การระดมทุน
นักวิจัยจาก Carnegie Mellon ระดมทุน 35 ล้านดอลลาร์เพื่อพัฒนาระบบปัญญาด้านคลินิก

ประเด็นสำคัญXlue ระดมทุนได้ 35…
ดูเพิ่มเติม
- Xlue ระดมทุนได้ 35 ล้านดอลลาร์สำหรับแบบจำลองสภาวะสุขภาพที่สรุปเส้นทางการรักษาของผู้ป่วยแทนการใช้โทเคน
- Xlue อ้างว่าแบบจำลองของตนเอาชนะระบบแนวหน้าที่ยึดโทเคนในการประเมินแบบปกปิด โดยใช้ต้นทุนการประมวลผลต่ำกว่า 0.1%
- Xlue กำลังดำเนินการศึกษาความเสี่ยงโรคแบบไปข้างหน้าและการจำลองข้อบ่งชี้ของยาเพื่อพิสูจน์คุณค่าในโลกจริง
Xlue เปิดเผยเมื่อวันที่ 18 พฤศจิกายน 2026 ว่านักวิจัยจาก Carnegie Mellon ระดมทุนได้ 35 ล้านดอลลาร์สำหรับงานด้านปัญญาคลินิก ในวันเดียวกัน บริษัทเผยแพร่รายงานทางเทคนิคที่อธิบายแบบจำลองพื้นฐานด้านสุขภาพมนุษย์ ซึ่งออกแบบมาเพื่อทำความเข้าใจสุขภาพ คาดการณ์การเปลี่ยนแปลงของสุขภาพ และจำลองว่าการรักษาอาจเปลี่ยนแปลงแนวโน้มของสุขภาพได้อย่างไร
งานนี้มุ่งเปลี่ยนคำถามทางคลินิกให้เป็นปัญหาที่คำนวณได้ เพื่อให้แพทย์และนักวิทยาศาสตร์สำรวจผลลัพธ์ที่อาจเกิดขึ้นผ่านการคำนวณก่อนลงมือดำเนินการ แบบจำลองนี้มีเป้าหมายเพื่อเรียนรู้จากสุขภาพของผู้ป่วยที่เปลี่ยนแปลงไป การตอบสนองต่อการรักษา ตลอดจนการทดลองและการศึกษาทางคลินิกที่ใช้พัฒนายา
จำลองสถานะสุขภาพแทนการใช้โทเค็น
Xlue ให้เหตุผลว่าแบบจำลองที่ฝึกด้วยตำราและบทความทางการแพทย์เป็นหลักอาจแสดงให้เห็นว่ามีความรู้ แต่ก็ไม่ได้หมายความว่าจะคาดการณ์ได้เสมอไปว่าผู้ป่วยจะเริ่มป่วยเมื่อใด หรือการรักษาแบบใดจะได้ผล เมื่อนำไปใช้กับข้อมูลสุขภาพ ระบบที่ยึดโทเค็นเป็นศูนย์กลางยังอาจแบ่งเส้นทางสุขภาพของผู้ป่วยออกเป็นลำดับที่มีข้อมูลไม่สม่ำเสมอและมีรูปแบบซ้ำ ๆ ขณะเดียวกันก็ทำให้มุมมองต่าง ๆ ของบุคคลคนเดียวกันปะปนกัน
แนวทางทางเลือกของ Xlue แปลงโทเค็นให้เป็นสถานะสุขภาพ ซึ่งเป็นการแทนภาพสุขภาพขณะที่เปลี่ยนแปลงไป และการดำเนินการรักษา โดยมองการดำเนินของโรค การตอบสนองต่อการรักษา ผลลัพธ์ทางคลินิก และการแทรกแซงว่าเป็นการแสดงออกของกระบวนการเดียวกัน กล่าวคือ สุขภาพเปลี่ยนแปลงไปตามกาลเวลา และการดำเนินการต่าง ๆ ก็เปลี่ยนแนวโน้มของสุขภาพนั้น บริษัทอธิบายว่านี่เป็นแนวทางใหม่ในการฝึกแบบจำลองล่วงหน้า เพื่อจำลองเส้นทางสุขภาพของผู้ป่วยในประชากรกลุ่มต่าง ๆ
