Insights

🏥 Healthleap-მა კლინიკური AI პლატფორმისთვის 38 მილიონი დოლარის ინვესტიცია მოიზიდა

კლინიკური ხელოვნური ინტელექტის სტარტაპმა Healthleap-მა 38 მილიონი დოლარის მოცულობის დაფინანსება მოიზიდა. მოზიდული თანხა მოიცავს 8 მილიონი დოლარის საწყის რაუნდს Sequoia Capital-ისა და First Round Capital-ის თანათავმჯდომარეობით და 30 მილიონი დოლარის Series A რაუნდს Hummingbird Ventures-ის ხელმძღვანელობით. კომპანია ამ ეტაპზე საკუთარ საბაზრო შეფასებას საჯაროდ არ ასახელებს, თუმცა ბაზარზე პოზიციების გაძლიერებას გეგმავს. სტარტაპი სამხრეთ აფრიკაში 2022 წელს და-ძმამ ჯემიმა და ჯოზაია მეიერებმა დააფუძნა. თავდაპირველად პლატფორმა დიეტოლოგებისთვის განკუთვნილ კლინიკური კვების ხელსაწყოს წარმოადგენდა, თუმცა შემდგომში გუნდმა მიმართულება შეიცვალა. ახლა სისტემა საავადმყოფოში მოთავსებულ პაციენტებს აანალიზებს და ისეთი მძიმე მდგომარეობების იდენტიფიცირებას ახდენს, როგორიცაა არასრულფასოვანი კვება და დელირიუმი. კომპანიის პროგრამული პლატფორმა ამჟამად 50-ზე მეტ საავადმყოფოშია დანერგილი, სადაც ის რისკის ქვეშ მყოფ პაციენტებს უწყვეტ რეჟიმში სკანირებს. სისტემა უშუალოდ სამედიცინო დაწესებულების ელექტრონულ ჯანდაცვის ბაზებს უკავშირდება და ექიმების მიერ დაწერილ ჩანაწერებს ამუშავებს. ენობრივი მოდელები ტექსტიდან ისეთ დეტალებს ამოიცნობს, როგორიცაა წონის კლება ან ყლაპვის გაძნელება. ტექსტური ანალიზის შედეგები ლაბორატორიულ მაჩვენებლებსა და პაციენტის სასიცოცხლო ნიშნებს უკავშირდება, რის საფუძველზეც საერთო რისკის შეფასება დგება. კომპანიის წარმომადგენელთა განმარტებით, მათი პროგრამული უზრუნველყოფა დამოუკიდებელ დიაგნოზს არ სვამს. ალგორითმი მხოლოდ იმ შემთხვევებს გამოყოფს, რომლებსაც მკურნალი ექიმის მხრიდან დამატებითი ყურადღება და გადამოწმება სჭირდება. სამედიცინო კვლევების თანახმად, საავადმყოფოში მოთავსებული პაციენტების 20-დან 50 პროცენტამდე არასრულფასოვანი კვების პრობლემას განიცდის. ეს ფაქტორი ხშირად შეუმჩნეველი რჩება, რაც კლინიკაში დაყოვნების პერიოდს ახანგრძლივებს, ინფექციების რისკს ზრდის და ჭრილობების შეხორცებას აფერხებს. დროული იდენტიფიცირება კი გართულებების პრევენციასა და მკურნალობის ხარჯების შემცირებას განაპირობებს. სტარტაპის აღმასრულებელმა დირექტორმა ჯოზაია მეიერმა აღნიშნა: „ჩვენ ვიყენებთ მკაცრ ფინანსურ უკუგებას, რომელსაც საავადმყოფოს ფინანსური გუნდი ამოწმებს და გვაწერს როგორც გაზომვად ROI-ს.“ მისი განცხადებით, ყოველმა კლიენტმა დანახარჯზე ხუთმაგი ან მეტი უკუგება დააფიქსირა, ხოლო ზოგიერთ შემთხვევაში წლიურმა ეფექტმა ოცმაგ მაჩვენებელსაც კი გადააჭარბა, რაც სისტემის მაღალ ეკონომიკურ ღირებულებას უსვამს ხაზს. პენსილვანიის უნივერსიტეტის საავადმყოფოში Healthleap-ის პროგრამამ 23.8 მილიონი დოლარის წლიური ეკონომიკური ეფექტი აჩვენა. აქედან 6.3 მილიონი დოლარი დამატებითი ანაზღაურების სახით იქნა მიღებული, ხოლო 17.5 მილიონი დოლარი კლინიკაში პაციენტების დაყოვნების დროის შემცირებამ დაზოგა. ეს მონაცემები პლატფორმის პრაქტიკულ ეფექტიანობას ფინანსური კუთხითაც მკაფიოდ ადასტურებს. ბოლო ერთი წლის განმავლობაში კომპანიის პარტნიორი საავადმყოფოების რაოდენობა სამიდან ორმოცდაათამდე გაიზარდა. ოფიციალური ცნობით, სისტემის მომხმარებლებს შორის ისეთი წამყვანი ამერიკული ცენტრებია, როგორიცაა Cedars-Sinai, Intermountain და Emory Healthcare. ორგანიზაციის შემოსავლები იმავე პერიოდში ათჯერ გაიზარდა, რაც ჯანდაცვის სექტორში მსგავს გადაწყვეტებზე გაზრდილ მოთხოვნას ადასტურებს. კომპანია კონტრაქტებს სამწლიანი ვადით აფორმებს და საფასურს საავადმყოფოში არსებული საწოლების რაოდენობისა და მიღწეული შედეგების მიხედვით განსაზღვრავს. მოზიდული 38 მილიონი დოლარი საინჟინრო გუნდის გაფართოებას, გაყიდვების ზრდასა და ახალი ფუნქციონალის შექმნას მოხმარდება. გუნდი გეგმავს, რომ დიაგნოსტიკური ალგორითმები ასპირაციულ პნევმონიასა და გულის უკმარისობაზეც გააფართოოს. ჯოზაია მეიერის თქმით, საბოლოო მიზანი 40 ძირითადი სამედიცინო მდგომარეობის დაფარვა და ამბულატორიულ სექტორში გაფართოებაა. ჯანდაცვის სისტემებში პერსონალის დეფიციტის ფონზე, ავტომატიზებული მონიტორინგის სისტემები ექიმების დატვირთვის შემცირების ერთ-ერთ მთავარ ბერკეტად განიხილება. ტექნოლოგია სამედიცინო პერსონალს კრიტიკულ დეტალებზე ფოკუსირების საშუალებას აძლევს. ექსპერტთა შეფასებით, კლინიკური ჩანაწერების დამუშავება ხელოვნური ინტელექტისთვის ერთ-ერთი ყველაზე პერსპექტიული მიმართულებაა. არასტრუქტურირებული სამედიცინო ტექსტების სწრაფი ანალიზი პაციენტების უსაფრთხოებას საგრძნობლად აუმჯობესებს. Healthleap-ის გამოცდილება მოწმობს, რომ პრაქტიკულ შედეგებზე ორიენტირებული ალგორითმები თანამედროვე საავადმყოფოებში მყარ ადგილს იმკვიდრებს.