Knit Health เปิดตัวด้วยเงิน 11.6 ล้านดอลลาร์ในการสร้าง AI ที่อาศัยการตัดสินใจทางคลินิกในโลกแห่งความเป็นจริง

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

University of California, Berkeley spinout ได้เผยตัวออกจากความลับด้วยเงิน 11.6 ล้านดอลลาร์ในการให้ทุนต้นน้ำที่นำโดย Uncork Capital และ Frist Cressey Ventures โดยมีการสนับสนุนจาก Moxxie Ventures และการเข้าร่วมจาก Coalition Operators บริษัทระบุว่าเงินทุนจะสนับสนุนการพัฒนาและใช้งาน Large Clinical Behavior Model (LCBM) ซึ่งเป็นระบบที่ออกแบบมาเพื่อการเรียนรู้จากการตัดสินใจทางคลินิกในโลกแห่งความเป็นจริง

แทนที่จะทำงานเหมือนชัตบอททางการแพทย์หรือผู้ช่วยจัดทำเอกสาร Knit Health กำลังสร้าง “collective clinical intelligence” — AI ที่ฝึกอบรมจากรูปแบบที่ฝังอยู่ในpatient routing, referrals, scheduling decisions, discharge timing และ care coordination workflows ทั่วโรงพยาบาล

การขยายออกไปนอก Healthcare AI ที่อิงจากข้อความ

ระบบ AI ที่สร้างขึ้นใน Healthcare ส่วนใหญ่ในปัจจุบันเป็นโมเดลภาษา พวกมันสามารถสรุปบันทึก สร้างบันทึกใหม่ หรือตอบคำถามตามความรู้ทางการแพทย์ที่เผยแพร่

Knit อ้างว่าการตัดสินใจที่สำคัญที่สุดในการดูแลสุขภาพไม่ได้ถูกเขียนไว้อย่างชัดเจน แต่เกิดขึ้นจากประสบการณ์ของผู้เชี่ยวชาญในการดูแลสุขภาพที่ต้องเผชิญกับความจำกัดในโลกแห่งความเป็นจริง เช่น การเข้าถึงผู้เชี่ยวชาญ การอ้างอิงผู้ป่วย ความจุของโรงพยาบาล และความซับซ้อนของผู้ป่วย

LCBM ของ Knit ได้รับการฝึกอบรมโดยใช้ข้อมูลจาก Truveta electronic medical record ซึ่งมีขนาดใหญ่ถึง 130 ล้านผู้ป่วยจาก 30 ระบบสุขภาพในสหรัฐอเมริกา Knit ระบุว่าพวกเขาใช้เทคนิค เช่น deep reinforcement learning, causal inference และ behavioral cloning เพื่อสร้างแบบจำลองการตัดสินใจในการดูแลสุขภาพ

นี่แตกต่างอย่างมากจากระบบ Healthcare AI ทั่วไปที่พึ่งพา dataset ที่ไม่เปลี่ยนแปลงหรือการวิจัยที่เผยแพร่แทนของการพยากรณ์คำต่อไปในประโยค Knit พยายามที่จะพยากรณ์การตัดสินใจในการดูแลสุขภาพภายในระบบสุขภาพ

การสร้างโครงสร้างพื้นฐานสำหรับโรงพยาบาล

Knit Health กำลังวางตำแหน่งแพลตฟอร์มของตนเองเป็นโครงสร้างพื้นฐานสำหรับการดูแลสุขภาพมากกว่าแอปพลิเคชันแบบสแตนด์อโลน

บริษัทระบุว่าโมเดลของพวกเขากำลังถูกใช้สำหรับการคัดกรองผู้ป่วย การปรับปรุงการไหลของผู้ป่วย การคาดการณ์การปล่อยตัวผู้ป่วย การจัดการการอ้างอิง และการปรับปรุงคุณภาพ ในระยะยาว วัตถุประสงค์คือการฝัง AI ลงในโครงสร้างพื้นฐานการดูแลสุขภาพที่อยู่ภายใต้การทำงานทางคลินิกเกือบทั้งหมด

สิ่งนี้สอดคล้องกับการเปลี่ยนแปลงที่เกิดขึ้นใน Healthcare AI โดยที่บริษัทต่างๆ มุ่งเน้นไปที่การปรับปรุงประสิทธิภาพการทำงานมากกว่าการวินิจฉัยหรือการสร้างชัตบอทเพียงอย่างเดียว

การขยายบทบาทของ Truveta ใน Healthcare AI

การร่วมมือระหว่าง Knit และ Truveta สะท้อนถึงความสำคัญที่เพิ่มขึ้นของข้อมูลทางคลินิกในโลกแห่งความเป็นจริงในการพัฒนา Healthcare AI

Truveta ได้สร้างหนึ่งในคอลเลกชันข้อมูลทางคลินิกที่ใหญ่ที่สุดในสหรัฐอเมริกา โดยมีขนาดใหญ่ถึง 130 ล้านผู้ป่วยจากเครือข่ายของระบบสุขภาพที่สำคัญ บริษัทได้กำหนดตัวเองเป็นผู้ให้บริการโครงสร้างพื้นฐานสำหรับการวิจัยและข่าวกรอง Healthcare AI ที่ขับเคลื่อนด้วย AI

อนาคตของ Behavioral AI ในการแพทย์

การเปิดตัวของ Knit Health เน้นย้ำถึงการเปลี่ยนแปลงที่เกิดขึ้นใน Healthcare AI — การเปลี่ยนจากระบบที่ฝึกอบรมจากความรู้ทางการแพทย์ไปสู่ระบบที่ฝึกอบรมจากพฤติกรรมของสถาบัน

หากประสบความสำเร็จ ระบบ AI ประเภทนี้อาจช่วยให้โรงพยาบาลสามารถมาตรฐานการดูแลสุขภาพที่มีคุณภาพสูงได้ทั่วทั้งองค์กร ในขณะเดียวกันก็ลดความเสี่ยงต่อการเผชิญหน้ากับการทำงานที่หนักหน่วงและความล่าช้าในการรักษา

แนวทางนี้อาจมีอิทธิพลต่อวิธีการพัฒนา AI ระบบในอุตสาหกรรมอื่นๆ ที่พฤติกรรมของสถาบันและการประสานงานของมนุษย์มีความสำคัญไม่แพ้เอกสารที่เป็นทางการ

สำหรับการดูแลสุขภาพโดยเฉพาะ ผลกระทบในระยะยาวอาจเกินกว่าการใช้ระบบอัตโนมัติ ระบบที่สามารถเรียนรู้จากเส้นทางการรักษาผู้ป่วยในโลกแห่งความเป็นจริงหลายล้านเส้นทางอาจช่วยระบุรูปแบบการดำเนินการที่เกี่ยวข้องกับผลลัพธ์ที่ดีขึ้น ทำให้ระบบสุขภาพสามารถปรับปรุงการดูแลสุขภาพอย่างต่อเนื่องตามพฤติกรรมที่สังเกตได้ ไม่ใช่แค่คำแนะนำที่เป็นเอกสารเท่านั้น