Проблема неструктурированных данных в онкологической практике
Современная онкология сталкивается со значительным вызовом, связанным с обработкой огромных массивов информации. Около 80% медицинских карт пациентов с онкологическими заболеваниями хранятся в виде неструктурированного текста. К ним относятся подробные отчеты патоморфологов, результаты секвенирования генома, послеоперационные выписки и личные заметки врачей. Традиционные большие языковые модели часто совершают ошибки при анализе таких специфических документов, поскольку медицинская терминология требует абсолютной точности.
Стартап Triomics предложил альтернативный подход, создав специализированную платформу OncoLLM. Эта система разработана исключительно для онкологической отрасли и обучена на релевантных клинических данных. Новый раунд финансирования в размере 22 миллиона долларов позволит компании расширить возможности интеграции платформы и ускорить ее внедрение в крупных медицинских институтах США.
Как работает OncoLLM и в чем преимущества специализированных моделей
Вместо использования универсальных систем искусственного интеллекта разработчики создали архитектуру, которая фокусируется на нюансах онкологической номенклатуры. Программное обеспечение способно автоматически извлекать ключевые факторы из медицинской карты пациента, формировать структурированную хронологию болезни и анализировать стадии развития опухоли без привлечения дополнительного персонала.
Основные технологические направления интеграции ИИ-системы включают следующие процессы:
- Автоматизированный скрининг медицинских карт для поиска специфических биомаркеров пациентов.
- Автоматическое заполнение форм внутренней и государственной отчетности онкологических центров.
- Мгновенное структурирование данных для подготовки профиля пациента к медицинским консилиумам.
Благодаря узкой специализации точность обработки сложной терминологии существенно превышает показатели коммерческих моделей общего назначения, минимизируя риск возникновения галлюцинаций ИИ в клинических отчетах.
Оптимизация клинических исследований и подбор пациентов
Одной из наиболее трудоемких задач в онкологических центрах является рекрутинг пациентов для клинических испытаний новых медицинских препаратов. Обычно координаторы исследований вручную просматривают тысячи страниц медицинских файлов, чтобы найти соответствие строгим критериям включения и исключения. Этот процесс занимает недели, из-за чего многие пациенты упускают возможность получить инновационную терапию.
Внедрение OncoLLM сокращает время первичного анализа карт до нескольких минут. Система самостоятельно выделяет кандидатов, соответствующих требованиям конкретного протокола исследования, и передает информацию врачу для финального утверждения. Это повышает скорость набора групп и позволяет клиническим испытаниям стартовать в запланированные сроки.
Партнерство с ведущими институтами и планы развития
Технология Triomics уже развертывается в нескольких авторитетных медицинских учреждениях, среди которых Memorial Sloan Kettering Cancer Center и Yale Cancer Center. Опыт использования показывает, что оптимизация административных задач позволяет медицинскому персоналу уделять больше времени непосредственному взаимодействию с пациентами.
Полученные инвестиции Серии B будут направлены на усиление безопасности обработки персональных данных в соответствии со стандартами HIPAA, улучшение интеграции с популярными электронными системами здравоохранения (EHR) и расширение команды инженеров. Компания планирует адаптировать свои модели для анализа редких видов онкологических патологий, требующих еще более глубокой специализации алгоритмов.
0 Comments