深度解析 Triomics 的 2,200 萬豪賭：為何腫瘤醫學需要專屬 AI，而非通用工具？

這種人工作業的負擔會帶來實際後果。它會形成臨床試驗收案的程序瓶頸——美國國家癌症研究所（National Cancer Institute）指出，臨床試驗對控制副作用和測試新療法至關重要 。這也導致臨床醫師在下班後，仍需花費「睡衣時間」（pajama-time）來追趕這些行政文書工作 。Triomics 正是針對這個痛點對症下藥，透過自動化的方式，來讀取與判讀每位病患數百頁的病歷資料。

OncoLLM 如何運作：專為腫瘤醫學打造的 AI 架構

Triomics 的平台核心是 OncoLLM，一個專為腫瘤醫學打造的企業級 AI 框架 。OncoLLM 並非單一的大型模型，而是被描述為一組由 8 個模型 構成的體系，參數量從 30 億到 720 億不等，以代理（agentic）的方式協同工作 。這種設計使系統能夠從「病患層級」來解讀資訊，針對一份長期的縱向病歷進行推理，而非一次僅分析一份文件。

此技術途徑刻意揚棄了早期的做法，如命名實體識別（named entity recognition）或關係萃取（relation extraction）。該公司亦運用微軟的 Azure AI 與 OpenAI 服務，包括微調小型語言模型 Phi-3.5，以便大規模地從非結構化數據中解析出關鍵的臨床資訊 。據微軟表示，此整合讓平台能在不到一分鐘內，將完整的病患記錄與數百項進行中的臨床試驗進行比對審查 。

OncoLLM 之上搭載了兩款核心軟體產品：

• Prism：自動將每位即將就診的病患，與整個試驗組合進行比對篩選，並每日或每週將配對結果直接傳送到提供者的工作流程中，包含逐項、按條件說明的配對理由與原文出處 。
• Harmony：整理電子病歷（EHR）數據，自動彙整出專家等級的病患摘要快照，內容涵蓋當前疾病狀態、治療時間軸、生物標記和試驗選項 。它還支援群組分析（cohort analysis）和精準腫瘤醫學報告 。

在與威斯康辛醫學院的早期驗證中，據報導 OncoLLM 能在數分鐘內就找出 90% 符合臨床試驗資格的病患——這項工作若由合格的護理師來執行，可能需要數天甚至數週的時間 。同一消息來源指出，OncoLLM 從非結構化筆記中萃取結構化數據的準確度，與 GPT-4 或 Claude 等模型相當或更高，但運行成本卻便宜了約 40 倍 。

資金與市場推進

這筆 2,200 萬美元的 B 輪融資，是繼 2024 年募得 1,500 萬美元 A 輪之後的重大進展 。資金將用於加速在醫療體系中的採用，並深化與電子病歷系統的整合 。該公司並未公開詳細的成長指標，如年度經常性收入（ARR）或企業客戶數量，不過其募資公告將其定位為受頂尖癌症中心信賴的平台 。

可公開查證的是其客戶名單。Triomics 已與多個聲譽卓著的機構簽訂部署協議：

• 紀念斯隆凱特琳癌症中心（MSK）：透過其 iHub 和 CRIC 計畫，MSK 正在其進行的所有試驗中，部署臨床試驗配對和篩選系統 。
• 西奈山 Tisch 癌症中心：推出了由 OncoLLM 驅動的 PRISM 平台，成為紐約市首個部署腫瘤專用 AI 配對工具、並獲 NCI 指定的綜合癌症中心 。
• 耶魯癌症中心和 Smilow 癌症醫院：將平台的使用範圍擴展至其所有進行中的腫瘤臨床試驗組合，相關成果已發表於《自然-數位醫療》（Nature Digital Medicine）期刊 。

競爭定位：垂直專精 vs. 萬用工具

Triomics 進入的市場，早已擠滿了各類環境式 AI 謄寫和臨床記錄工具，例如微軟的 Nuance DAX Copilot 和 Abridge。然而，其差異化優勢在於垂直領域的專精程度。

通用型 AI 謄寫器是為跨科別的廣泛臨床記錄而設計——主要是在看診期間，總結醫生和病患的對話。相對地，Triomics 專注於腫瘤醫學的工作流程，處理的是橫跨病患多年病史的大量、長篇幅非結構化數據 。其 AI 能閱讀整份病歷，在就診前、篩選中和約診後，都能生成一份結構化、附有引文來源的病患概覽 。

該公司的領導層還成立了「腫瘤專用 LLM 訓練協作聯盟」（Collaboration for Oncology focused LLM Training，簡稱 COLT），這是一個由超過 20 個 NCI 指定癌症中心與 Ci4CC 組成的聯盟，旨在為腫瘤醫學中的生成式 AI 建立效能基準和安全性標準 。此舉將 Triomics 定位為制定 AI 護欄的利害關係人，而不僅僅是產品開發者。

腫瘤專用 AI 的下一步是什麼？

這筆 2,200 萬美元的募資，傳遞出一個在健康科技領域逐漸成形的宏大命題：腫瘤醫學的數據複雜性，需要專用的基礎設施，而非僅是將通用聊天機器人改頭換面 。隨著癌症中心面臨越來越大的壓力，需要將更多病患與精準療法和臨床試驗進行配對，解決這個瓶頸已逐漸成為一種競爭上的必要之務。

Triomics 是否能憑藉其先行者優勢，抵擋資金充裕的通用型競爭者和企業級電子病歷廠商的挑戰，仍是個未定之天。但透過在 MSK、耶魯和西奈山的部署，以及總計 3,600 萬美元的募資金額，它已超越了概念驗證階段，進入了規模化的臨床營運。接下來的一年，將考驗垂直 AI 能否在醫學界最數據密集的領域之一，實現其承諾。