Фінансування

TestDynamics залучила 9 мільйонів доларів у межах раунду фінансування серії A для оцінювання ШІ в медичній візуалізації

Evan Mercer
Додайте Unite.AI до бажаних джерел у Google
Conceptual radiology monitors connected to a unified medical imaging review panel
Ключові моментиSatori оцінює алгоритми візуалізації на власних дослідженнях кожної лікарні перед…
Показати більше
  • Satori оцінює алгоритми візуалізації на власних дослідженнях кожної лікарні перед ухваленням рішень про покупку.
  • TestDynamics стверджує, що оцінювання має надходити ззовні моделі, а не від постачальників алгоритмів.
  • Satori Edge деідентифікує дослідження всередині мережі лікарні та спрямовує їх лише до ввімкнених постачальників.

TestDynamics залучила 9 мільйонів доларів фінансування: раунд серії A очолила компанія Healthier Capital, а стратегічну участь у ньому взяла Cedars-Sinai Technology Ventures. Компанія з Остіна використає ці кошти для розширення Satori — незалежної від постачальників платформи, яка оцінює алгоритми ШІ для медичної візуалізації та інтегрує отримані результати в наявні робочі процеси радіологів.

Фінансування спрямоване на розв’язання проблеми, яка загострюється в міру впровадження ШІ в лікарнях: вибір алгоритму — лише початок. Системам охорони здоров’я також потрібно з’ясувати, як він працює на даних їхніх пацієнтів, під’єднати його до клінічного програмного забезпечення та визначити, чи й надалі він дає корисні результати після впровадження.

За словами TestDynamics, Satori вже використовують у клінічній практиці в кількох із десяти найрейтинговіших медичних центрів США. Компанія планує розширити команду клінічної валідації, розгорнути платформу в більшій кількості систем охорони здоров’я та поширити можливості оцінювання й оркестрації на додаткові вузькі напрями медичної візуалізації. В оголошенні не названо ці медичні центри й не розкрито оцінку вартості компанії.

Шар оцінювання над конкуруючими алгоритмами медичної візуалізації

ШІ для медичної візуалізації часто має вузьку спеціалізацію. Один інструмент може виявляти ймовірну кровотечу на КТ голови, інший — вимірювати анатомічні структури на МРТ або виявляти можливі переломи на рентгенівському знімку. Якщо придбати кілька таких інструментів, радіологам доводиться зіставляти дані з різних інтерфейсів, результати та заяви постачальників про ефективність їхніх продуктів.

Satori працює над цими інструментами, а не конкурує з ними як ще один вузькоспеціалізований діагностичний алгоритм. У TestDynamics називають свій підхід «об’єднаним інтелектом»: система оцінює результати роботи кількох систем і впорядковує їх у клінічному поданні за пріоритетністю. За словами компанії, вона порівнює алгоритми як з еталонними результатами, які часто називають «істиною в основі», так і з продуктами конкурентів.

«Оцінювання має відбуватися поза моделлю», — сказав в оголошенні засновник і генеральний директор Lior Eshel. На його думку, лікарням потрібен оцінювач, роль якого не пов’язана з компаніями, що продають алгоритми.

В описі платформи наведено практичну подробицю, що доповнює цей підхід: перш ніж клініцисти й керівництво оберуть інструменти-кандидати, їх випробовують на власних знеособлених дослідженнях медичного закладу. Отримані результати формують локальну базову лінію для подальшого моніторингу. Дані про ефективність моделі в інших закладах — корисне свідчення, але локальне оцінювання дає змогу перевірити, чи можна застосувати ці дані до фактичного обсягу досліджень медичної візуалізації в лікарні.

Як Satori під’єднується до систем медичної візуалізації лікарні

Компонент інтеграції — Satori Edge, сервіс, який встановлюють у мережі лікарні. Згідно з технічним оглядом для ІТ-команд від TestDynamics, він отримує дослідження із системи архівування та передавання зображень (PACS), а також від маршрутизаторів DICOM. PACS зберігає медичні зображення та забезпечує доступ до них; DICOM — це стандарт обміну такими зображеннями та пов’язаною з ними інформацією.

