Warum die Onkologie ihre eigene KI braucht: Triomics' 22-Millionen-Wette auf den Daten-Flaschenhals

Das Problem: Wenn unstrukturierte Daten das Personal überfordern

Etwa 80 Prozent aller medizinischen Daten liegen unstrukturiert vor, beispielsweise als Freitext-Notiz eines Arztes, während nur rund 20 Prozent in einheitlichen, strukturierten Feldern wie Laborwerten gespeichert sind . Dieses Ungleichgewicht führt dazu, dass hochqualifiziertes onkologisches Personal wertvolle Stunden mit dem manuellen Durchforsten von Akten verbringt – Zeit, die bei essenziellen Tätigkeiten wie der Suche nach passenden klinischen Studien, der Vorbereitung von Patientengesprächen oder der Meldung an Krebsregister fehlt .

Diese Mehrarbeit hat handfeste Konsequenzen: Sie schafft einen Flaschenhals bei der Rekrutierung für klinische Studien – ein Prozess, dessen Bedeutung das National Cancer Institute für das Management von Nebenwirkungen und die Erprobung neuer Therapien hervorhebt . Zudem führt sie zu berüchtigten „Feierabend-Stunden“, in denen Ärzte nach der Schicht administrative Altlasten abarbeiten . Triomics zielt genau auf diesen Schmerzpunkt ab, indem es die automatisierte Erfassung und logische Verarbeitung von Daten über Hunderte von Seiten pro Patient übernimmt.

So arbeitet OncoLLM: Eine onkologiespezifische KI-Architektur

Die Plattform von Triomics basiert auf OncoLLM, einem speziell für die Onkologie entwickelten KI-Framework für den Unternehmenseinsatz . Dabei handelt es sich nicht um ein einzelnes monolithisches Modell, sondern um ein ganzes System aus 8 Modellen mit einer Größe von 3 bis 72 Milliarden Parametern, die als agentenbasierte Einheit zusammenwirken . Diese Architektur erlaubt es, Informationen auf Patientenebene zu interpretieren – also die gesamte Krankengeschichte im Längsschnitt zu erfassen, statt nur einzelne Dokumente isoliert zu analysieren.

Dieser technische Ansatz grenzt sich bewusst von früheren Methoden wie der Erkennung benannter Entitäten oder der Relationsextraktion ab . Zudem nutzt das Unternehmen die Azure-KI- und OpenAI-Dienste von Microsoft und hat unter anderem das kleine Sprachmodell Phi-3.5 darauf trainiert, kritische klinische Informationen aus unstrukturierten Daten in großem Maßstab zu analysieren . Laut Microsoft kann die Plattform damit komplette Patientenakten in weniger als einer Minute mit Hunderten laufender klinischer Studien abgleichen .

Auf OncoLLM setzen zwei Haupt-Softwareprodukte auf:

• Prism: Durchleuchtet automatisch alle anstehenden Patiententermine anhand des gesamten Studienportfolios und liefert täglich oder wöchentlich Treffer direkt in die Arbeitsumgebung, inklusive einer detaillierten, kriterienbasierten Begründung mit Quellenangabe .
• Harmony: Kuratiert EHR-Daten, um automatisch Übersichten mit aktuellem Krankheitsstatus, Behandlungshistorie, Biomarkern und Studienoptionen zu erstellen . Zudem unterstützt es Kohortenanalysen und die Berichterstattung für die Präzisionsonkologie .

In ersten Validierungen mit dem Medical College of Wisconsin identifizierte OncoLLM eigenen Angaben zufolge innerhalb von Minuten 90 Prozent der für klinische Studien geeigneten Patienten – eine Aufgabe, für die qualifizierte Pflegekräfte Tage oder Wochen benötigt hätten . Dieselbe Quelle gibt an, dass OncoLLM strukturierte Daten aus unstrukturierten Notizen mit ähnlicher oder höherer Genauigkeit extrahierte als Modelle wie GPT-4 oder Claude, dabei jedoch etwa 40-mal kostengünstiger arbeitete .

