Pembiayaan VC ke alat AI untuk penjagaan kesihatan dijangkakan mencapai $11 bilion tahun lalu - jumlah tajuk yang bercakap tentang keyakinan meluas bahawa kecerdasan buatan akan membuktikan perubahan dalam satu sektor yang penting.
Banyak startup yang menerapkan AI dalam penjagaan kesihatan berusaha untuk meningkatkan kecekapan dengan mengautomatikkan sebahagian daripada pentadbiran yang melibatkan dan membolehkan penjagaan pesakit. Elea yang berpusat di Hamburg secara umum sesuai dengan acuan ini, tetapi ia bermula dengan suatu bidang yang agak diabaikan dan kurang dilayan - makmal patologi, yang melibatkan menganalisis sampel pesakit untuk penyakit - di mana ia percaya akan dapat ditinggikan sistem aliran kerja berasaskan ejen AI bersuara yang dibangunkan untuk meningkatkan produktiviti makmal agar mencapai impak global. Termasuk dengan merapatkan pendekatan berorientasikan aliran kerja untuk mempercepat keluaran bahagian penjagaan kesihatan yang lain juga.
Alat AI asal Elea direka untuk mengubah cara doktor dan kakitangan makmal lain bekerja. Ia merupakan penggantian lengkap untuk sistem maklumat warisan dan cara-cara kerja yang telah ditetapkan (seperti menggunakan Microsoft Office untuk menaip laporan) - mengalih aliran kerja kepada "sistem operasi AI" yang menggunakan transkripsi pertuturan-teks dan bentuk otomasi lain untuk "secara ketara" menyusutkan masa yang diperlukan oleh mereka untuk mengeluarkan diagnosis.
Setelah hampir setengah tahun beroperasi dengan pengguna awalnya, Elea mengatakan sistemnya dapat mengurangkan masa yang diperlukan oleh makmal untuk mengeluarkan kira-kira separuh laporan mereka menjadi hanya dalam dua hari.
Automasi Langkah demi Langkah
Aliran kerja langkah demi langkah, seringkali manual dalam makmal patologi bermakna terdapat skop yang luas untuk meningkatkan produktiviti dengan menerapkan AI, kata CEO dan pengasas bersama Elea Dr. Christoph Schröder. \"Kami sebenarnya membalikkan segala-galanya - dan semua langkah itu jauh lebih automatik ... [Doktor] bercakap dengan Elea, MTA [pembantu teknikal perubatan] bercakap dengan Elea, memberitahu mereka apa yang mereka lihat, apa yang mereka ingin lakukan dengannya,\" jelasnya.
\"Elea adalah ejen, menjalankan semua tugas dalam sistem dan cetak perkara - menyediakan slaid, misalnya, pewarnaan dan semua perkara itu - supaya [tugas] berjalan jauh lebih cepat, jauh lebih lancar.\"
\"Ia sebenarnya tidak meningkatkan apa-apa, ia menggantikan infrastruktur keseluruhan,\" tambahnya tentang perisian berasaskan awan yang mereka ingin gantikan sistem warisan makmal dan cara-cara kerja yang lebih serpihan yang menggunakan aplikasi-aplikasi berasingan untuk menjalankan tugas yang berbeza. Idea bagi OS AI adalah untuk dapat mengatur segala-galanya.
Startup ini sedang membangunkan Pelbagai Model Bahasa Besar (LLMs) yang berbeza melalui penalaan halus dengan maklumat pakar dan data untuk membolehkan kebolehan asas dalam konteks makmal patologi. Platform ini merangkumi pertuturan-ke-teks untuk mentranskripsi nota suara kakitangan - dan juga "teks-ke-struktur"; bermakna sistem dapat mengubah nota suara yang telah diterjemahkan ini ke arahan aktif yang memacu tindakan ejen AI, yang boleh termasuk menghantar arahan kepada kelengkapan makmal untuk menjaga aliran kerja bergerak lancar.
Elea juga berancang untuk membangunkan model asas sendiri untuk analisis imej slaid, kata Schröder, semasa ia menuju ke arah pembangunan keupayaan diagnostik juga. Tetapi untuk masa kini, fokusnya adalah untuk mengukuhkan tawarannya awal.
Pitch startup ini kepada makmal menunjukkan bahawa apa yang boleh mengambil masa dua hingga tiga minggu menggunakan proses konvensional boleh dicapai dalam beberapa jam atau hari kerana sistem bersepadu itu dapat menjadikan keuntungan produktiviti bertumpuk dengan menggantikan perkara-perkara seperti balas-balik yang membosankan yang boleh menyelubungi penaipan laporan secara manual, di mana kesilapan manusia dan kelucuan kerja lain boleh menyebabkan banyak gesaan.
Sistem ini boleh diakses oleh kakitangan makmal melalui aplikasi iPad, aplikasi Mac, atau aplikasi web - menawarkan pelbagai titik sentuhan untuk sesuai dengan jenis pengguna yang berbeza.
