Fonlama
Knit Health, gerçek klinik kararlardan öğrenen AI için 11,6 milyon dolarlık tohum yatırımıyla ortaya çıkıyor

Öne çıkan noktalarKnit Health, yapay zekâyı yalnızca tıbbi metinler üzerinde değil, klinisyen…
Daha fazla göster
- Knit Health, yapay zekâyı yalnızca tıbbi metinler üzerinde değil, klinisyen davranışları üzerinde de eğitiyor
- Platform, triyaj ve taburcu zamanlaması gibi operasyonel kararları öğreniyor
- Davranışsal yapay zekâ, bakım sunumunu standartlaştırabilir ve klinisyen tükenmişliğini azaltabilir
Sağlık hizmeti AI şirketleri büyük ölçüde tıbbi literatür, klinik notlar ve metin tabanlı verilere dayalı modelleri eğitmeye odaklandılar. Ancak Knit Health, AI sistemlerine hastaneler ve klinikler içinde sağlık hizmetlerinin gerçekten nasıl işlediğini öğretme yaklaşımını benimsiyor.
California Üniversitesi Berkeley’den doğan şirket, 11,6 milyon dolarlık tohum finansmanıyla gizli geliştirme aşamasından çıktı ve bu finansman turu Uncork Capital ve Frist Cressey Ventures ortak liderliğinde gerçekleşti ve Moxxie Ventures tarafından ön tohum desteği aldı ve Coalition Operators tarafından katılım sağlandı. Şirket, bu sermayenin Large Clinical Behavior Model (LCBM) adlı sisteminin geliştirilmesini ve dağıtılmasını destekleyeceğini söylüyor. Bu sistem, gerçek sağlık ortamlarında klinisyenler tarafından alınan kararları öğrenmek üzere tasarlandı.
Knit Health, geleneksel bir tıbbi sohbet botu veya belge asistanı gibi çalışmak yerine, “toplu klinik zeka” inşa ediyor – gerçek sağlık ortamlarında hasta yönlendirmeleri, sevk kararları, randevu zamanlamaları, taburcu zamanlaması ve bakım koordinasyonu iş akışlarındaki kalıplara dayalı olarak eğitilen AI.
Metin Tabanlı Sağlık Hizmeti AI’nın Ötesine Geçmek
Bugün sağlık hizmetlerinde kullanılan çoğu üretken AI sistemi temel olarak dil modelleridir. Bunlar, kayıtları özetlemek, notlar üretmek veya yayınlanan tıbbi bilgilere dayalı olarak sorulara cevap vermek konusunda uzmanlaşmışlardır.
Knit, sağlık hizmetlerindeki birçok önemli operasyonel kararın açıkça yazılmadığını savunuyor. Bunun yerine, bu kararlar, uzmanların gerçek dünya kısıtlamalarına karşı yıllarca deneyim kazanmasıyla ortaya çıkıyor – uzmanların erişilebilirliği, sevk engelleri, hastane kapasitesi ve hasta karmaşıklığı.
Şirketin LCBM’si, 30 ABD sağlık sistemi boyunca 130 milyondan fazla hastayı kapsayan Truveta elektronik sağlık kaydı verilerini kullanarak eğitiliyor. Knit, derin pekiştirmeli öğrenme, nedensel çıkarım ve davranış klonlama gibi tekniklerle bakım kararlarının pratikte nasıl geliştiğini modellediğini söylüyor.
Bu, öncelikle statik veri kümelerine veya yayınlanmış araştırmalara dayanan geleneksel sağlık hizmeti AI sistemlerinden önemli ölçüde farklıdır. Knit, bir cümledeki sonraki kelimeyi tahmin etmek yerine, sağlık sistemleri içindeki operasyonel bakım kararlarını tahmin etmeye çalışıyor.
Şirkete göre sistem, sevk kalıpları, personel sınırlamaları ve iş akışı yapıları da dahil olmak üzere her bir hastanenin özel operasyonel dinamiklerine uyum sağlayabiliyor.
