Knit Health Ra Mắt Với Vốn Hạt Giống 11,6 Triệu Đô La Để Xây Dựng Trí Tuệ Nhân Tạo Dựa Trên Quyết Định Lâm Sàng Thực Tế

Các công ty trí tuệ nhân tạo y tế đã chủ yếu tập trung vào việc đào tạo mô hình trên tài liệu y khoa, lưu ý lâm sàng và dữ liệu dựa trên văn bản. Nhưng Knit Health đang thực hiện một cách tiếp cận khác: dạy hệ thống trí tuệ nhân tạo cách hoạt động của chăm sóc sức khỏe thực tế bên trong các bệnh viện và phòng khám.

Spinout của Đại học California, Berkeley đã xuất hiện từ bí mật với 11,6 triệu đô la vốn hạt giống do Uncork Capital và Frist Cressey Ventures đồng dẫn đầu, với sự hỗ trợ hạt giống từ Moxxie Ventures và sự tham gia của Coalition Operators. Công ty cho biết vốn này sẽ hỗ trợ phát triển và triển khai Mô Hình Hành Vi Lâm Sàng Lớn (LCBM), một hệ thống được thiết kế để học hỏi từ cách các bác sĩ đưa ra quyết định trong môi trường chăm sóc sức khỏe thực tế.

Thay vì hoạt động như một trò chuyện y khoa truyền thống hoặc trợ lý ghi chú, Knit Health đang xây dựng cái mà họ mô tả là “trí tuệ lâm sàng tập thể” – trí tuệ nhân tạo được đào tạo trên các mẫu nhúng trong định tuyến bệnh nhân, chuyển tuyến, quyết định lịch trình, thời gian xuất viện và luồng công việc phối hợp giữa các bệnh viện.

Vượt Qua Trí Tuệ Nhân Tạo Y Tế Dựa Trên Văn Bản

Hầu hết các hệ thống trí tuệ nhân tạo sinh trong y tế ngày nay đều là các mô hình ngôn ngữ cơ bản. Chúng giỏi trong việc tóm tắt hồ sơ, tạo ghi chú hoặc trả lời câu hỏi dựa trên kiến thức y khoa đã xuất bản.

Knit cho rằng nhiều quyết định vận hành quan trọng nhất trong y tế không được viết rõ ràng. Thay vào đó, chúng xuất phát từ nhiều năm kinh nghiệm của các bác sĩ khi điều hướng các ràng buộc thực tế như sự sẵn có của chuyên gia, nút thắt chuyển tuyến, công suất bệnh viện và độ phức tạp của bệnh nhân.

Công ty cho biết mô hình LCBM của họ được đào tạo bằng cách sử dụng dữ liệu hồ sơ bệnh án điện tử Truveta bao gồm hơn 130 triệu bệnh nhân trên 30 hệ thống y tế của Mỹ. Knit cho biết họ áp dụng các kỹ thuật bao gồm học tăng cường sâu, suy luận nguyên nhân và nhân bản hành vi để mô hình hóa cách quyết định chăm sóc diễn ra trong thực tế.

Điều này khác biệt đáng kể so với các hệ thống trí tuệ nhân tạo y tế truyền thống phụ thuộc chủ yếu vào tập dữ liệu tĩnh hoặc nghiên cứu đã xuất bản. Thay vì dự đoán từ tiếp theo trong một câu, Knit đang cố gắng dự đoán quyết định chăm sóc vận hành bên trong các hệ thống y tế.

Theo công ty, hệ thống có thể thích nghi với các động lực vận hành cụ thể của từng bệnh viện, bao gồm cả mẫu chuyển tuyến, hạn chế nhân sự và cấu trúc luồng công việc.

Xây Dựng Lớp Cơ Sở Hạ Tầng Cho Các Bệnh Viện

Knit Health đang định vị nền tảng của mình như một lớp trí tuệ cơ sở cho các hoạt động y tế chứ không phải là một ứng dụng độc lập.