Perniagaan ini ditubuhkan pada awal 2024 dan dilancarkan dengan makmal pertamanya pada Oktober selepas meluangkan masa dalam mode sembunyi bekerja pada idea mereka pada 2023, kata Schröder, yang mempunyai latar belakang dalam pengaplikasian AI untuk projek pemanduan autonomi di Bosch, Luminar dan Mercedes.
Seorang pengasas lain, Dr. Sebastian Casu - CMO startup - membawa latar belakang klinikal, setelah menghabiskan lebih daripada satu dekad bekerja dalam penjagaan intensif, anestesiologi, dan melintasi jabatan kecemasan, serta sebelum ini menjadi pengarah perubatan untuk rangkaian hospital besar.
Sejauh ini, Elea telah menandatangani kemitraan dengan kumpulan hospital Jerman utama (ia tidak mendedahkan yang mana pada masa ini) yang diproses kira-kira 70,000 kes setiap tahun. Jadi sistem ini telah mempunyai ratusan pengguna sejauh ini.
Lebih banyak pelanggan dijadualkan untuk dilancarkan "segera" - dan Schröder juga mengatakan bahawa mereka sedang mempertimbangkan untuk meluaskan ke hadapan antarabangsa, dengan tumpuan khusus pada memasuki pasaran A.S.
Dukungan Benih
Startup ini untuk kali pertama mendedahkan sejumlah €4 juta benih yang dikumpulkan tahun lalu - dipimpin oleh Fly Ventures dan Giant Ventures - yang telah digunakan untuk membina pasukan kejuruteraan mereka dan mendapatkan produk itu ke tangan makmal-makmal pertama.
Jumlah ini adalah jumlah yang agak kecil berbanding miliaran pembiayaan yang kini melanda ruang tersebut setiap tahun. Tetapi Schröder menghujahkan startup AI tidak memerlukan tentera jurutera dan ratusan juta untuk berjaya - lebih kepada penggunaan sumber yang ada secara bijak, katanya. Dan dalam konteks penjagaan kesihatan ini, itu bermaksud mengambil pendekatan berorientasikan departamento dan merumatkan kes penggunaan sasaran sebelum berpindah ke kawasan aplikasi berikutnya.
Namun, pada masa yang sama, dia mengesahkan pasukan akan mencari untuk mengumpulkan peringkat A (lebih besar) yang lebih besar - kemungkinan musim panas ini - mengatakan Elea akan beralih ke pemasaran secara aktif untuk mendapatkan lebih banyak makmal yang membeli, daripada bergantung kepada pendekatan kata-kata yang mereka mulakan dengan.
Berbincang mengenai pendekatannya berbanding dengan landskap kompetitif bagi penyelesaian AI dalam penjagaan kesihatan, dia memberitahu kami: \"Saya fikir perbezaan besar ialah ia adalah penyelesaian spot berbanding dengan terpadu secara vertikal.\"
\"Banyak alat yang anda lihat adalah tambahan di atas sistem sedia ada [seperti sistem EHR] ... Ia sesuatu yang [pengguna] perlu lakukan di atas alat lain, UI lain, sesuatu yang lain yang orang yang sebenarnya tidak mahu bekerja dengan perkakas digital perlu buat, jadi sukar, dan ia pasti mengehadkan potensi,\" katanya.
\"Apa yang kita bina sebaliknya adalah kita sebenarnya mengintegrasikannya secara mendalam ke dalam sistem maklumat makmal kami sendiri - atau kami namakan ia sistem operasi patologi - yang pada akhirnya bermakna pengguna tidak perlu menggunakan UI yang berbeza, tidak perlu menggunakan alat yang berbeza. Dan ia hanya bercakap dengan Elea, memberitahu apa yang dilihatnya, memberitahu apa yang ingin dilakukannya, dan memberitahu apa yang Elea sepatutnya lakukan dalam sistem.\"
\"Anda juga tidak lagi memerlukan berjuta-juta jurutera - anda perlu beberapa lusin, dua lusin yang sangat, sangat bagus,\" dia juga menghujahkan. \"Kami mempunyai kira-kira dua lusin jurutera dalam pasukan ... dan mereka boleh melakukan perkara yang luar biasa.\"
\"Syarikat-syarikat yang berkembang pesat yang anda lihat hari ini, mereka tidak mempunyai ratusan jurutera - mereka mempunyai satu, dua lusin pakar, dan orang-orang itu boleh membina perkara yang menakjubkan. Dan itulah falsafah yang kami ada juga, dan itulah sebabnya kami sebenarnya tidak perlu mengumpul - sekurang-kurangnya pada permulaan - ratusan juta,\" tambahnya.
\"Dengan ini pastinya, ini adalah peralihan paradigma ... dalam bagaimana anda membina syarikat-syarikat.\"
Meningkatkan mindset aliran kerja
Memilih untuk bermula dengan makmal patologi adalah pilihan strategik bagi Elea kerana bukan sahaja pasaran yang boleh diakses bernilai berbilion dolar, kata Schröder, tetapi dia mengelinkan ruang patologi sebagai "sangat global" - dengan syarikat lab global dan pembekal menguatkan skalabiliti bagi permainan perkhidmatan perisian mereka - terutamanya jika dibandingkan dengan situasi yang lebih serpihan di sekitar menyokong hospital.
