Knit Health, $11.6M Tohum Fonuyla Gerçek Dünya Klinik Karar Verme Tabanında AI Oluşturmak için Lansman Yaptı

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 spinout, $11.6 milyon tohum fonuyla ortaya çıktı ve bu fon Uncork Capital ve Frist Cressey Ventures tarafından ortak liderlik edildi 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 takviye öğrenimi, nedensel çıkarım ve davranış klonlaması gibi teknikleri kullanarak, bakım kararlarının nasıl ortaya çıktığını modellemeye çalışıyor.

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.

Şirketin sistemi, sevk kalıpları, personel sınırlamaları ve iş akışı yapıları da dahil olmak üzere individual hastanelerin 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 verimsizliklere 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, doğrudan hasta sonuçlarını etkileyebiliyor.

Knit’in stratejisi, gelecekteki sağlık hizmeti AI sistemlerinin, doktorları değiştirmeye odaklanmak yerine, hasta bakımını çevreleyen karmaşık sistemleri koordine etmeye daha az 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 en büyük de-identifiye klinik veri koleksiyonlarından birini oluşturdu. Şirket, AI destekli sağlık hizmeti araştırmaları ve operasyonel zeka için 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, büyük organizasyonlar genelinde yüksek kaliteli bakım teslimatını standartlaştırmaya ve operasyonel sürtünmeyi azaltmaya yardımcı olabilir – bu, klinisyen yanması ve gecikmiş tedaviye katkıda bulunur.

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, statik kılavuzlar yerine gözlemlenen davranışa dayalı olarak bakım teslimatını sürekli olarak iyileştirmesine olanak tanır.