Triomics привлек $22 млн на ИИ-платформу, которая решит самую большую проблему данных в онкологии

Онкологические центры США тонут в данных. Медицинская карта одного пациента может насчитывать сотни страниц неструктурированной информации — клинические заметки, результаты патологий, геномные панели и отсканированные факсы. Ручной предварительный скрининг одного пациента на соответствие портфелю клинических исследований может занимать до 45 минут, особенно если в записях есть PDF-файлы и рукописные пометки . Именно для решения этой проблемы и был создан Triomics.

Основанная в 2021 году друзьями по колледжу Саримом Кханом (CEO) и Хритураджем Сингхом (CTO), компания из Сан-Франциско и Нью-Йорка только что закрыла раунд серии B на $22 миллиона во главе с Battery Ventures. В раунде также приняли участие Nexus Venture Partners, Lightspeed, Y Combinator и стратегические инвесторы Oncology Ventures и Precision Health Informatics . Раунд доводит общий объем привлеченных компанией средств до более чем $36 миллионов . Главный вопрос сейчас — сможет ли вертикальный, специализированный на онкологии ИИ опередить универсальные модели, наводнившие рынок медицинской документации.

Проблема: неструктурированные данные перегружают клинический персонал

Примерно 80% медицинских данных существуют в неструктурированном формате, например, в виде свободных текстовых заметок врача, и только 20% хранятся в единообразных, структурированных полях — таких как лабораторные показатели или демографические данные . Этот дисбаланс означает, что высококвалифицированный онкологический персонал часами вручную просматривает записи для поддержки важнейших рабочих процессов: подбора клинических исследований, подготовки к визитам пациентов и отчетности в онкологические регистры .

У этой рутинной работы есть реальные последствия. Она создает узкое место в процессе набора пациентов в клинические исследования — процедуре, которую Национальный институт рака (National Cancer Institute) считает жизненно важной для контроля побочных эффектов и тестирования новых методов лечения . Это также приводит к появлению так называемых «пижамных часов» — времени, когда врачи наверстывают административную работу после окончания смены . Triomics нацелилась именно на эту болевую точку, автоматизируя обработку и анализ сотен страниц на каждого пациента.

Как работает OncoLLM: ИИ-архитектура, созданная специально для онкологии

Платформа Triomics работает на базе OncoLLM — ИИ-фреймворка корпоративного уровня, созданного специально для онкологии . OncoLLM — это не одна монолитная модель. Он описывается как созвездие из 8 моделей с параметрами от 3 до 72 миллиардов, которые работают как агенты . Такая архитектура позволяет системе интерпретировать информацию на уровне пациента, анализируя всю его историю болезни, а не отдельные документы.

Этот технический подход — осознанный отход от предыдущих методов, таких как распознавание именованных сущностей или извлечение отношений . Компания также использует сервисы Microsoft Azure AI и OpenAI, включая дообучение малой языковой модели Phi-3.5 для извлечения критической клинической информации из неструктурированных данных в промышленных масштабах . По информации Microsoft, эта интеграция позволяет платформе сопоставлять полные записи пациентов с сотнями текущих клинических исследований менее чем за минуту .

Поверх OncoLLM работают два основных программных продукта:

• Prism: Автоматически сопоставляет каждого пациента из расписания приемов со всем портфелем исследований и ежедневно или еженедельно выдает совпадения прямо в рабочий процесс врача, включая детальное, покритериальное обоснование со ссылками на источники .
• Harmony: Анализирует данные электронных медицинских карт (ЭМК) для автоматической сборки экспертных сводок с текущим статусом заболевания, историей лечения, биомаркерами и вариантами исследований . Также поддерживает когортный анализ и отчетность для прецизионной онкологии .

