Knit Health $11.6M’lik Tohum Yatırımıyla Gerçek Dünya Klinik Karar Almalarına Dayalı AI Tabanlı Sistemler Geliştirmek İçin Faaliyete Geçti

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 benimsedi.

California Üniversitesi, Berkeley spinout, $11.6 milyon seed fonuyla Uncork Capital ve Frist Cressey Ventures tarafından ortak liderlik edilen ve Moxxie Ventures tarafından önceden sağlanan fon desteğiyle ortaya çıktı. Şirket, bu fonun Large Clinical Behavior Model (LCBM) adlı sisteminin geliştirilmesini ve dağıtılmasını destekleyeceğini belirtti. 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” olarak adlandırdığı şeyi inşa ediyor – gerçek sağlık ortamlarında hasta yönlendirmeleri, sevk kararları, randevu zamanlamaları, taburcu zamanlamaları ve bakım koordinasyonu iş akışlarındaki kalıplara göre eğitilmiş AI.

Metin Tabanlı Sağlık Hizmeti AI’nın Ötesine Geçmek

Bugün sağlık hizmetlerinde kullanılan çoğu üretken AI sistemi temel olarak dil modelleridir. Bunlar, kayıtları özetleme, not oluşturma veya yayınlanmış tıbbi bilgilere dayalı olarak sorulara cevap verme konusunda uzmanlaşmışlardır.

Knit, sağlık hizmetlerindeki birçok önemli operasyonel kararın açıkça yazılmadığını savunuyor. Bunun yerine, bu kararlar uzmanların gerçek dünya kısıtlamalarıyla – uzman erişilebilirliği, sevk kuyrukları, hastane kapasitesi ve hasta karmaşıklığı gibi – başa çıkmaya çalışırken kazandıkları yılların deneyiminden ortaya çıkıyor.

Şirketin LCBM’si, 30 ABD sağlık sisteminde 130 milyondan fazla hastayı kapsayan Truveta elektronik sağlık kaydı verilerini kullanarak eğitiliyor. Knit, derin takviye öğrenimi, nedensel çıkarım ve davranış klonlama gibi teknikleri kullanarak bakım kararlarının nasıl ortaya çıktığını modellemeye çalıştığını belirtiyor.

Bu, büyük ölçüde statik veri kümelerine veya yayınlanmış araştırmalara dayanan geleneksel sağlık hizmeti AI sistemlerinden önemli ölçüde farklıdır. Knit, bir cümlenin sonraki kelimesini tahmin etmek yerine, sağlık sistemleri içindeki operasyonel bakım kararlarını tahmin etmeye çalışıyor.

Şirketin sistemi, sevk kalıpları, personel sınırlamaları ve iş akışı yapıları da dahil olmak üzere bireysel hastanelerin özel operasyonel dinamiklerine uyum sağlayabiliyor.

Hastaneler için Altyapı Katmanı Oluşturmak

Knit Health, platformunu bir sağlık hizmeti operasyonları için temel zeka katmanı olarak konumlandırıyor, tek başına bir uygulama olarak değil.

Şirket, modellerinin ilk olarak triyaj, hasta akışı optimizasyonu, taburcu tahmini, sevk yönetimi ve kalite iyileştirme girişimleri için dağıtıldığını belirtiyor. Zamanla, daha geniş hedef,几乎 her klinik iş akışının altında AI’yi entegre etmek gibi görünüyor.

Bu, sağlık hizmeti AI’indeki daha geniş bir değişimin parçası, şirketlerin artık yalnızca tanı veya sohbet asistanlarına odaklanmak yerine operasyonel verimsizliklere yönelmesi.

Sağlık sistemleri, gecikmiş sevkler, kalabalık uzmanlık bakım kuyrukları, verimsiz zamanlama ve departmanlar arasındaki parçalı koordinasyon gibi sorunlarla mücadele etmeye devam ediyor. Bu operasyonel sorunlar, klinik bilgi ve tedavi erişimi ilerlemelerine rağmen, doğrudan hasta sonuçlarını etkileyebiliyor.

Knit’in stratejisi, gelecekteki sağlık hizmeti AI sistemlerinin doktorları değiştirmekten çok, hasta bakımını çevreleyen karmaşık sistemleri koordine etmeye odaklanabileceğini öne sürüyor.

Sağlık Hizmeti AI’de Truveta’nın Genişleyen Rolü

Knit’in Truveta ile ortaklığı ayrıca, sağlık hizmeti AI geliştirme sürecinde büyük ölçekli gerçek dünya klinik veri kümelerinin artan önemini yansıtıyor.

Truveta, ABD’deki 130 milyondan fazla hastayı temsil eden en büyük klinik veri koleksiyonlarından birini oluşturdu. Şirket, AI tarafından yönlendirilen sağlık hizmeti araştırmaları ve operasyonel zeka için kritik bir altyapı sağlayıcı olarak kendini 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: tıbbi bilgiye dayalı sistemlerden kurumsal davranışa dayalı sistemlere geçiş.

Eğer başarılı olursa, bu davranışsal AI kategorisi sonunda hastanelerde büyük organizasyonlar genelinde yüksek kaliteli bakım teslimatını standartlaştırmaya yardımcı olabilir ve operasyonel sürtüşmeyi azaltabilir, bu da klinisyen yanılması ve gecikmiş tedaviye katkıda bulunabilir.

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, bu da sağlık sistemlerinin statik rehberlerden ziyade gözlemlenen davranışa dayalı olarak bakım teslimatını sürekli olarak iyileştirmesine olanak tanır.