Es ist eine Sache, einen medizinischen Algorithmus zu entwickeln, und eine ganz andere, zu beweisen, dass er wirklich funktioniert. Dazu benötigen Sie etwas Entscheidendes, das schwer zu bekommen ist: medizinische Daten. Und ein Startup ist bereit, dies in Hülle und Fülle bereitzustellen, zusammen mit den Tools zur Erleichterung von Validierungsstudien.
gesund, gegründet im Jahr 2021, ging mit einer 2-Millionen-Seed-Runde hervor, die von 500 Global angeführt wurde. Das Unternehmen hat bereits einen langen Weg zurückgelegt, mit tragfähigen Plattformen, 30 Kunden in seinem Vertriebskanal und erwarteten Einnahmen in diesem Quartal, sagte Gründer Enes Hosgor.
gesund Es ist im Grunde eine Auftragsforschungsorganisation (CRO) für KI-Unternehmen, die medizinische oder akademische Algorithmen entwickeln, die ihre eigenen Modelle testen. Genauso wie ein CRO eine klinische Studie für ein Arzneimittel- oder Medizinprodukteunternehmen entwerfen könnte gesund kuratiert Daten, die es KI-Unternehmen ermöglichen, ihre eigenen Produkte zu testen, und baut die IT-Infrastruktur auf, um den Vergleich nahtlos zu gestalten.
„Ich betrachte uns gerne als ein Unternehmen für maschinelles Lernen“, sagte Hosgor. "Wir machen keine Algorithmen."
Ein medizinischer Algorithmus ist nur so gut wie die Daten, mit denen er trainiert wurde, und es ist klar, dass es eine Herausforderung sein kann, vielfältige und nutzbare Datensätze zu erhalten. Zum Beispiel, eine Studie veröffentlicht in JAMA im Jahr 2020 analysierte 74 wissenschaftliche Artikel, die Deep-Learning-Algorithmen in Disziplinen wie Radiologie, Augenheilkunde, Dermatologie, Pathologie, Gastroenterologie und Pathologie beschreiben; 71 % der in diesen Studien verwendeten Daten stammen aus New York, Kalifornien und Massachusetts.
Tatsächlich haben 34 US-Bundesstaaten keine Daten zur Pipeline beigetragen, die zum Trainieren dieser Algorithmen verwendet wurden, was in Frage stellt, wie verallgemeinerbar sie für eine breitere Bevölkerung sein könnten.
Das Problem besteht auch bei verschiedenen Arten von Gesundheitsdienstleistern. Ich weiss trainieren konnte ein Algorithmus auf Daten, die an einem großen und renommierten Universitätskrankenhaus gesammelt wurden. Aber wenn Sie das in einem kleinen Gemeindekrankenhaus implementieren möchten, gibt es keine Garantie dafür, dass es in dieser sehr begrenzten Umgebung funktioniert.
Zusammengenommen sind die Datensätze, die zum Trainieren von Algorithmen verwendet werden, im Allgemeinen kleiner als sie sein sollten, so eine Meta-Überprüfung von 152 Studien, die in veröffentlicht wurde BMJ. Natürlich gibt es welche algorithmische Erfolgsgeschichten, aber das Problem des Datenvolumens ist ein branchenweites Problem.
Technologie allein kann all diese Probleme nicht lösen; Sie können keine Daten sortieren oder bereitstellen, die vorher nicht vorhanden sind. Zum Beispiel genetische Studien für Menschen außereuropäischer Abstammung, die Sie fallen durch ihre Abwesenheit auf. Aber gesund Es konzentriert sich eng auf ein Problem, bei dem Technologie helfen könnte: Erleichterung des Zugriffs auf vorhandene Daten und Schaffung von Partnerschaften, die neue Wege für den Datenaustausch eröffnen.
Ein Screenshot der Gesund-Validierungsplattform.
Die Datenquelle von gesund es stammt aus „bestehenden Vereinbarungen zum Datenaustausch mit klinischen Standorten“, sagte Hosgor. Im Augenblick, gesund konzentriert sich auf Bildgebungsdaten, die am University of Chicago Medical Center, dem Massachusetts General Hospital und der Berliner Charité erhoben wurden. (Das Unternehmen plant, in Zukunft über die Radiologie hinaus zu expandieren.)
Andere, wie die Nightingale Open Science-Projekt die Forschern kostenlos klinische Datensätze zur Verfügung stellen (nicht mit der plemic "Projekt Nachtigall"). Aber während die Daten selbst ein Schlüsselelement sind, ist es wirklich der Technologie-Stack, den Hosgor als Geheimwaffe des Unternehmens ansieht.
„Jeder macht ML (Machine Learning) in der Cloud“, erklärte Hosgor. „Und da der Standard-Gesundheitsdienstleister keine Cloud hat, ist das alles vorbei, bevor es beginnt“, sagte er. „Wir haben eine Technologie-Suite entwickelt, die sich vor Ort innerhalb einer Krankenhaus-Firewall befinden kann. Es ist nicht auf verwaltete Dienste von Drittanbietern angewiesen.“
Von dort enthält die Plattform eine „Low-Code“-Schnittstelle. Kurz gesagt, Ärzte und Anbieter können die benötigten Datensätze im Wesentlichen per Drag-and-Drop verschieben und ihre eigenen Algorithmen mit diesen Daten testen.
„Wir sind sechs Monate alt, aber wir sind live gegangen und haben dieses erste Produkt entwickelt, mit dem Modellbesitzer ihre Algorithmen gegen Daten laufen lassen können, um spontan präzise Metriken in Umgebungen mit hoher Compliance zu erstellen, in denen sie keinen Zugriff auf Daten haben. Cloud-Ressourcen. Das ist unser geheimer Schlüssel“, erklärte er.
Für den Augenblick gesund, Wie Nightingale, bietet einige seiner Dienste kostenlos an. Das Gemeinschaftsausgabe Das Unternehmen erlaubt Akademikern mit bestehenden Algorithmen, ihre Algorithmen kostenlos zu testen (aber sie müssen auch ihre eigenen Datensätze hochladen).
In der Zwischenzeit werden die KI-Unternehmen die Rechnung für die „Premium“-Version des Unternehmens bezahlen. Dies, sagt Hosgor, wird zahlenden Kunden Zugang zu validierten Datensätzen geben. Und es gibt Beweise dafür, dass sie für die Daten bezahlen, die sie benötigen. Zur Zeit, gesund behauptet, eine Pipeline von 30 Leads zu haben und erwartet, in diesem Quartal Einnahmen zu generieren.
"Wir waren letzten November auf der RSNA in Chicago und jedes KI-Unternehmen, mit dem wir gesprochen haben, sagte: 'Ja, ich brauche Beweise für die Ergebnisse.'"
Die Pre-Seed-Runde in Höhe von 2 Millionen US-Dollar stellt die gesamte Finanzierung von dar gesund, aber Hosgor erwartet, dass das Unternehmen dieses Jahr wieder einkassiert. In naher Zukunft wird sich das Unternehmen auf Forschung und Entwicklung konzentrieren und seine klinischen Partnerschaften in den Vereinigten Staaten und Europa ausbauen.
