Gọi vốn
Nhà nghiên cứu Carnegie Mellon huy động 35 triệu USD cho công trình về trí tuệ lâm sàng

Điểm chínhXlue đã huy động được 35 triệu đô la cho một mô hình trạng thái sức khỏe trừu tượng hóa…
Xem thêm
- Xlue đã huy động được 35 triệu đô la cho một mô hình trạng thái sức khỏe trừu tượng hóa quỹ đạo của bệnh nhân thay vì token.
- Xlue tuyên bố mô hình của mình đã vượt qua các hệ thống dựa trên token tiên tiến trong các đánh giá mù với chi phí tính toán dưới 0,1%.
- Xlue đang thực hiện các nghiên cứu tiềm năng về nguy cơ bệnh tật và mô phỏng chỉ định thuốc để chứng minh giá trị thực tế.
Ngày 18 tháng 11 năm 2026, Xlue công bố rằng một nhà nghiên cứu của Carnegie Mellon đã huy động được 35 triệu USD cho lĩnh vực trí tuệ lâm sàng. Cùng ngày, công ty công bố một báo cáo kỹ thuật mô tả mô hình nền tảng về sức khỏe con người, được thiết kế để hiểu sức khỏe, dự đoán những thay đổi của sức khỏe và mô phỏng cách các phương pháp điều trị có thể làm thay đổi diễn tiến đó.
Công trình này hướng đến việc chuyển các câu hỏi lâm sàng thành bài toán tính toán, giúp bác sĩ và nhà khoa học khảo sát các kết quả có thể xảy ra bằng phương pháp tính toán trước khi hành động. Mô hình được thiết kế để học từ những thay đổi về sức khỏe của bệnh nhân, phản ứng của họ với điều trị, cũng như các thí nghiệm và thử nghiệm lâm sàng trong quá trình phát triển thuốc.
Mô hình hóa trạng thái sức khỏe thay vì token
Xlue cho rằng các mô hình được huấn luyện chủ yếu trên sách giáo khoa và bài báo y khoa có thể thể hiện kiến thức nhưng không nhất thiết dự đoán được khi nào bệnh nhân mắc bệnh hoặc phương pháp điều trị nào sẽ có hiệu quả. Khi áp dụng vào dữ liệu sức khỏe, các hệ thống lấy token làm trung tâm cũng có thể chia diễn tiến sức khỏe của bệnh nhân thành những chuỗi chứa lượng thông tin không đồng đều và các mẫu lặp lại, đồng thời làm rối lẫn những góc nhìn khác nhau về cùng một người.
Giải pháp thay thế của Xlue chuyển token thành các trạng thái sức khỏe trừu tượng—những cách biểu diễn sức khỏe trong quá trình biến đổi—và các hành động điều trị. Diễn tiến bệnh, đáp ứng với điều trị, kết quả lâm sàng và can thiệp được xem là những biểu hiện của cùng một quá trình: sức khỏe thay đổi theo thời gian và các hành động làm thay đổi quỹ đạo của quá trình đó. Công ty mô tả đây là một phương pháp tiền huấn luyện mới để mô hình hóa diễn tiến sức khỏe của bệnh nhân trên nhiều nhóm dân số.
Các đánh giá và mô phỏng thử nghiệm được công bố
Xlue cho biết mô hình trạng thái sức khỏe của công ty mở rộng hiệu quả hơn khi xử lý dữ liệu sức khỏe, khái quát hóa tốt hơn khi mô hình hóa diễn tiến sức khỏe của bệnh nhân trên các nhóm dân số khác nhau và vượt trội so với các mô hình token tiên tiến nhất trong những đánh giá mù do bên thứ ba thực hiện, với chi phí tính toán dưới 0,1%.
Báo cáo đề xuất sử dụng mô hình để mô phỏng ngoại tuyến các thử nghiệm lâm sàng. Một nhóm bệnh nhân sẽ được mô hình hóa trong điều kiện điều trị bằng thuốc và trong điều kiện đối chứng hoặc chăm sóc tiêu chuẩn; các kết quả dự đoán sau đó sẽ được dùng để điều chỉnh việc lựa chọn nhóm bệnh nhân, thiết kế đề cương và xác định những chỉ định mới có thể có. Xlue cho rằng phương pháp này có thể giúp các nhà phát triển thuốc thiết kế thử nghiệm với tỷ lệ thành công cao hơn, giảm thiểu rủi ro và tìm ra những công dụng mới của thuốc.
Nghiên cứu tiến cứu và cải thiện sức khỏe đệ quy
Xlue cho biết công ty đang tiến hành các nghiên cứu tiến cứu về dự đoán nguy cơ mắc bệnh trên nhiều hệ thống y tế nhằm hỗ trợ chăm sóc dự phòng. Công ty cũng đang hợp tác với các hãng dược để tìm chỉ định mới cho những loại thuốc hiện có bằng cách sử dụng mô phỏng mô hình thế giới, trong khuôn khổ nỗ lực triển khai rộng hơn cùng các bệnh viện và nhà phát triển thuốc.
Kế hoạch dài hạn là xây dựng một mô hình nền tảng dùng chung, kết nối các tín hiệu ở cấp độ phân tử, tế bào, bệnh nhân, thử nghiệm lâm sàng và sức khỏe cộng đồng. Xlue giao cho mô hình này bảy nhiệm vụ lâm sàng: khám phá thuốc, xác định bệnh nhân, lập kế hoạch chăm sóc, y học chính xác, đánh giá chẩn đoán, tìm kiếm chỉ định và tối ưu hóa thử nghiệm lâm sàng.
Công ty gọi vòng phản hồi mà mình hướng tới là Recursive Health Improvement. Các mô hình tính toán sẽ hỗ trợ các thí nghiệm trong phòng thí nghiệm, thử nghiệm lâm sàng và hoạt động chăm sóc bệnh nhân, đồng thời học hỏi từ những quá trình này, qua đó cho phép tín hiệu từ giai đoạn này cung cấp thông tin cho các giai đoạn khác. Những dự án đó tạo nên bối cảnh lâm sàng trước mắt cho khoản tài trợ: đây là những môi trường thực tế nơi khả năng khái quát hóa trạng thái sức khỏe và mô phỏng thử nghiệm của Xlue phải chứng minh tính hữu ích vượt ra ngoài các đánh giá do công ty công bố.