В ранних валидационных исследованиях с Медицинским колледжем Висконсина (Medical College of Wisconsin) OncoLLM всего за несколько минут находил 90% подходящих пациентов для клинических исследований — задача, на которую у квалифицированных медсестер ушли бы дни или недели . Тот же источник отмечает, что OncoLLM извлекал структурированные данные из неструктурированных заметок с точностью, близкой или превосходящей такие модели, как GPT-4 или Claude, при этом будучи примерно в 40 раз дешевле в эксплуатации .

Финансирование и рыночный успех

За раундом серии B на $22 миллиона следует раунд A на $15 миллионов, привлеченный в 2024 году . Капитал будет направлен на ускорение внедрения платформы в системах здравоохранения и углубление интеграций с системами электронных медицинских карт . Компания не раскрывает публично детальные метрики роста, такие как годовой регулярный доход (ARR) или количество корпоративных клиентов, хотя в анонсе финансирования Triomics позиционируется как решение, которому доверяют ведущие онкологические центры .

Что можно проверить публично, так это список клиентов. Triomics заключила соглашения о внедрении с престижными учреждениями:

• Мемориальный онкологический центр имени Слоуна — Кеттеринга (Memorial Sloan Kettering Cancer Center, MSK): Через программы iHub и CRIC, MSK внедряет систему подбора и скрининга клинических исследований для своих активных испытаний .
• Онкологический центр Тиш при больнице Маунт-Синай (Mount Sinai Tisch Cancer Center): Запустил платформу PRISM на базе OncoLLM, став первым Комплексным онкологическим центром (NCI-designated Comprehensive Cancer Center) в Нью-Йорке, внедрившим онкоспецифичный ИИ-инструмент для подбора исследований .
• Онкологический центр Йельского университета и Онкологическая больница Смилоу (Yale Cancer Center and Smilow Cancer Hospital): Расширили использование платформы на весь портфель активных онкологических клинических исследований; результаты были опубликованы в журнале Nature Digital Medicine .

Конкурентная среда: вертикальная специализация против универсальных инструментов

Triomics выходит на рынок, переполненный «умными» ИИ-помощниками для клинической документации, такими как Nuance DAX Copilot от Microsoft и Abridge. Однако ее отличительной чертой является вертикальная специфичность.

Универсальные ИИ-инструменты предназначены для широкой клинической документации в разных специальностях — они суммируют разговор врача и пациента во время приема. Triomics же фокусируется исключительно на онкологических рабочих процессах, связанных с большими объемами неструктурированных данных, охватывающих годы истории болезни пациента . Его ИИ анализирует всю медицинскую карту целиком, создавая структурированное и подтвержденное ссылками представление о пациенте до визита, во время скрининга и после приема .

Руководство компании также учредило консорциум «Сотрудничество для обучения онкологических LLM» (Collaboration for Oncology focused LLM Training, COLT), объединяющий более 20 онкологических центров уровня NCI, чтобы создать эталоны производительности и стандарты безопасности для генеративного ИИ в онкологии . Это позиционирует Triomics как участника процесса установки правил игры, а не просто как разработчика продукта.

Что дальше для специализированного ИИ в онкологии?

Привлечение $22 миллионов сигнализирует о формировании более широкого тезиса в сфере медицинских технологий: сложность онкологических данных требует специализированной инфраструктуры, а не просто перепрофилированного универсального чат-бота . Поскольку онкологические центры испытывают растущее давление, связанное с необходимостью подбирать больше пациентов для таргетной терапии и клинических исследований, решение этой «бутылочной горловины» становится конкурентной необходимостью.

Сможет ли Triomics сохранить свое преимущество первопроходца в борьбе с хорошо финансируемыми универсальными игроками и корпоративными вендорами ЭМК — вопрос открытый. Но с внедрениями в MSK, Йеле и Маунт-Синай, а также с общим объемом привлеченных средств в $36 миллионов, компания перешла от стадии доказательства концепции к масштабным клиническим операциям. Следующий год покажет, сможет ли вертикальный ИИ оправдать ожидания в одной из самых наукоемких областей медицины.