ผลการประเมินที่รายงานและการจำลองการทดลองทางคลินิก
Xlue รายงานว่าแบบจำลองสถานะสุขภาพของบริษัทขยายขนาดได้อย่างมีประสิทธิภาพมากขึ้นเมื่อใช้กับข้อมูลสุขภาพ สามารถจำลองเส้นทางสุขภาพของผู้ป่วยในประชากรกลุ่มต่าง ๆ และนำไปใช้กับกลุ่มประชากรอื่นได้ดีกว่า อีกทั้งยังทำผลงานเหนือกว่าแบบจำลองแนวหน้าที่ใช้โทเค็นในการประเมินแบบปกปิดโดยบุคคลที่สาม โดยมีต้นทุนการประมวลผลต่ำกว่า 0.1%
รายงานเสนอให้ใช้แบบจำลองจำลองการทดลองทางคลินิกแบบออฟไลน์ โดยจำลองกลุ่มผู้ป่วยที่ได้รับยารักษาและกลุ่มควบคุมหรือกลุ่มที่ได้รับการดูแลตามมาตรฐาน จากนั้นนำผลลัพธ์ที่คาดการณ์ได้กลับมาใช้ในการคัดเลือกกลุ่มผู้ป่วย การออกแบบโครงร่างการทดลอง และการค้นหาข้อบ่งใช้ใหม่ที่อาจเป็นไปได้ Xlue เสนอว่าแนวทางนี้จะช่วยให้ผู้พัฒนายาออกแบบการทดลองที่มีโอกาสประสบความสำเร็จสูงขึ้น ลดความเสี่ยง และค้นพบการใช้ยาในรูปแบบใหม่
การศึกษาเชิงอนาคตและการพัฒนาสุขภาพแบบวนซ้ำ
Xlue ระบุว่าบริษัทกำลังดำเนินการศึกษาเชิงอนาคตเพื่อคาดการณ์ความเสี่ยงของโรคในระบบสุขภาพหลายแห่ง เพื่อสนับสนุนการดูแลเชิงป้องกัน นอกจากนี้ บริษัทยังร่วมมือกับบริษัทยาเพื่อค้นหาข้อบ่งใช้ใหม่ของยาที่มีอยู่ โดยใช้การจำลองด้วยแบบจำลองโลก ทั้งหมดนี้เป็นส่วนหนึ่งของการนำไปใช้งานในวงกว้างร่วมกับโรงพยาบาลและผู้พัฒนายา
แผนระยะยาวคือการพัฒนาแบบจำลองพื้นฐานที่ใช้ร่วมกันและเชื่อมโยงสัญญาณระดับโมเลกุล ระดับเซลล์ ระดับผู้ป่วย การทดลองทางคลินิก และสุขภาพประชากรเข้าด้วยกัน Xlue กำหนดภารกิจทางคลินิกไว้ 7 ด้าน ได้แก่ การค้นคว้ายา การระบุตัวผู้ป่วย การวางแผนการดูแล การแพทย์แม่นยำ การตรวจวินิจฉัย การค้นหาข้อบ่งใช้ และการเพิ่มประสิทธิภาพการทดลองทางคลินิก
บริษัทเรียกวงจรป้อนกลับที่วางแผนไว้ว่า Recursive Health Improvement แบบจำลองเชิงคำนวณจะช่วยสนับสนุนการทดลองในห้องปฏิบัติการและเรียนรู้จากการทดลองดังกล่าว การทดลองทางคลินิก และการดูแลผู้ป่วย ทำให้ข้อมูลจากระยะหนึ่งนำไปใช้ประกอบอีกระยะหนึ่งได้ โครงการเหล่านี้เป็นบริบททางคลินิกที่เกี่ยวข้องโดยตรงกับเงินทุนที่ระดมได้ กล่าวคือ เป็นสถานการณ์จริงที่ Xlue ต้องแสดงให้เห็นว่าแนวทางแทนข้อมูลด้วยสถานะสุขภาพและการจำลองการทดลองทางคลินิกของบริษัทมีประโยชน์นอกเหนือจากผลการประเมินที่บริษัทรายงานไว้












