การระดมทุน

Knit Health เปิดตัวด้วยทุน seed 11.6 ล้านดอลลาร์ เพื่อสร้าง AI จากการตัดสินใจทางคลินิกในโลกจริง

Antoine Tardif
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
ประเด็นสำคัญKnit Health ฝึก AI ด้วยพฤติกรรมของแพทย์ผู้ปฏิบัติงาน…
ดูเพิ่มเติม
  • Knit Health ฝึก AI ด้วยพฤติกรรมของแพทย์ผู้ปฏิบัติงาน ไม่ใช่แค่ข้อความทางการแพทย์เพียงอย่างเดียว
  • แพลตฟอร์มนี้เรียนรู้การตัดสินใจเชิงปฏิบัติการ เช่น การคัดแยกผู้ป่วยและจังหวะเวลาการจำหน่ายผู้ป่วย
  • AI เชิงพฤติกรรมสามารถทำให้การให้บริการดูแลเป็นมาตรฐานเดียวกันและลดภาวะหมดไฟของแพทย์ผู้ปฏิบัติงาน

บริษัท Healthcare AI ส่วนใหญ่มุ่งเน้นไปที่การฝึกโมเดลบนเอกสารทางการแพทย์ บันทึกทางคลินิก และข้อมูลที่อิงจากข้อความ แต่ Knit Health ได้ใช้แนวทางที่แตกต่างออกไป โดยสอนให้ระบบ AI เข้าใจว่าระบบสุขภาพทำงานอย่างไรภายในโรงพยาบาลและคลินิก

University of California, Berkeley spinout ได้เผยตัวออกจากความลับด้วยเงินทุนระยะ seed จำนวน 11.6 ล้านดอลลาร์ ในรอบที่นำร่วมกันโดย Uncork Capital และ Frist Cressey Ventures โดยได้รับการสนับสนุนในระยะ pre-seed จาก Moxxie Ventures และการเข้าร่วมจาก Coalition Operators บริษัทระบุว่าเงินทุนจะสนับสนุนการพัฒนาและใช้งาน Large Clinical Behavior Model (LCBM) ซึ่งเป็นระบบที่ออกแบบมาเพื่อการเรียนรู้จากวิธีที่บุคลากรทางคลินิกตัดสินใจในสภาพแวดล้อมการดูแลสุขภาพจริง

แทนที่จะทำงานเหมือนชัตบอททางการแพทย์หรือผู้ช่วยจัดทำเอกสาร Knit Health กำลังสร้าง สิ่งที่บริษัทเรียกว่า “ปัญญาทางคลินิกร่วมกัน” ซึ่งเป็น AI ที่เรียนรู้รูปแบบในการจัดเส้นทางผู้ป่วย การส่งต่อ การตัดสินใจด้านตารางนัดหมาย ช่วงเวลาจำหน่ายผู้ป่วย และเวิร์กโฟลว์ประสานงานการดูแลในโรงพยาบาล

การขยายออกไปนอก Healthcare AI ที่อิงจากข้อความ

ระบบ AI เชิงกำเนิดส่วนใหญ่ในวงการดูแลสุขภาพปัจจุบันเป็นโมเดลภาษา พวกมันสามารถสรุปบันทึก สร้างบันทึกใหม่ หรือตอบคำถามตามความรู้ทางการแพทย์ที่เผยแพร่

Knit อ้างว่าการตัดสินใจด้านการดำเนินงานที่สำคัญที่สุดหลายอย่างในการดูแลสุขภาพไม่ได้ถูกเขียนไว้อย่างชัดเจน แต่เกิดขึ้นจากประสบการณ์หลายปีของบุคลากรทางคลินิกที่ต้องเผชิญกับความจำกัดในโลกแห่งความเป็นจริง เช่น การเข้าถึงผู้เชี่ยวชาญ คอขวดในการส่งต่อผู้ป่วย ความจุของโรงพยาบาล และความซับซ้อนของผู้ป่วย