Công ty cho biết các mô hình của họ ban đầu được triển khai cho phân loại, tối ưu hóa luồng bệnh nhân, dự đoán xuất viện, quản lý chuyển tuyến và các sáng kiến cải thiện chất lượng. Theo thời gian, mục tiêu rộng lớn hơn dường như là nhúng trí tuệ nhân tạo vào cơ sở hạ tầng vận hành bên dưới gần như mọi luồng công việc lâm sàng.

Điều này phù hợp với một xu hướng rộng lớn hơn đang diễn ra trong trí tuệ nhân tạo y tế, nơi các công ty đang ngày càng nhắm vào việc cải thiện hiệu quả vận hành thay vì chỉ tập trung vào chẩn đoán hoặc trợ lý trò chuyện.

Các hệ thống y tế vẫn tiếp tục gặp khó khăn với các vấn đề như chuyển tuyến chậm, tắc nghẽn chuyên khoa, lịch trình không hiệu quả và phối hợp phân mảnh giữa các bộ phận. Những vấn đề vận hành này thường ảnh hưởng trực tiếp đến kết quả bệnh nhân mặc dù có những tiến bộ trong kiến thức lâm sàng và sẵn có điều trị.

Chiến lược của Knit gợi ý rằng các hệ thống trí tuệ nhân tạo y tế trong tương lai có thể ít tập trung vào việc thay thế các bác sĩ và tập trung hơn vào việc điều phối các hệ thống phức tạp xung quanh chăm sóc bệnh nhân.

Vai Trò Mở Rộng Của Truveta Trong Trí Tuệ Nhân Tạo Y Tế

Quan hệ đối tác giữa Knit và Truveta cũng phản ánh tầm quan trọng ngày càng tăng của các tập dữ liệu lâm sàng thực tế quy mô lớn trong việc phát triển trí tuệ nhân tạo y tế.

Truveta đã xây dựng một trong những bộ sưu tập dữ liệu lâm sàng lớn nhất tại Hoa Kỳ, đại diện cho hơn 130 triệu bệnh nhân trên mạng lưới các hệ thống y tế lớn. Công ty đã ngày càng định vị mình như một nhà cung cấp cơ sở hạ tầng quan trọng cho nghiên cứu trí tuệ nhân tạo y tế và trí tuệ vận hành.

Khi các công ty trí tuệ nhân tạo y tế tìm kiếm quyền truy cập vào dữ liệu lâm sàng dài hạn thay vì tập dữ liệu cô lập, các quan hệ đối tác như thế này có thể trở nên quan trọng hơn trong việc phát triển và triển khai mô hình.

Tương Lai Của Trí Tuệ Nhân Tạo Hành Vi Trong Y Học

Ra Mắt Của Knit Health nhấn mạnh một sự tiến hóa rộng lớn hơn trong trí tuệ nhân tạo y tế: một chuyển đổi từ các hệ thống được đào tạo chủ yếu trên kiến thức y khoa sang các hệ thống được đào tạo trên hành vi của các tổ chức.

Nếu thành công, loại trí tuệ nhân tạo hành vi này có thể giúp các bệnh viện tiêu chuẩn hóa việc cung cấp chăm sóc chất lượng cao trên toàn tổ chức trong khi giảm ma sát vận hành góp phần vào kiệt sức của các bác sĩ và chậm trễ điều trị.

Cách tiếp cận này cũng có thể ảnh hưởng đến cách các hệ thống trí tuệ nhân tạo trong tương lai được phát triển trong các ngành công nghiệp khác, nơi các quy trình làm việc của tổ chức và phối hợp con người quan trọng không kém so với tài liệu chính thức.

Đối với y tế cụ thể, những tác động lâu dài vượt ra ngoài tự động hóa. Các hệ thống có khả năng học hỏi từ hàng triệu hành trình bệnh nhân thực tế có thể cuối cùng giúp xác định các mẫu vận hành liên quan đến kết quả tốt hơn, cho phép các hệ thống y tế liên tục tinh chỉnh việc cung cấp chăm sóc dựa trên hành vi quan sát được chứ không chỉ dựa trên các hướng dẫn tĩnh.