Aidoc ร่วมมือระดมทุน 150 ล้านดอลลาร์ในการระดมทุนซีรีส์ E เพื่อขยาย Clinical AI ทั่วทั้งระบบสุขภาพ

บริษัท Clinical AI ชื่อ Aidoc ได้รับเงิน 150 ล้านดอลลาร์ใน Series E funding โดยมี Goldman Sachs Alternatives (GS ) เป็นผู้นำ ในขณะที่ระบบสุขภาพมองหาทools AI ที่รวมเป็นแพลตฟอร์มทั่วทั้งองค์กรมากขึ้น

รอบการระดมทุนนี้มีการเข้าร่วมจาก General Catalyst, SoftBank Investment Advisors และ NVentures โดยทำให้เงินระดมทุนรวมของบริษัทเกิน 500 ล้านดอลลาร์ การระดมทุนครั้งนี้เกิดขึ้นเมื่อมีความกดดันที่เพิ่มขึ้นในการแก้ไขข้อผิดพลาดในการวินิจฉัย การขาดแคลนพนักงาน และปริมาณการถ่ายภาพที่เพิ่มขึ้น ซึ่งเป็นปัจจัยที่ทำให้เกิดการเสียชีวิตที่ป้องกันได้หลายแสนคนในแต่ละปีในสหรัฐอเมริกา

จาก Point Solutions ไปเป็น System-Wide AI

ในหลายปีที่ผ่านมา AI ในสุขภาพได้รับการใช้งานเป็นเครื่องมือที่มีจุดมุ่งหมายเดียว — อัลกอริทึมที่ออกแบบมาเพื่อตรวจจับสภาวะเดียว การใช้งานในลักษณะนี้มีผลกระทบจำกัด โดยเฉพาะในสถานการณ์ที่ผู้เชี่ยวชาญด้านสุขภาพต้องตีความข้อมูลการถ่ายภาพจำนวนมากที่ครอบคลุมหลายสภาวะ

Aidoc เป็นส่วนหนึ่งของการเปลี่ยนแปลงที่กว้างขึ้นในการใช้ระบบที่ขับเคลื่อนด้วยโมเดลพื้นฐาน ซึ่งสามารถทำงานได้ทั่วทั้งโหมดและกรณีการใช้งาน โมเดลพื้นฐาน CARE™ ที่เป็นเอกลักษณ์ของบริษัทได้รับการออกแบบมาเพื่อวิเคราะห์ข้อมูลทางคลินิกแบบหลายโหมดและขยายการครอบคลุม AI ไปยังหลายโรคจากสถาปัตยกรรมเดียว

การเปลี่ยนแปลงนี้สะท้อนถึงสิ่งที่เกิดขึ้นแล้วในพื้นที่ AI อื่นๆ — การเปลี่ยนจากเครื่องมือที่แคบไปสู่ระบบที่ทั่วไปซึ่งสามารถรองรับกระบวนการทำงานที่ซับซ้อน

การสร้างระบบปฏิบัติการสำหรับ Clinical AI

ที่ใจกลางของแนวทางของ Aidoc คือแพลตฟอร์มองค์กร aiOS™ ซึ่งทำงานเป็นชั้นการประสานงาน AI ทางคลินิก แทนที่จะใช้อัลกอริทึมเดี่ยวๆ ในการแยกออกมา aiOS รวม AI เข้ากับโครงสร้างพื้นฐานของโรงพยาบาล รวมถึงระบบการถ่ายภาพและบันทึกสุขภาพอิเล็กทรอนิกส์

แพลตฟอร์มนี้ทำให้สามารถรันหลายอัลกอริทึมพร้อมกันในหนึ่งการสแกน โดยจัดลำดับความสำคัญของการค้นพบเร่งด่วนและแสดงผลทั้งการค้นพบที่คาดหวังและความผิดปกติแบบไม่คาดคิด ชั้นการประสานงานนี้ได้รับการออกแบบมาเพื่อลดช่องว่างในการวินิจฉัยในขณะเดียวกันก็ปรับปรุงประสิทธิภาพของกระบวนการทำงาน

นอกจากนี้ยังแนะนำกลไกการกำกับดูแล — เช่น การตรวจสอบ การติดตาม และการตรวจสอบประสิทธิภาพ — ซึ่งเป็นสิ่งจำเป็นมากขึ้นเมื่อระบบ AI เข้าสู่สภาพแวดล้อมทางคลินิกที่มีการควบคุม