LCBM ของ Knit ได้รับการฝึกอบรมโดยใช้ข้อมูลเวชระเบียนอิเล็กทรอนิกส์ของ Truveta ซึ่งครอบคลุมผู้ป่วยมากกว่า 130 ล้านคนจาก 30 ระบบสุขภาพในสหรัฐอเมริกา Knit ระบุว่าพวกเขาใช้เทคนิค เช่น deep reinforcement learning, causal inference และ behavioral cloning เพื่อสร้างแบบจำลองการตัดสินใจในการดูแลสุขภาพ

นี่แตกต่างอย่างมากจากระบบ Healthcare AI ทั่วไปที่พึ่งพา dataset ที่ไม่เปลี่ยนแปลงหรืองานวิจัยที่เผยแพร่ แทนที่จะทำนายคำถัดไปในประโยค Knit พยายามที่จะพยากรณ์การตัดสินใจในการดูแลสุขภาพภายในระบบสุขภาพ

ตามข้อมูลของบริษัท ระบบสามารถปรับให้เข้ากับพลวัตการดำเนินงานเฉพาะของแต่ละโรงพยาบาล รวมถึงรูปแบบการส่งต่อ ข้อจำกัดด้านบุคลากร และโครงสร้างเวิร์กโฟลว์

การสร้างโครงสร้างพื้นฐานสำหรับโรงพยาบาล

Knit Health กำลังวางตำแหน่งแพลตฟอร์มของตนเองเป็นชั้นความอัจฉริยะพื้นฐานสำหรับการดำเนินงานด้านสุขภาพ แทนที่จะเป็นแอปพลิเคชันแบบสแตนด์อโลน

บริษัทระบุว่าโมเดลของพวกเขาเริ่มถูกนำไปใช้ในระยะแรกสำหรับการคัดแยกผู้ป่วยตามความเร่งด่วน การปรับปรุงการไหลของผู้ป่วย การคาดการณ์การจำหน่ายผู้ป่วย การจัดการส่งต่อ และการปรับปรุงคุณภาพ เมื่อเวลาผ่านไป เป้าหมายที่กว้างขึ้นดูเหมือนจะเป็นการฝัง AI ลงในโครงสร้างพื้นฐานการดูแลสุขภาพที่อยู่ภายใต้การทำงานทางคลินิกเกือบทั้งหมด

สิ่งนี้สอดคล้องกับการเปลี่ยนแปลงที่เกิดขึ้นใน Healthcare AI โดยที่บริษัทต่างๆ มุ่งเน้นไปที่การปรับปรุงประสิทธิภาพการทำงานมากกว่าการวินิจฉัยหรือการสร้างชัตบอทเพียงอย่างเดียว

ระบบสุขภาพยังเผชิญปัญหาการส่งต่อล่าช้า เส้นทางการดูแลเฉพาะทางที่แออัด การจัดตารางที่ไม่มีประสิทธิภาพ และการประสานงานระหว่างแผนกที่แยกส่วน ปัญหาการดำเนินงานเหล่านี้มักส่งผลโดยตรงต่อผลลัพธ์ของผู้ป่วย แม้ความรู้ทางคลินิกและการเข้าถึงการรักษาจะก้าวหน้าขึ้น

กลยุทธ์ของ Knit ชี้ว่า AI ด้านสุขภาพในอนาคตอาจมุ่งแทนที่แพทย์น้อยลง และมุ่งประสานระบบซับซ้อนที่แวดล้อมการดูแลผู้ป่วยมากขึ้น

การขยายบทบาทของ Truveta ใน Healthcare AI

การร่วมมือระหว่าง Knit และ Truveta สะท้อนถึงความสำคัญที่เพิ่มขึ้นของข้อมูลทางคลินิกในโลกแห่งความเป็นจริงในการพัฒนา Healthcare AI

