Aidoc 获得 1.5 亿美元 E 轮融资，以扩大临床 AI 跨健康系统的规模

临床 AI 公司 Aidoc 已获得 1.5 亿美元 E 轮融资，由 Goldman Sachs Alternatives 领投，此时医疗系统越来越多地寻求超越孤立的 AI 工具，转向集成的、企业范围的平台。

本轮融资还包括 General Catalyst、SoftBank Investment Advisors 和 NVentures 的参与，使公司的总融资金额超过 5 亿美元。这次融资发生在医院面临诊断错误、人员短缺和成像量增加的压力日益增大的情况下，这些因素每年导致美国数十万例可预防的死亡。

从点解决方案到系统范围的 AI

多年来，医疗保健领域的 AI 大多被部署为单一用途工具——设计用于检测一种条件的算法。在需要临床医生解释大量成像数据的环境中，这种方法的影响有限，尤其是在需要跨多个条件的情况下。

Aidoc 是更广泛转向基础模型驱动系统的公司，这些系统可以跨模式和用例运行。其专有的 CARE™ 基础模型 设计用于分析多模式临床数据，并从单一架构扩展 AI 覆盖范围到多个病理学。

这种转变反映了其他 AI 领域已经发生的变化：从狭窄的工具转向能够支持复杂工作流的通用系统。

构建临床 AI 的操作系统

Aidoc 方法的核心是其企业平台 aiOS™，它作为临床 AI 编排层。与在隔离中部署单个算法不同，aiOS 将 AI 直接集成到医院基础设施中，包括成像系统和电子健康记录。

该平台使多个算法可以在单个扫描上同时运行，优先显示紧急发现并显示预期和偶然发现的异常。这种编排层旨在减少诊断差距，同时提高工作流效率。

它还引入了治理机制，例如验证、监控和性能跟踪，这些机制在 AI 系统进入受监管的临床环境时变得越来越必要。

在真正的临床环境中扩大 AI

Aidoc 的技术已经在显著的规模上部署，分析每年数千万个患者病例，并支持全球数千家医院的医疗服务。

其系统在实时临床环境中使用，特别是在放射科，AI 可以标记紧急发现并加速分诊决策。最近的报告强调了从检测内部损伤到根据成像数据优先考虑紧急情况等用例。

这种部署水平反映了从实验到运营依赖的转变——AI 不再是附加组件，而是核心临床基础设施的一部分。

下一阶段：端到端的临床工作流

新的资金将支持 Aidoc 基础模型的扩展，并进一步推进端到端工作流。在开发的关键领域之一是自动草稿报告生成，旨在将 AI 从检测转向完全的临床工作流参与。

这种方向表明，未来 AI 系统不仅会突出异常，还可能越来越多地结构化、总结和为临床医生提供上下文。

在实际操作中，这可能会压缩扫描、诊断和治疗之间的时间，同时也减少医疗保健专业人员的认知负担。

向自治临床决策支持转变

正在出现的转变是从碎片化的 AI 工具到统一的系统，这些系统在医疗保健中起着基础设施的作用。

随着这些平台的成熟，其价值将越来越多地来自于它们如何跨部门协调、标准化决策并减少护理的变异性。技术挑战不再仅仅是构建准确的模型——而是确保这些模型可以在复杂的医院环境中可靠地运行，在严格的监管监督下。

随着时间的推移，“AI 辅助”和“标准”护理之间的区别可能开始变得模糊。AI 不再是一个可见的工具，而可能成为一个潜在的层，持续解释数据、标记风险并支持临床医生实时工作。

如果这种转变得到巩固，诊断准确性和患者结果的改善可能不再来自任何单一的突破性功能，而是来自 AI 在整个临床工作流中安静地嵌入的累积效应。