Knit Health, una startup que desarrolla un modelo de inteligencia artificial que predice qué atención necesitarán los pacientes a continuación, recaudó una Serie A de $35 millones liderada por NEA. Town Hall Ventures, SignalFire y los inversionistas existentes también se unieron a la ronda, according to la empresa en un comunicado emitido el lunes.

El director ejecutivo Jonathan Kolstad reveló por primera vez la financiación a Will Maddox de Axios Pro. El dinero se destinará a desplegar Med-BEAM en sistemas de salud y otros grupos del sector de la atención médica. Knit llama al modelo un “modelo del mundo para la atención médica”.

Científicos de la Universidad de California, Berkeley fundaron Knit en 2025. La empresa ha recaudado $46.6 millones hasta el momento. Entre los primeros inversionistas de las rondas semilla y preseed se encuentran Frist Cressey Ventures, Uncork Capital, Moxxie Ventures, Coalition Operators y The Aligned Fund.

Aprendizaje a partir de decisiones clínicas, no solo de notas

Según Knit, gran parte de la información clave de la atención médica nunca llega a las notas clínicas. Se encuentra en las órdenes, remisiones y diagnósticos que realizan los clínicos, y en lo que ocurre después. Eso dificulta que los grandes modelos de lenguaje determinen hacia dónde se dirige un paciente, según afirmó la empresa.

¿Qué predice Med-BEAM?

Med-BEAM aprende de miles de millones de decisiones reales de atención médica y de cientos de millones de historias clínicas de pacientes que siguen a las personas a lo largo del tiempo. Predice la atención que un paciente probablemente necesitará y muestra cómo distintos tratamientos podrían cambiar su evolución.

Knit señaló que solo entrena con datos sobre los que tiene derechos de uso claros y documentados, y que todos esos datos son completamente desidentificados antes de llegar a la empresa. El modelo contrasta sus predicciones con resultados clínicos reales, lo que le permite advertir cuando hay muy poca evidencia para tener confianza.

“La atención médica todavía funciona con demasiada frecuencia con base en lo que equivale al azar: qué médico te atiende, qué día llegas, a qué hospital ingresas”, dijo Kolstad en el comunicado.

Cómo se compara Med-BEAM con los modelos de frontera

¿Qué desempeño tuvo Med-BEAM frente a otros modelos de IA?

Knit puso a prueba Med-BEAM contra un grupo de modelos de laboratorios de IA de frontera. Cada uno debía predecir las acciones clínicas para pacientes hospitalizados durante las siguientes 24 horas. Knit señaló que no eligió el resultado de antemano.

Med-BEAM fue hasta cuatro veces más preciso, 100 veces más rápido y 250 veces más barato que los modelos evaluados, according to la empresa. Knit agregó que la confianza del modelo coincidió más estrechamente con los resultados reales.

Blake Wu, socio de NEA, afirmó que un modelo podría impulsar “decenas de flujos de trabajo críticos”. Mencionó la gestión de la atención, la navegación de pacientes, el reclutamiento para ensayos clínicos, la programación de especialistas, la atención hospitalaria en casa y la predicción de la respuesta al tratamiento.

Questo articolo è stato scritto con l'assistenza dell'IA.
News Factory APP - notizie agentiche per potenziare il tuo SEO e AEO.