Проблема неструктурованих даних в онкологічній практиці
Сучасна онкологія стикається з серйозним викликом, який полягає в ефективній обробці величезних масивів інформації. Близько 80% медичних записів пацієнтів з онкологічними захворюваннями зберігаються у вигляді неструктурованого тексту. Це детальні звіти патоморфологів, результати секвенування геному, виписки після операцій та персональні нотатки лікаря. Традиційні великі мовні моделі часто припускаються помилок при аналізі таких специфічних документів, оскільки медична термінологія вимагає максимальної точності.
Стартап Triomics запропонував альтернативний підхід, створивши спеціалізовану платформу OncoLLM. Ця система розроблена виключно для онкологічної галузі та натренована на релевантних клінічних даних. Новий раунд фінансування у розмірі 22 мільйони доларів дозволить компанії розширити можливості інтеграції платформи та прискорити її впровадження у великих медичних інституціях США.
Як працює OncoLLM та у чому перевага спеціалізованих моделей
Замість використання універсальних ШІ-систем розробники створили архітектуру, яка фокусується на нюансах онкологічної номенклатури. Програмне забезпечення здатне автоматично витягувати ключові фактори з медичної карти пацієнта, формувати структуровану хронологію хвороби та аналізувати стадії розвитку пухлини без залучення додаткового персоналу.
Головні технологічні напрямки інтеграції ШІ-системи включають такі процеси:
- Автоматизований скринінг медичних карток для пошуку специфічних біомаркерів пацієнтів.
- Автоматичне заповнення форм внутрішньої та державної звітності онкологічних центрів.
- Миттєве структурування даних для підготовки пацієнта до лікарського консиліуму.
Завдяки такому фокусу точність обробки специфічної термінології суттєво перевищує показники комерційних моделей загального призначення, знижуючи ризик виникнення так званих галюцинацій ШІ в медичних звітах.
Оптимізація клінічних досліджень та підбір пацієнтів
Одним із найскладніших завдань в онкологічних центрах є рекрутинг пацієнтів для клінічних випробувань нових ліків. Зазвичай координатори досліджень вручну переглядають тисячі сторінок медичних файлів, щоб знайти відповідність суворим критеріям включення та виключення. Цей процес займає тижні, через що багато пацієнтів втрачають шанс на інноваційну терапію.
Впровадження OncoLLM скорочує час первинного аналізу карт до кількох хвилин. Система самостійно виділяє кандидатів, які відповідають вимогам конкретного протоколу дослідження, та передає інформацію лікарю для фінального затвердження. Це підвищує швидкість набору груп і дозволяє випробуванням стартувати у заплановані терміни.
Партнерство з провідними інституціями та плани розвитку
Технологію Triomics вже розгортають у кількох авторитетних медичних установах, серед яких Memorial Sloan Kettering Cancer Center та Yale Cancer Center. Досвід використання показує, що оптимізація адміністративних завдань дозволяє медичному персоналу приділяти більше часу безпосередній взаємодії з пацієнтами.
Отримані інвестиції Серії B будуть спрямовані на посилення безпеки обробки персональних даних відповідно до стандартів HIPAA, покращення інтеграції з популярними електронними системами охорони здоров’я (EHR) та розширення команди інженерів. Компанія планує адаптувати свої моделі для аналізу рідкісних видів онкологічних патологій, що потребують ще більш глибокої спеціалізації алгоритмів.
0 Коментарів