9,5 millió dollárt vont be a BioStack orvosi AI-adatplatformja

Kórházakból származó adatokat kapcsol össze a BioStack

A BioStack október 22-én jelentette be adat-infrastruktúra hálózatának elindítását. A Y Combinator által támogatott egészségügyi technológiai vállalat szerint a rendszer több mint 100 millió, személyazonosításra alkalmatlanná tett betegrekordot fog össze az Egyesült Államok, India, Brazília és Argentína kórházaiból.

A vállalat célja, hogy az egymástól elszigetelten tárolt klinikai információkat egyetlen, hosszabb időszakot átfogó betegképpé rendezze. A platform jegyzeteket, laboreredményeket, képalkotó vizsgálatokat, gyógyszerelési adatokat, kezeléseket és kimeneteleket kapcsol össze. A BioStack szerint ez a klinikai döntéshozatal, a kutatás és a népességszintű egészségügyi elemzés számára is részletesebb képet adhat.

Sanat Mishra, a BioStack társalapítója és vezérigazgatója szerint minden beteghez kapcsolódó esemény összegyűjtése megmutatja, mi történik az ellátási folyamat egyes szakaszaiban. A közleményben úgy fogalmazott, hogy a vállalat olyan infrastruktúrát épít, amely a klinikai információkat összekapcsolja, és hasznossá teszi azokat a mindennapi orvosi döntések, valamint a jövőbeli kutatások és AI-fejlesztések számára.

A finanszírozás a terjeszkedést és a fejlesztést támogatja

A BioStack 9,5 millió dolláros magvető befektetési kört is bejelentett. A finanszírozást a Peak XV, az Afore Capital, a DCVC, az Emerson Collective, az SV Angel, a Verdict Capital, a Streamlined Ventures és a Y Combinator vezette.

A vállalat a pénzt egyesült államokbeli és nemzetközi terjeszkedésre, technológiai platformjának fejlesztésére, valamint mérnöki és kutatási csapatainak bővítésére fordítja. A BioStack jelenleg mind a négy érintett országban kórházakkal dolgozik, így eltérő betegpopulációkból és egészségügyi környezetekből származó adatokhoz fér hozzá.

A cég szolgáltatói protokollokra épülő, egyedi munkafolyamatokat alakít ki, miközben a közlemény szerint védi a betegek magánszféráját. Az egyes szolgáltatói rendszerekből gyűjtött, anonimizált információkból saját adatkészleteket hoz létre. Ezeket orvosi kutatáshoz, gyógyszerfejlesztéshez, valamint egészségügyi AI-modellek tanításához és értékeléséhez kínálja.

Képalkotási adatok és hosszú távú kezelési eredmények

A BioStack több százezer, egymástól korábban elszigetelt röntgenfelvételt, MRI- és CT-vizsgálatot kapcsolt össze patológiai és egyéb klinikai rekordokkal. A vállalat szerint az így létrejött adatkészlet orvosi AI-ügynökök tanítását is támogathatja, például a kezelési lehetőségek és a várható betegkimenetelek értékelésében.

A platform a biológiai és klinikai adatokat a kezelési előzményekkel és a hosszú távú eredményekkel is összeköti. Ez a BioStack szerint segíthet a kutatóknak megérteni, mi történt egy beteggel, illetve hogyan hatottak az egyes beavatkozások az egészségi állapotára. A vállalat ilyen módon visszacsatolást kíván létrehozni a klinikai ellátás és az orvosi innováció között.

Indiában a BioStack rákbetegek és egy vizsgálati szakaszban lévő rákvakcina-program összekapcsolásában is részt vesz. A betegek klinikai adatai támogathatják a biotechnológiai vállalatok fejlesztéseit, a jogosult páciensek pedig hozzáférhetnek személyre szabott, vizsgálati kezelésekhez.

Orvosi AI-fejlesztésre készül a platform

A BioStack platformját többek között orvosi AI-modellek fejlesztésére és értékelésére, klinikai kutatásra, betegségek modellezésére, biomarker-felfedezésre, betegcsoportok kialakítására és a kezelésekre adott válasz elemzésére tervezték.

Pushpak Kedia, a Peak XV alelnöke szerint az egészségügyi AI fejlődéséhez a jobb modellek mellett jó minőségű, hosszú időszakot lefedő adatokra is szükség van, amelyek megmutatják, hogyan kezelik a betegeket. A befektető szerint a BioStack olyan adat-infrastruktúrát épít, amely értékes erőforrássá alakítja a széttöredezett klinikai információkat az orvosok, kutatók és AI-fejlesztők számára.

A vállalat közlése alapján a több országot és különböző egészségügyi rendszereket lefedő adatkapcsolat az orvosi AI-modellek képzését, tesztelését és kezelési döntésekhez való felhasználását szolgálhatja.