Hastaneler için Altyapı Katmanı Oluşturmak
Knit Health, platformunu, bağımsız bir uygulama yerine, sağlık hizmeti operasyonları için temel bir zeka katmanı olarak konumlandırıyor.
Şirket, modellerinin ilk olarak triyaj, hasta akışı optimizasyonu, taburcu tahmini, sevk yönetimi ve kalite iyileştirme girişimleri için dağıtıldığını söylüyor. Zamanla, daha geniş hedef, neredeyse her klinik iş akışının altında AI’ı yerleştirmek gibi görünüyor.
Bu, sağlık hizmeti AI’indeki daha geniş bir değişimi yansıtıyor, burada şirketler, yalnızca teşhis veya sohbet asistanlarına odaklanmak yerine, operasyonel verimsizlikleri hedef alıyor.
Sağlık sistemleri, gecikmiş sevkler, kalabalık uzmanlık bakım boru hatları, verimsiz zamanlama ve departmanlar arasındaki parçalı koordinasyon gibi sorunlarla mücadele etmeye devam ediyor. Bu operasyonel sorunlar, klinik bilgi ve tedavi erişimi ilerlemelerine rağmen, hasta sonuçlarını çoğu zaman doğrudan etkiliyor.
Knit’in stratejisi, gelecekteki sağlık hizmeti AI sistemlerinin, doktorların yerini almaya daha az, hasta bakımını çevreleyen karmaşık sistemleri koordine etmeye ise daha fazla odaklanabileceğini öne sürüyor.
Sağlık Hizmeti AI’de Truveta’nın Genişleyen Rolü
Knit’in Truveta ile ortaklığı ayrıca, sağlık hizmeti AI geliştirme ve operasyonel zeka için büyük ölçekli gerçek dünya klinik veri kümelerinin artan önemini yansıtıyor.
Truveta, ABD’de 130 milyondan fazla hastayı temsil eden büyük sağlık sistemlerinden oluşan bir ağdaki en büyük kimlik bilgilerinden arındırılmış klinik veri koleksiyonlarından birini oluşturdu. Şirket, AI destekli sağlık hizmeti araştırmaları ve operasyonel zeka için kilit bir altyapı sağlayıcısı olarak kendini giderek daha fazla konumlandırıyor.
Daha fazla sağlık hizmeti AI şirketi, yalıtılmış veri kümeleri yerine longitudinal klinik verilere erişim ararken, bu tür ortaklıklar model geliştirme ve dağıtımı için giderek daha önemli hale gelebilir.
Tıp Alanındaki Davranışsal AI’nın Geleceği
Knit Health’in lansmanı, sağlık hizmeti AI’indeki daha geniş bir evrimi vurguluyor: ağırlıklı olarak tıbbi bilgiyle eğitilmiş sistemlerden, kurumsal davranışa dayalı sistemlere geçiş.
Eğer başarılı olursa, bu davranışsal AI kategorisi, büyük organizasyonlar genelinde yüksek kaliteli bakım sunumunu standartlaştırmaya ve klinisyenlerin tükenmişliğine ve tedavi gecikmelerine katkıda bulunan operasyonel sürtünmeyi azaltmaya yardımcı olabilir.
Bu yaklaşım, resmi belgeler kadar kurumsal iş akışları ve insan koordinasyonunun önemli olduğu diğer endüstrilerde gelecekteki AI sistemlerinin geliştirilmesini de etkileyebilir.
Sağlık hizmeti için özel olarak, uzun vadeli etkileri otomasyonun ötesine geçer. Milyonlarca gerçek dünya hasta yolculuğundan öğrenen sistemler, sonunda, daha iyi sonuçlarla ilişkili operasyonel kalıpları tanımlamaya yardımcı olabilir ve sağlık sistemlerinin, yalnızca statik kılavuzlara değil, gözlemlenen davranışa dayalı olarak bakım sunumunu sürekli olarak iyileştirmesine olanak tanır.