Finanzierung und Kunden

Auf die 15 Millionen Dollar der Series A im Jahr 2024 folgt nun die Series B über 22 Millionen Dollar. Das frische Kapital soll die Einführung in weiteren Gesundheitssystemen beschleunigen und die Integration mit elektronischen Patientenakten (EHR) vertiefen . Detaillierte Wachstumskennzahlen wie den jährlich wiederkehrenden Umsatz (ARR) veröffentlicht das Unternehmen nicht – die Finanzierungsankündigung positioniert Triomics jedoch als Lösung, der führende Krebszentren vertrauen .

Was öffentlich belegbar ist, ist die Liste der Kunden. Triomics konnte Einsatzvereinbarungen mit renommierten Institutionen abschließen:

• Memorial Sloan Kettering Cancer Center (MSK) : Im Rahmen der iHub- und CRIC-Programme setzt MSK das System zum Abgleich und Screening klinischer Studien in seinen aktiven Studien ein .
• Mount Sinai Tisch Cancer Center: Führte die PRISM-Plattform ein und wurde damit zum ersten vom NCI ausgezeichneten „Comprehensive Cancer Center“ in New York City, das ein onkologiespezifisches KI-Tool für die Studiensuche nutzt .
• Yale Cancer Center und Smilow Cancer Hospital: Weiten die Nutzung der Plattform auf ihr gesamtes Portfolio aktiver onkologischer Studien aus, mit Ergebnissen, die in Nature Digital Medicine publiziert wurden .

Vertikale Spezialisierung gegen Allrounder

Triomics betritt einen Markt, in dem sich bereits KI-gestützte „Mitschreib-Assistenten“ und klinische Dokumentationstools wie Microsofts Nuance DAX Copilot und Abridge tummeln. Der entscheidende Unterschied liegt jedoch in der vertikalen Spezialisierung.

Allgemeine KI-Schreibtools sind auf eine breite klinische Dokumentation über viele Fachrichtungen ausgelegt – sie fassen Gespräche zwischen Arzt und Patient während eines Termins zusammen. Triomics hingegen konzentriert sich exklusiv auf onkologische Arbeitsabläufe mit sehr umfangreichen, unstrukturierten Daten, die sich über Jahre der Patientenhistorie erstrecken . Die KI liest die gesamte Krankenakte aus und erstellt vor dem Termin, während des Screenings und nach dem Besuch eine strukturierte, quellenbelegte Patientenübersicht .

Die Führung von Triomics hat zudem das Konsortium COLT (Collaboration for Oncology focused LLM Training) ins Leben gerufen, einen Zusammenschluss von über 20 NCI-ausgezeichneten Krebszentren und Ci4CC, um Leistungsmaßstäbe und Sicherheitsstandards für generative KI in der Onkologie zu definieren . Dies positioniert Triomics weniger als reinen Produktanbieter, sondern vielmehr als Akteur, der die Leitplanken der Technologie aktiv mitgestaltet.

Wie geht es weiter mit onkologiespezifischer KI?

Die 22-Millionen-Finanzierungsrunde untermauert eine These, die in der Gesundheitstechnologie zunehmend an Fahrt gewinnt: Die Komplexität onkologischer Daten erfordert eine spezialisierte Infrastruktur und nicht etwa einen zweckentfremdeten Allzweck-Chatbot . Da Krebszentren unter wachsendem Druck stehen, mehr Patienten mit Präzisionstherapien und klinischen Studien zu versorgen, wird die Lösung dieses Flaschenhalses zunehmend zum Wettbewerbsvorteil.

Ob Triomics seinen Erstanbietervorteil gegen finanzstarke Generalisten und etablierte EHR-Anbieter wird verteidigen können, bleibt eine offene Frage. Doch mit Einsätzen bei MSK, Yale und Mount Sinai sowie über 36 Millionen Dollar Gesamtkapital hat das Unternehmen die Proof-of-Concept-Phase klar hinter sich gelassen und ist im klinischen Alltag angekommen. Das kommende Jahr wird zeigen, ob vertikale KI ihr Versprechen in einem der datenintensivsten Felder der Medizin einlösen kann.