Knit Health 以 1160 万美元种子资金启动，打造基于现实世界临床决策的 AI

医疗保健 AI 公司大多专注于训练模型以医疗文献、临床笔记和基于文本的数据为基础。但是，Knit Health 采取了不同的方法：教导 AI 系统如何在医院和诊所内部真正运作医疗保健。

加州大学伯克利分校的衍生公司以 1160 万美元的种子资金从隐身状态中脱颖而出，资金由 Uncork Capital 和 Frist Cressey Ventures 共同领投，获得了 Moxxie Ventures 的种子轮投资和 Coalition Operators 的参与。该公司表示，这笔资金将支持其 大型临床行为模型（LCBM） 的开发和部署，该系统旨在学习如何在真实的医疗环境中做出决策。

与传统的医疗聊天机器人或文档助手不同，Knit Health 正在构建所谓的“集体临床智能”——在医院中训练的 AI，学习患者路由、转诊、排班决策、出院时间和护理协调工作流中的模式。

超越基于文本的医疗保健 AI

今天，大多数医疗保健中的生成性 AI 系统本质上都是语言模型。它们擅长总结记录、生成笔记或根据已发表的医疗知识回答问题。

Knit 认为，许多最重要的医疗保健运营决策并没有明确写下来。相反，它们源于临床医生多年来在现实世界中应对各种约束的经验，例如专家可用性、转诊瓶颈、医院容量和患者复杂性。

该公司的 LCBM 使用 Truveta 电子医疗记录数据进行训练，涵盖了 1300 万多名患者和 30 个美国医疗系统。Knit 表示，它应用了深度强化学习、因果推断和行为克隆等技术来模拟医疗决策的实际运作方式。

这与传统的医疗保健 AI 系统有着显著的不同，后者主要依赖静态数据集或已发表的研究。Knit 不是预测句子中的下一个词，而是尝试预测医疗系统内部的运营护理决策。

根据公司的说法，该系统可以适应个别医院的特定运营动态，包括转诊模式、人员限制和工作流结构。

为医院构建基础设施层

Knit Health 将其平台定位为医疗保健运营的基础智能层，而不是独立应用程序。

该公司表示，其模型最初将用于分诊、患者流优化、出院预测、转诊管理和质量改进计划。长期目标似乎是将 AI 嵌入几乎每个临床工作流的底层运营基础设施中。

这与医疗保健 AI 领域正在发生的更广泛转变一致，公司越来越多地针对运营效率低下，而不仅仅关注诊断或对话式助手。

医疗系统继续苦于延迟的转诊、拥挤的专科护理管道、低效的排班和部门之间的碎片化协调等问题。这些运营问题经常直接影响患者的治疗效果，尽管临床知识和治疗方法有所进步。

Knit 的战略表明，未来医疗保健 AI 系统可能会更加注重协调患者护理周围的复杂系统，而不是仅仅取代医生。

Truveta 在医疗保健 AI 中的扩展角色

Knit 与 Truveta 的合作 也反映了大规模现实世界临床数据集在医疗保健 AI 开发中的日益重要性。

Truveta 已经建立了美国最大的临床数据集合之一，代表了 1300 万多名患者和主要医疗系统网络。该公司越来越多地将自己定位为 AI 驱动的医疗保健研究和运营智能的关键基础设施提供商。

随着更多医疗保健 AI 公司寻求访问纵向临床数据而不是孤立的数据集，这样的合作伙伴关系可能会变得越来越重要，以支持模型开发和部署。

医疗保健中行为 AI 的未来

Knit Health 的启动凸显了医疗保健 AI 的更广泛演变：从训练于医疗知识的系统转向训练于机构行为的系统。

如果成功，这类行为 AI 最终可能有助于医院在大型组织中标准化高质量的护理服务，同时减少导致临床医生倦怠和延迟治疗的运营摩擦。

这种方法还可能影响未来在其他行业中开发 AI 系统的方式，在这些行业中，机构工作流和人际协调与正式文档一样重要。

对于医疗保健来说，长期影响超出了自动化。能够从数百万真实世界患者旅程中学习的系统可能最终有助于识别与更好结果相关的运营模式，使医疗系统能够根据观察到的行为而不是静态指南不断改进护理服务。