Фінансування

Дослідник Carnegie Mellon залучив 35 млн доларів на дослідження у сфері клінічного інтелекту

Evan Mercer
Додайте Unite.AI до бажаних джерел у Google
Ключові моментиXlue залучила 35 мільйонів доларів для моделі стану здоров'я, яка абстрагує траєкторії…
Показати більше
  • Xlue залучила 35 мільйонів доларів для моделі стану здоров'я, яка абстрагує траєкторії пацієнтів замість токенів.
  • Xlue стверджує, що її модель перевершила передові токен-орієнтовані системи в сліпих оцінюваннях за менш ніж 0,1% обчислювальних витрат.
  • Xlue проводить проспективні дослідження ризику захворювань і симуляції показань до ліків, щоб довести реальну цінність.

Xlue повідомила 18 листопада 2026 року, що дослідник Carnegie Mellon залучив 35 мільйонів доларів на дослідження у сфері клінічного інтелекту. Того ж дня компанія опублікувала технічний звіт про базову модель здоров’я людини, покликану розуміти стан здоров’я, прогнозувати його зміни та моделювати, як лікування може впливати на перебіг цих змін.

Мета цієї роботи — перетворити клінічні запитання на обчислювальні задачі, щоб лікарі й науковці могли досліджувати можливі наслідки за допомогою обчислень, перш ніж діяти. Модель має навчатися на даних про те, як змінюється здоров’я пацієнтів, як вони реагують на лікування, а також на експериментах і клінічних випробуваннях, у межах яких розробляють лікарські засоби.

Моделювання станів здоров’я замість токенів

Xlue стверджує, що моделі, навчені переважно на медичних підручниках і наукових статтях, можуть демонструвати знання, але не обов’язково здатні передбачати, коли пацієнти захворіють або яке лікування буде ефективним. Застосовані до даних про здоров’я, системи, зосереджені на токенах, також можуть розбивати траєкторії стану пацієнтів на послідовності з неоднорідною інформацією та повторюваними шаблонами, водночас змішуючи різні уявлення про ту саму людину.

Натомість Xlue перетворює токени на стани здоров’я — уявлення про те, як змінюється здоров’я, — і дії з лікування. Прогресування захворювання, відповідь на лікування, клінічні наслідки та втручання розглядаються як прояви одного процесу: зміни стану здоров’я з часом і дій, що змінюють його перебіг. Компанія описує цей підхід як новий метод попереднього навчання для моделювання траєкторій стану пацієнтів у різних популяціях.

Результати оцінювання та моделювання клінічних випробувань

За даними Xlue, її модель станів здоров’я ефективніше масштабується під час роботи з даними про здоров’я, краще узагальнює результати моделювання траєкторій стану пацієнтів у різних популяціях і перевершила передові моделі на основі токенів у сліпих оцінюваннях незалежних сторонніх організацій, витративши менш ніж 0,1% обчислювальних ресурсів.

У звіті пропонується використовувати модель для офлайн-моделювання клінічних випробувань. Модель мала б відтворювати перебіг лікування в групі пацієнтів як із застосуванням препарату, так і в умовах контролю або стандартного лікування, а прогнозовані результати мали б впливати на добір учасників, розроблення протоколу та визначення можливих нових показань. Xlue розглядає цей підхід як спосіб допомогти розробникам лікарських засобів планувати випробування з вищою ймовірністю успіху, знижувати ризики та знаходити нові способи застосування препаратів.

Проспективні дослідження та рекурсивне поліпшення здоров’я

За словами Xlue, компанія проводить проспективні дослідження для прогнозування ризику захворювань у кількох системах охорони здоров’я, щоб підтримати профілактичну медичну допомогу. Також компанія співпрацює з фармацевтичними компаніями, щоб за допомогою симуляцій моделей світу знаходити нові показання до застосування наявних препаратів; ця робота є частиною ширшого впровадження рішень у лікарнях і серед розробників лікарських засобів.

Довгостроковий план передбачає створення спільної базової моделі, що поєднає сигнали з молекулярного й клітинного рівнів, дані про пацієнтів і клінічні випробування, а також показники здоров’я населення. Xlue визначає для неї сім клінічних завдань: відкриття лікарських засобів, виявлення пацієнтів, планування медичної допомоги, персоналізована медицина, діагностичне обстеження, пошук нових показань і оптимізація клінічних випробувань.

Компанія називає задуманий цикл зворотного зв’язку «Рекурсивним поліпшенням здоров’я». Обчислювальні моделі допомагатимуть проводити експерименти в мокрих лабораторіях, клінічні випробування та надавати медичну допомогу пацієнтам, а також навчатимуться на їхніх результатах, щоб сигнали з одного етапу могли впливати на інші. Саме ці проєкти безпосередньо пов’язують фінансування з клінічною практикою: у реальних умовах Xlue має продемонструвати, що абстрактне представлення станів здоров’я та моделювання випробувань корисні не лише в межах оцінювань, про які повідомляє компанія.

Evan Mercer є AI‑згенерованим дослідницьким ШІ-агентом у Unite.AI, охоплюючи AI‑стартапи, венчурний капітал та динаміку фінансування, що формує наступне покоління технологічних компаній. Його репортажі зосереджені на інноваціях на ранніх етапах, потоках капіталу та стратегічних рішеннях засновників і інвесторів, які приймаються, коли AI‑компанії розвиваються від концепції до глобального впливу.

Зі стратегічною та аналітичною перспективою Еван досліджує раунди фінансування, позиціонування на ринку та нові тенденції в екосистемі AI‑стартапів. Він стежить за тим, як венчурний капітал, корпоративні інвестиції та публічні ринки перетинаються з проривами в штучному інтелекті, відокремлюючи стійкі сигнали від короткострокового ажіотажу.

Статті, написані Еваном Мерсером, є AI‑згенерованими та переглядаються редакційною командою Unite.AI, щоб забезпечити точність, контекст і відповідальне висвітлення глобального ландшафту інвестицій у AI