การขยาย AI ในสภาพแวดล้อมทางคลินิกที่แท้จริง

เทคโนโลยีของ Aidoc ได้รับการใช้งานในระดับที่สำคัญแล้ว โดยวิเคราะห์กรณีของผู้ป่วยหลายสิบล้านรายในแต่ละปี และสนับสนุนการให้บริการด้านสุขภาพทั่วทั้งโรงพยาบาลหลายพันแห่งทั่วโลก

ระบบของบริษัทถูกใช้ในสถานการณ์ทางคลินิกแบบเรียลไทม์ โดยเฉพาะในด้านรังสีวิทยา โดยที่ AI สามารถระบุการค้นพบเร่งด่วนและเร่งการตัดสินใจในการคัดกรองได้ การรายงานล่าสุดเน้นย้ำกรณีการใช้งานตั้งแต่การตรวจจับบาดเจ็บภายในไปจนถึงการจัดลำดับความสำคัญของกรณีฉุกเฉินตามข้อมูลการถ่ายภาพ

ระดับการใช้งานนี้สะท้อนถึงการเปลี่ยนแปลงจากการทดลองไปสู่การพึ่งพาในการปฏิบัติงาน — โดยที่ AI ไม่ใช่เพียงส่วนเสริม แต่เป็นส่วนหนึ่งของโครงสร้างพื้นฐานทางคลินิก

ระยะถัดไป: กระบวนการทำงานทางคลินิกแบบ End-to-End

การระดมทุนใหม่นี้จะสนับสนุนการขยายโมเดลพื้นฐานของ Aidoc และผลักดันให้เข้าสู่กระบวนการทำงานแบบ End-to-End หนึ่งในพื้นที่การพัฒนาที่สำคัญคือการสร้างรายงานร่างอัตโนมัติ โดยมีเป้าหมายที่จะย้าย AI จากการตรวจจับไปสู่การมีส่วนร่วมในกระบวนการทำงานทางคลินิกที่สมบูรณ์

ทิศทางนี้ชี้ให้เห็นว่าในอนาคต ระบบ AI อาจทำมากกว่าเพียงการเน้นย้ำความผิดปกติ — อาจมีการจัดโครงสร้าง สรุป และให้ข้อมูลเชิงบริบทสำหรับผู้เชี่ยวชาญด้านสุขภาพ

ในแง่ปฏิบัติ นี่อาจช่วยลดระยะเวลาระหว่างการสแกน การวินิจฉัย และการรักษา ในขณะเดียวกันก็ลดภาระทางจิตสำหรับผู้เชี่ยวชาญด้านสุขภาพ

สู่การสนับสนุนการตัดสินใจทางคลินิกแบบอัตโนมัติ

สิ่งที่เกิดขึ้นคือการเปลี่ยนแปลงจากเครื่องมือ AI ที่กระจัดกระจายไปสู่ระบบที่รวมเป็นโครงสร้างพื้นฐานภายในสุขภาพ

เมื่อแพลตฟอร์มเหล่านี้มีความเต็มที่ คุณค่าของมันจะเพิ่มขึ้นจากวิธีที่มันประสานงานข้ามแผนก มาตรฐานการตัดสินใจ และลดความแปรปรวนในการดูแล สิ่งที่ท้าทายไม่ใช่แค่การสร้างโมเดลที่แม่นยำ แต่ยังรวมถึงการทำให้โมเดลเหล่านั้นสามารถทำงานได้อย่างน่าเชื่อถือภายในสภาพแวดล้อมโรงพยาบาลที่ซับซ้อนภายใต้การกำกับดูแลที่เข้มงวด

เมื่อเวลาผ่านไป ความแตกต่างระหว่าง “การดูแลที่ได้รับการสนับสนุนจาก AI” และ “การดูแลมาตรฐาน” อาจเริ่มพร่ามัว แทนที่จะเป็นเครื่องมือที่มองเห็นได้ AI อาจกลายเป็นชั้นพื้นฐานที่ตีความข้อมูลอย่างต่อเนื่อง ระบุความเสี่ยง และสนับสนุนผู้เชี่ยวชาญด้านสุขภาพในแบบเรียลไทม์

หากการเปลี่ยนแปลงนี้เกิดขึ้น การปรับปรุงความแม่นยำในการวินิจฉัยและผลลัพธ์ของผู้ป่วยอาจไม่ได้มาจากคุณลักษณะที่ก้าวข้ามที่เดียว แต่จากผลกระทบรวมของ AI ที่ฝังตัวอย่างเงียบๆ ทั่วทั้งกระบวนการทำงานทางคลินิก