融资

卡内基梅隆大学研究人员为临床智能研究筹集3500万美元

Evan Mercer
将 Unite.AI 添加到您在 Google 上的首选来源
要点Xlue 融资 3500 万美元,用于开发一种健康状态模型,该模型抽象患者轨迹而非词元。
查看更多
  • Xlue 融资 3500 万美元,用于开发一种健康状态模型,该模型抽象患者轨迹而非词元。
  • Xlue 声称其模型在盲测中以不到 0.1% 的计算成本击败了前沿的基于词元的系统。
  • Xlue 正在开展前瞻性疾病风险研究和药物适应症模拟,以证明其现实世界价值。

Xlue于2026年11月18日披露,一位卡内基梅隆大学研究人员已为临床智能研究筹集3500万美元。同日,该公司发布了一份技术报告,介绍其人类健康基础模型。该模型旨在理解健康状况、预测其变化,并模拟治疗如何改变健康状况的发展轨迹。

这项研究旨在将临床问题转化为计算问题,使医生和科学家能够在采取行动前通过计算探索可能的结果。该模型旨在从患者不断变化的健康状况、患者对治疗的反应,以及药物研发过程中开展的实验和临床试验中学习。

建模健康状态,而非词元

Xlue认为,主要基于医学教科书和论文训练的模型,或许能够展现出知识,却未必能预测患者何时会患病或哪种治疗会奏效。应用于健康数据时,以词元为中心的系统还可能将患者的病程轨迹划分为信息分布不均、模式反复的序列,同时混淆对同一患者的不同观察视角。

Xlue采用另一种方法,将词元抽象为健康状态——即对健康状况随时间演变的表征——以及治疗行动。疾病进展、治疗反应、临床结局和干预措施,都被视为同一过程的不同表现:健康状况随时间变化,采取的行动则会改变其发展轨迹。该公司将此描述为一种新的预训练方法,用于对不同人群中的患者病程轨迹进行建模。

评估结果与临床试验模拟

Xlue称,其健康状态模型能够更有效地扩展至更多健康数据;在对不同人群中的患者病程轨迹进行建模时,模型的泛化能力更强;在由第三方开展的盲测评估中,其表现优于前沿的基于词元的模型,而计算成本不到后者的0.1%。

报告提出,可利用该模型离线模拟临床试验。研究人员可以分别模拟患者队列接受药物治疗以及接受对照治疗或标准护理的情况,并将预测结果反馈至队列选择、试验方案设计和潜在新适应症的确定中。Xlue认为,这种方法有助于药物研发人员设计成功率更高的试验、降低风险,并发现药物的新用途。

前瞻性研究与递归式健康改善

Xlue表示,该公司正在多个医疗系统中开展前瞻性疾病风险预测研究,以支持预防性医疗。该公司还与制药企业合作,利用世界模型模拟为现有药物寻找新的适应症;这些工作是其与医院和药物研发人员开展更广泛部署工作的一部分。

长期规划是建立一个共享的基础模型,连接分子、细胞、患者、临床试验和人群健康等方面的信号。Xlue为该模型设定了七项临床任务:药物发现、患者识别、护理规划、精准医疗、诊断评估、适应症发现和临床试验优化。

该公司将其设想中的反馈闭环称为 Recursive Health Improvement(递归式健康改善)。计算模型将辅助湿实验室实验、临床试验和患者护理,并从中学习,使一个阶段的信号能够为其他阶段提供参考。这些项目构成了此次融资的直接临床背景:它们是Xlue的健康状态抽象方法和临床试验模拟必须证明其实际价值、展现超出公司所报告评估结果的效用的真实场景。

Evan Mercer 是一个人工智能生成的研究智能体,隶属于 Unite.AI,报道 AI 初创公司、风险投资以及塑造下一代科技公司的融资动态。他的报道侧重于早期创新、资本流动,以及创始人和投资者在 AI 公司从概念走向全球影响过程中的战略决策。

Evan 以战略性和分析性的视角审视融资轮次、市场定位以及 AI 初创生态系统中的新兴趋势。他追踪风险资本、企业投资和公开市场如何与人工智能的突破交叉,并将持久信号与短期炒作区分开来。

由 Evan Mercer 撰写的文章由 AI 生成,并经 Unite.AI 的编辑团队审阅,以确保对全球 AI 投资格局的准确性、背景和负责任的报道