Truveta ได้สร้างหนึ่งในชุดข้อมูลทางคลินิกที่ลบข้อมูลระบุตัวตนแล้วที่ใหญ่ที่สุดในสหรัฐอเมริกา โดยครอบคลุมผู้ป่วยมากกว่า 130 ล้านคนจากเครือข่ายของระบบสุขภาพที่สำคัญ บริษัทวางตำแหน่งตนเองมากขึ้นเรื่อยๆ ในฐานะผู้ให้บริการโครงสร้างพื้นฐานสำคัญสำหรับการวิจัยสุขภาพที่ขับเคลื่อนด้วย AI และความอัจฉริยะด้านการดำเนินงาน

เมื่อบริษัท AI ด้านสุขภาพแสวงหาข้อมูลทางคลินิกที่ติดตามผู้ป่วยต่อเนื่องตามเวลามากขึ้น แทนชุดข้อมูลแยกส่วน ความร่วมมือลักษณะนี้อาจมีความสำคัญมากขึ้นต่อการพัฒนาและนำโมเดลไปใช้

อนาคตของ Behavioral AI ในการแพทย์

การเปิดตัวของ Knit Health เน้นย้ำถึงการเปลี่ยนแปลงที่เกิดขึ้นใน Healthcare AI — การเปลี่ยนจากระบบที่ฝึกโดยอาศัยความรู้ทางการแพทย์เป็นหลักไปสู่ระบบที่ฝึกอบรมจากพฤติกรรมของสถาบัน

หากประสบความสำเร็จ AI เชิงพฤติกรรมประเภทนี้อาจช่วยให้โรงพยาบาลจัดบริการดูแลคุณภาพสูงให้เป็นมาตรฐานทั่วทั้งองค์กรขนาดใหญ่ พร้อมลดความติดขัดในการดำเนินงานที่ทำให้บุคลากรทางคลินิกหมดไฟและการรักษาล่าช้า

แนวทางนี้อาจมีอิทธิพลต่อวิธีการพัฒนา AI ระบบในอุตสาหกรรมอื่นๆ ที่เวิร์กโฟลว์ขององค์กรและการประสานงานของมนุษย์มีความสำคัญไม่แพ้เอกสารที่เป็นทางการ

สำหรับการดูแลสุขภาพโดยเฉพาะ ผลกระทบในระยะยาวอาจเกินกว่าการใช้ระบบอัตโนมัติ ระบบที่สามารถเรียนรู้จากเส้นทางการรักษาผู้ป่วยในโลกแห่งความเป็นจริงหลายล้านเส้นทางอาจช่วยระบุรูปแบบการดำเนินการที่เกี่ยวข้องกับผลลัพธ์ที่ดีขึ้น ทำให้ระบบสุขภาพสามารถปรับปรุงการดูแลสุขภาพอย่างต่อเนื่องตามพฤติกรรมที่สังเกตได้ ไม่ใช่เพียงแนวทางปฏิบัติที่ตายตัวเท่านั้น

อองตวนเป็นผู้นำที่มีวิสัยทัศน์และหุ้นส่วนผู้ก่อตั้ง Unite.AI โดยมีความมุ่งมั่นอย่างไม่เปลี่ยนแปลงในการกำหนดทิศทางและส่งเสริมอนาคตของ AI และหุ่นยนต์ ในฐานะผู้ประกอบการที่ก่อตั้งธุรกิจมาแล้วหลายแห่ง เขาเชื่อว่า AI จะสร้างการเปลี่ยนแปลงครั้งใหญ่ต่อสังคมเช่นเดียวกับไฟฟ้า และมักกล่าวถึงศักยภาพของเทคโนโลยีที่พลิกโฉมโลกและ AGI อย่างกระตือรือร้น

ในฐานะ นักอนาคตศาสตร์ เขาทุ่มเทให้กับการสำรวจว่านวัตกรรมเหล่านี้จะกำหนดรูปแบบโลกของเราอย่างไร นอกจากนี้ เขายังเป็นผู้ก่อตั้ง Securities.io ซึ่งเป็นแพลตฟอร์มที่มุ่งเน้นการลงทุนในเทคโนโลยีล้ำสมัยที่กำลังนิยามอนาคตใหม่และเปลี่ยนโฉมอุตสาหกรรมทั้งภาคส่วน