvärderingar.

Implikationen är bredare än benchmarking. Inom hälso- och sjukvården kan till och med små förbättringar av noggrannheten påverka fakturering, diagnosspårning och patientresultat.

600 000-europroblemet för startups

Det nya acceleratorprogrammet är utformat för att ta itu med en mycket specifik flaskhals: regulatorisk kostnad och komplexitet.

För många hälso- och sjukvårdsstartups är efterlevnad nu den största barriären för inträde. EU MDR-certifiering ensam kan kosta mellan 200 000 och 600 000 euro per produkt, innan man räknar med ingenjörs- och klinisk valideringsarbete.

Cortis program syftar till att kompensera för den bördan genom att ge startups tillgång till:

• Krediter för dess Symphony AI-stack
• Direkt stöd på regulatoriska ramverk som MDR och EU:s AI-lag
• Vägledning om systemarkitektur innan utvecklingen börjar
• Tillgång till klinisk och teknisk expertis

Strukturen är anmärkningsvärd. Det finns inget krav på ägarandel, och ansökningar granskas snabbt, vilket tyder på att programmet är utformat mer som ekosystembyggnad än venture-stil inkubation.

En satsning på specialiserade byggare

Cortis strategi speglar en bredare förändring inom AI: övergången från allmänna modeller till högt specialiserade system.

I stället för att försöka bygga en enda dominant hälso- och sjukvårds-AI-plattform satsar företaget på att framtiden kommer att formas av tusentals fokuserade applikationer – var och en anpassad till ett specifikt arbetsflöde, specialitet eller patientpopulation.

Detta stämmer överens med verkligheten inom hälso- och sjukvården. Kliniska miljöer är fragmenterade, högt reglerade och djupt kontextuella. Allmänna modeller har ofta svårt att anpassa sig till den komplexiteten.

Genom att tillhandahålla den underliggande infrastrukturen positionerar sig Corti som en grundläggande skikt för denna nästa våg av specialiserade byggare.

Varför detta är viktigt

Lanseringen betonar en djupare förändring inom AI-branschen.

Nästa fas av konkurrens handlar inte längre bara om modellprestanda – det handlar om vem som faktiskt kan distribuera i de mest begränsade, högriskmiljöerna.

Hälso- och sjukvården är det tydligaste exemplet på den förändringen. Den kräver noggrannhet, efterlevnad och integration i riktiga arbetsflöden, inte bara imponerande benchmark-poäng.

Cortis accelerator är i princip ett svar på den verkligheten. I stället för att fokusera enbart på att bygga bättre modeller försöker det ta bort den friktion som förhindrar att modellerna används i praktiken.

Om det lyckas kan det hjälpa till att låsa upp en ny generation hälso- och sjukvårdsstartups – de som byggs inte bara för att prestera bra i tester, utan för att fungera i den verkliga världen där det betyder mest.