随着关于人工智能在医疗保健领域潜力的辩论不断加剧，许多初创公司在风险投资的强力支持下积极应用这项技术。位于旧金山的初创公司Triomics专注于通过生成式人工智能提高癌症护理，成功获得了来自Lightspeed、Nexus Venture Partners、General Catalyst和Y Combinator的1500万美元融资。
Triomics由前麻省理工学院和Adobe的研究人员Sarim Khan和Hrituraj Singh创立，开发了一套名为OncoLLM的大型语言模型。这些模型简化了复杂的肿瘤学工作流程，使医疗人员能够更高效地确定患者的合适治疗路径。
Triomics关注的一个重要问题是癌症发病率的上升，预计到2050年将达到3500万例新病例，比2022年的2000万例增加77%。这一激增使得癌症护理中心面临更大的压力，特别是在医疗工作者数量下降的情况下。
目前，许多护士和肿瘤护理专业人员花费大量时间手动审核病历，以识别适用于护理路径或临床试验资格的相关数据。这一过程涉及分析非结构化的记载和测试报告，往往导致病人护理和治疗机会的延迟。
Triomics希望通过其以肿瘤学为重点的OncoLLM来解决这一挑战，该模型可以根据内部数据进行微调，以优化在临床环境中的应用。
Khan解释道：“OncoLLM由不同任务的模型组成，包括检索模型和生成模型。一些模型是从零开始开发的，另一些则基于最先进的开源模型进行微调。我们会根据每个医疗合作伙伴的专有数据进行定制，同时利用强化学习来提高准确性。”
一旦针对某个机构进行调优，这些模型便会集成到Triomics的软件解决方案中，与电子健康记录（EHR）系统协调，简化特定的工作流程。目前，公司提供两款产品：Harmony，用于整理注册和研究数据，以及Prism，用于预筛查与肿瘤学相关的临床试验患者。这种集成将患者病历审核的时间从几天或几周缩短为几分钟。
在威斯康星医疗学院癌症中心的测试中，Triomics的产品在患者与临床试验匹配方面的表现优于更大型的开源和专有大型语言模型，其效果几乎可与合格的医疗专业人员和GPT-4相媲美，尽管体量更小，成本也明显低于后者。公司还开发了OncoLLM的高级变体，在准确性方面超越了GPT-4和医学专家。
通过最近的融资，Triomics计划扩大团队并提升产品覆盖范围，目前已与多个学术医疗中心建立了合作关系，预计到年底将新增十多家机构。基于OncoLLM解决方案的定价策略会根据每个客户的需求进行定制。
Khan表示：“我们目前与约六家学术医疗中心保持合作，预计到夏天这个数字将增长至两位数。我们还在向大型社区肿瘤实践拓展，以便更积极地影响更多患者。”
尽管市场上存在其他患者与临床试验匹配的解决方案，Triomics凭借其基于OncoLLM的软件，专注于肿瘤学并完全依赖生成式人工智能，从而与传统技术相比脱颖而出。该方法旨在为医疗行业提供所需的可扩展性和显著的投资回报。
排行榜