Edge знеособлює та шифрує дослідження перед тим, як вони залишають мережу, передає їх лише під’єднаним постачальникам ШІ та пов’язує отримані результати з відповідним пацієнтом безпосередньо в медичному закладі. За словами TestDynamics, сервіс використовує вихідні з’єднання, а угоди з постачальниками забороняють зберігати дані пацієнтів або використовувати їх для навчання.

Завдяки такій архітектурі лікарня може під’єднувати нові інструменти або замінювати наявні через одне з’єднання. Вона також спрощує укладання договорів: TestDynamics має угоди та угоди з діловими партнерами з постачальниками базових рішень ШІ. Ці угоди визначають відповідальність за роботу із захищеною медичною інформацією, тоді як технічне з’єднання забезпечує передавання досліджень і результатів.

Єдине подання, у якому висновки затверджують радіологи

Фраза «один результат» може створити враження, що кілька відповідей ШІ об’єднуються в новий діагноз. У документації Satori View описано конкретніший робочий процес: окремі результати відображаються такими, якими їх сформував відповідний алгоритм, і впорядковуються в єдиному поданні під час перегляду дослідження.

Клінічні підрозділи можуть обирати, які висновки відображати та в якому порядку. Радіологи затверджують, що саме потрапить до переглядача медичних зображень або проєкту звіту. Позначки пріоритету від допущених до використання інструментів тріажу також можуть надходити до робочих списків, а відстеження подальших дій допомагає не втрачати з поля зору випадкові знахідки, доки їх не опрацюють.

Це розмежування важливе для підзвітності. Радіолог має розуміти, який інструмент сформував висновок і чи слід його прийняти. Зменшити візуальне перевантаження інтерфейсу корисно, але не менш важливо зберегти можливість перевірити й відхилити результат.

Моніторинг ефективності після запуску

Satori Governance поширює оцінювання на поточну роботу системи. За словами TestDynamics, платформа відстежує ефективність відносно базової лінії кожної лікарні, контролює використання, порівнює висновки ШІ з остаточними звітами та збирає дані про згоду радіологів із результатами, їхні зміни й незгоду з ними. Керівництво може використовувати ці дані, щоб вирішити, чи залишити інструмент, замінити його або розширити його використання.

Моніторинг має виявляти дрейф — зміну ефективності моделі після зміни умов, у яких вона працює. Причиною перевірити, чи залишається чинною попередня оцінка, можуть стати оновлення сканерів, інші протоколи візуалізації, нові групи пацієнтів або оновлені версії моделі.

Збіг із підсумковим звітом — корисний сигнал, але він не є автоматично рівнозначним еталонному результату, незалежно встановленому експертами. Аналіз розбіжностей і визначення надійних еталонних випадків залишаються важливими складниками клінічної валідації. Акцент у фінансуванні на розширенні команди з валідації відображає обсяг людської праці, необхідної для цієї інфраструктури.

Фінансування інфраструктури для клінічного ШІ

Потреба в зовнішньому оцінюванні виходить за межі медичної візуалізації. У коментарі в Nature Medicine за 2024 рік щодо клінічної валідації було висловлено думку про необхідність суворіших стандартів доказовості для схвалених ШІ-інструментів у сфері охорони здоров’я. Unite.ai також висвітлював незалежне тестування ШІ в охороні здоров’я, що свідчить про ширшу тенденцію оцінювати системи на основі доказів, які виходять за межі тверджень самих розробників.

Участь Healthier Capital підтримує інфраструктурну тезу: лікарням потрібно буде змінювати постачальників ШІ, не перебудовуючи клінічні системи під кожного нового постачальника. Cedars-Sinai Technology Ventures додає до інвестиційного раунду інвестора, який працює над комерціалізацією рішень у сфері охорони здоров’я; TestDynamics також називає себе учасником програми Cedars-Sinai Accelerator 2023 року.

Для TestDynamics можливість полягає в тому, щоб перетворити оцінювання, інтеграцію та клінічний нагляд на постійну послугу, а не виконувати окремі проєкти для кожного алгоритму. Фінансування в розмірі 9 мільйонів доларів допоможе компанії розширити цей рівень інфраструктури; зрештою, його цінність залежатиме від того, чи отримають лікарні чіткіші докази щодо своїх інструментів і зручніший потік результатів для радіологів.

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