Triomics nutzt LLM-Technologie zur Verbesserung der Krebsversorgung und sichert sich 15 Millionen Dollar Finanzierung.

Die Debatten über das Potenzial von KI im Gesundheitswesen dauern an, während Startups die Technologie mit starker Unterstützung von Risikokapitalgebern annehmen. Das in San Francisco ansässige Unternehmen Triomics, das sich der Verbesserung der Krebsbehandlung durch generative KI widmet, hat 15 Millionen US-Dollar von Lightspeed, Nexus Venture Partners, General Catalyst und Y Combinator erhalten.

Triomics wurde von ehemaligen MIT- und Adobe-Forschern, Sarim Khan und Hrituraj Singh, gegründet und hat eine Reihe von großen Sprachmodellen (LLMs) entwickelt, die als OncoLLM bekannt sind. Diese Modelle optimieren komplexe Onkologie-Workflows, wodurch medizinisches Personal geeignete Behandlungswege für Patienten effizienter bestimmen kann.

Triomics geht ein kritisches Problem an: Die steigende Prävalenz von Krebs, die bis 2050 voraussichtlich 35 Millionen neue Fälle erreichen wird – ein Anstieg um 77 % im Vergleich zu 20 Millionen Fällen im Jahr 2022. Dieser Anstieg belastet die Krebszentren zusätzlich, besonders angesichts des rückläufigen Gesundheitsfachkräftemangels.

Derzeit verbringen viele Pflegekräfte und Fachkräfte in der Krebsversorgung viel Zeit damit, Patientenakten manuell zu überprüfen, um relevante Daten für Behandlungswege oder die Teilnahme an klinischen Studien zu identifizieren. Dieser Prozess, der die Analyse unstrukturierter Notizen und Testergebnisse umfasst, führt häufig zu Verzögerungen bei der Patientenversorgung und der Behandlungsmöglichkeiten.

Triomics möchte diese Herausforderung mit seinem onkologiefokussierten OncoLLM lösen, das mit internen Datensätzen optimiert für den Einsatz in klinischen Umgebungen angepasst werden kann.

„OncoLLM besteht aus verschiedenen Modellen, die für unterschiedliche Aufgaben entwickelt wurden, einschließlich Retrievern und Generatoren. Einige werden von Grund auf neu entwickelt, während andere auf hochmodernen Open-Source-Modellen basieren. Wir passen unsere Modelle für jeden Gesundheitspartner an, verwenden deren proprietäre Daten und nutzen Reinforcement Learning für eine verbesserte Genauigkeit“, erklärte Khan.

Sobald sie an eine Institution angepasst sind, werden diese Modelle in die Softwarelösungen von Triomics integriert, die mit elektronischen Gesundheitsakten (EHR) zusammenarbeiten, um spezifische Arbeitsabläufe zu optimieren. Das Unternehmen bietet derzeit zwei Produkte an: Harmony, das Daten für Registrierungs- und Forschungsbedürfnisse organisiert, und Prism, das Onkologie-Patienten für relevante klinische Studien vorqualifiziert. Diese Integration reduziert die für die Überprüfung von Patientenakten benötigte Zeit von Tagen oder Wochen auf nur wenige Minuten.

In Tests am Cancer Center der Medical College of Wisconsin übertraf das Angebot von Triomics größere Open-Source- und proprietäre LLMs bei der Zuordnung von Patienten zu Studien und rivalisierte mit der Expertise qualifizierter medizinischer Fachkräfte und GPT-4, obwohl es kleiner und erheblich kostengünstiger war. Das Unternehmen hat zudem eine fortschrittliche Variante von OncoLLM entwickelt, die in der Genauigkeit sowohl GPT-4 als auch medizinischen Experten überlegen ist.

Mit der jüngsten Finanzierung plant Triomics, das Team zu vergrößern und die Produktreichweite zu erweitern, nachdem bereits Partnerschaften mit mehreren akademischen medizinischen Zentren gesichert wurden und eine Erweiterung um mehr als ein Dutzend Institutionen bis zum Jahresende geplant ist. Die Preisstrategie für die auf OncoLLM basierende Lösung wird an die Bedürfnisse jedes Kunden angepasst.

„Wir sind derzeit mit rund sechs akademischen medizinischen Zentren im Gespräch und erwarten, dass diese Zahl bis zum Sommer in den zweistelligen Bereich wächst. Zudem erweitern wir unseren Zugang zu großen Gemeinschafts-Onkologie-Praxen, um mehr Patienten positiv zu beeinflussen“, sagte Khan.

Während es andere Lösungen zur Zuordnung von Patienten zu Studien gibt, hebt sich Triomics mit seiner OncoLLM-gestützten Software ab, die sich auf Onkologie spezialisiert und vollständig auf generative KI setzt, anstatt vorhandene Technologien anzupassen. Dieser Ansatz zielt darauf ab, die Skalierbarkeit und eine signifikante Rendite zu liefern, die die Gesundheitsbranche verlangt.