การระดมทุน
Knit Health เปิดตัวด้วยทุน seed 11.6 ล้านดอลลาร์ เพื่อสร้าง AI จากการตัดสินใจทางคลินิกในโลกจริง

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