\"Bagi kami, ini sangat menarik kerana anda boleh membina satu aplikasi dan sebenarnya sudah boleh skal dengan itu - dari Jerman ke UK, AS,\" katanya. \"Semua orang memikirkan hal yang sama, bertindak sama, mempunyai aliran kerja yang sama. Dan jika anda selesaikan di Jerman, perkara hebat dengan LLM semasa, maka anda juga menyelesaikannya dalam Bahasa Inggeris [dan bahasa lain seperti Sepanyol] ... Jadi ia membuka banyak peluang yang berbeza.\"
Dia juga memuji makmal patologi sebagai "satu-satunya kawasan yang memperluas kepesatan dalam perubatan" - menunjukkan bahawa perkembangan dalam sains perubatan, seperti peningkatan patologi molekul dan penjujukan DNA, sedang mencipta permintaan untuk lebih banyak jenis analisis, dan untuk frekuensi analisis yang lebih tinggi. Semuanya bermaksud lebih banyak kerja untuk makmal - dan tekanan lebih banyak pada makmal untuk lebih produktif.
Setelah Elea matang dalam kes penggunaan makmal, katanya mereka mungkin akan melihat untuk melangkah ke kawasan di mana AI lebih biasanya digunakan dalam penjagaan kesihatan - seperti menyokong doktor hospital untuk merakam interaksi dengan pesakit - tetapi sebarang aplikasi lain yang mereka kembangkan juga akan mempunyai fokus yang ketat pada aliran kerja.
\"Apa yang kami ingin bawa adalah mindset aliran kerja ini, di mana segala-galanya diperlakukan seperti tugas aliran kerja, dan pada akhirnya, terdapat satu laporan - dan laporan itu perlu dihantar,\" katanya - menambah bahawa dalam konteks hospital mereka tidak mahu melibatkan diagnostik tetapi akan \"benar-benar memberikan tumpuan kepada operasional aliran kerja.\"
Pemprosesan imej adalah satu lagi kawasan yang Elea minati dalam aplikasi penjagaan kesihatan masa depan lain - seperti mempercepatkan analisis data untuk radiologi.
Cabaran
Bagaimana mengenai ketepatan? Penjagaan kesihatan adalah satu contoh penggunaan yang sangat sensitif jadi sebarang kesilapan dalam transkripsi AI ini - katakan, berkaitan dengan biopsy yang memeriksa tisu kanseri - boleh membawa kepada akibat yang serius jika terdapat ketidakseimbangan antara apa yang dikatakan oleh seorang doktor manusia dan apa yang Elea dengar dan laporkan semula kepada pembuat keputusan lain dalam rangkaian penjagaan pesakit.
Pada masa ini, Schröder mengatakan mereka sedang menilai ketepatan dengan melihat perkara-perkara seperti berapa banyak aksara pengguna mengubah dalam laporan yang disediakan AI. Pada masa ini, katanya terdapat antara 5% hingga 10% kes di mana beberapa interaksi manual dibuat ke laporan-laporan automatik ini yang mungkin menunjukkan kesilapan. (Walaupun dia juga mengatakan doktor mungkin perlu membuat perubahan atas sebab-sebab lain - tetapi mengatakan mereka sedang berusaha untuk "menurunkan" peratusan di mana intervensi manual berlaku.)
Pada akhirnya, katanya, tanggungjawab itu terletak pada doktor dan kakitangan lain yang diminta untuk menyemak dan meluluskan keluaran AI - mengesyorkan aliran kerja Elea sebenarnya tidak jauh berbeza dari proses warisan yang direka untuk menggantikannya (di mana, sebagai contoh, nota suara doktor akan ditulis oleh manusia dan transkripsi-transkripsi seperti itu juga boleh mengandungi kesilapan - sedangkan sekarang \"hanya penciptaan awal dilakukan oleh Elea AI, bukan oleh jurutulis\").
Automasi boleh menyebabkan jumlah pengeluaran yang lebih tinggi, bagaimanapun, yang mungkin menimbulkan tekanan pada semakan sedemikian kerana kakitangan manusia harus berurusan dengan data dan laporan yang mungkin banyak untuk disemak daripada sebelum ini.
Mengenai perkara ini, Schröder bersetuju bahawa terdapat risiko. Tetapi katanya mereka telah membina ciri "jaringan keselamatan" di mana AI boleh cuba untuk mengenal pasti isu-isu yang berpotensi - menggunakan suapan untuk menggalakkan doktor untuk melihat sekali lagi. \"Kami memanggilnya sepasang mata kedua,\" katanya, menambah: \"Di mana kami menilai laporan temuan sebelumnya dengan apa yang [doktor] katakan sekarang dan memberikan komen dan cadangan kepadanya.\"
Kerahsiaan pesakit mungkin menjadi kebimbangan lain yang berkaitan dengan AI agens berdasarkan awan (seperti Elea), berbanding dengan data yang kekal di premis dan di bawah kawalan makmal. Mengenai hal ini, Schröder mendakwa startup telah menyelesaikan kebimbangan "keselamatan
