VC -Finanzierung in KI -Tools für die Gesundheitsversorgung war vorausgesetzt, im letzten Jahr 11 Milliarden US -Dollar zu erreichen – Eine Schlagzeile, die für die weit verbreitete Überzeugung spricht, dass sich künstliche Intelligenz in einem kritischen Sektor transformativ erweisen wird.
Viele Start -ups, die KI im Gesundheitswesen anwenden, versuchen, die Effizienz zu steigern, indem sie einige der Verwaltungen automatisieren, die umkreisen und die Patientenversorgung ermöglichen. Hamburg ansässig Elea Im Großen und Ganzen passt es zu dieser Form, aber es beginnt mit einer relativ übersehenen und unterversorgten Nische-Pathologie-Labors, deren Arbeit die Analyse von Patientenproben für Krankheiten-aus der Annahme ist, dass es in der Lage sein wird, die sprachbasierte, mit Agenten betriebene Workflow-Systeme zu skalieren, um die Produktivität von Labs zu erreichen. Einschließlich der Transplantation seines Workflow-fokussierten Ansatzes zur Beschleunigung der Ausgabe anderer Gesundheitsabteilungen.
Das erste KI -Tool von Elea soll überarbeiten, wie Kliniker und andere Laborpersonal arbeiten. Es ist ein vollständiger Ersatz für ältere Informationssysteme und andere festgelegte Arbeitsweisen (z. B. die Verwendung von Microsoft Office zum Eintippen von Berichten)-die Workflow in ein „KI-Betriebssystem“ verlagert, das Sprach-Text-Transkription bereitstellt, und andere Formen der Automatisierung, um die Zeit, die sie benötigt, um eine Diagnose auszuführen.
Nach etwa einem halben Jahr, in dem er mit seinen ersten Nutzern arbeitete, konnte Elea die Zeit verkürzen, die das Labor benötigt, um die Hälfte ihrer Berichte auf nur zwei Tage zu erstellen.
Schritt-für-Schritt-Automatisierung
Der Schritt-für-Schritt-Arbeitsablauf der Pathologie-Labors besteht darin, dass die Produktivität durch die Anwendung von KI einen guten Bereich gibt, sagt Elea’s CEO und Mitbegründerin Dr. Christoph Schröder. „Wir drehen im Grunde genommen rund um – und alle Schritte sind viel automatischer… (Ärzte) sprechen mit Elea, den MTAs (medizinische technische Assistenten) sprechen mit Elea und sagen ihnen, was sie sehen, was sie damit anfangen wollen“, erklärt er.
“Elea ist der Agent, führt alle Aufgaben im System aus und druckt Dinge aus – bereitet die Folien vor, zum Beispiel die Flecken und all diese Dinge -, damit (Aufgaben) viel, viel schneller, viel, viel glatter gehen.”
„Es erhöht nichts, sondern ersetzt die gesamte Infrastruktur“, fügt er die Cloud-basierte Software hinzu, die die Legacy-Systeme des Labors und deren SILLED-Arbeitsweise ersetzen möchten, wobei diskrete Apps verwendet werden, um unterschiedliche Aufgaben auszuführen. Die Idee für das KI -Betriebssystem besteht darin, alles orchestrieren zu können.
Das Startup baut auf verschiedenen auf Großsprachige Modelle (LLMs) Durch Feinabstimmung mit spezialisierten Informationen und Daten, um Kernfunktionen im Kontext des Pathologie-Labors zu ermöglichen. Die Plattform backt Sprache zu Text, um Stimmnoten der Mitarbeiter zu transkribieren-und auch „Text-zu-Struktur“; Dies bedeutet, dass das System diese transkribierten Sprachnotizen in eine aktive Richtung verwandeln kann, die die Aktionen des KI -Agenten versorgt. Dazu gehört das Senden von Anweisungen an das Labor -Kit, um den Workflow weiterzumachen.
Elea plant auch, ein eigenes Grundmodell für die Folienbildanalyse pro Schröder zu entwickeln, da es auch diagnostische Funktionen entwickelt. Aber im Moment konzentriert es sich auf die Skalierung seines anfänglichen Angebots.
Das Start-up-Tonhöhe zu Labors legt nahe, dass das, was zwei bis drei Wochen mit herkömmlichen Prozessen dauern könnte, innerhalb von Stunden oder Tagen erreicht werden kann, da das integrierte System in der Lage ist, Produktivitätsgewinne zu stapeln und zusammenzusetzen, indem Dinge wie das mühsame Hin- und Her-Abschluss von Berichten, bei denen menschliche Fehler und andere Workflow-Quirks eine Menge Reibung umgeben können, eine Menge Reibung umgeben können.
Das System kann von Labor-Mitarbeitern über eine iPad-App, eine Mac-App oder eine Web-App zugegriffen werden und bietet eine Vielzahl von Touch-Punkten für die verschiedenen Arten von Benutzern.
Das Geschäft wurde Anfang 2024 gegründet und im Oktober mit seinem ersten Labor ins Leben gerufen, nachdem er 2023 laut Schröder eine Zeit in ihrer Idee an ihrer Idee gearbeitet hatte, der einen Hintergrund für die Anwendung von KI für autonome Fahrprojekte in Bosch, Luminar und Mercedes hat.
Ein weiterer Mitbegründer, Dr. Sebastian Casu-das CMO des Startups-bringt einen klinischen Hintergrund mit sich, nachdem er mehr als ein Jahrzehnt in der Intensivstation, der Anästhesiologie und in den Notfallabteilungen sowie zuvor als medizinischer Direktor für eine große Krankenhauskette gearbeitet hat.
Bisher hat Elea eine Partnerschaft mit einer großen deutschen Krankenhausgruppe (es ist noch nicht bekannt gegeben, welche noch nicht bekannt gibt), dass sie jährlich rund 70.000 Fälle verarbeitet. Das System hat bisher Hunderte von Benutzern.
Weitere Kunden sollen „bald“ auf den Markt kommen – und Schröder sagt auch, dass es sich um die internationale Expansion handelt, wobei ein besonderes Auge auf den Eintritt in den US -Markt ist.
Saatgutunterstützung
Das Startup gibt zum ersten Mal einen 4 -Millionen -Euro -Saatgut, den es im vergangenen Jahr gesammelt hat – angeführt von Fly Ventures und Giant Ventures -, mit dem sein Engineering -Team ausgebaut und das Produkt in die Hände der ersten Labors eingebracht wurde.
Diese Zahl ist eine ziemlich kleine Summe im Vergleich zu den oben genannten Milliarden an Finanzmitteln, die jetzt jährlich um den Raum fliegen. Aber Schröder argumentiert, dass KI -Startups keine Armeen von Ingenieuren und Hunderten von Millionen benötigen, um erfolgreich zu sein – es geht eher um die Anwendung der Ressourcen, die Sie intelligent haben, schlägt er vor. In diesem Gesundheitskontext bedeutet dies, einen abteilungsorientierten Ansatz zu verfolgen und den Zielnutzungsfall vor dem nächsten Anwendungsbereich zu reifen.
Gleichzeitig bestätigt er jedoch, dass das Team eine (größere) Serie A-wahrscheinlich in diesem Sommer-anziehen wird, um zu sagen, dass Elea die Ausrüstung in aktiv Marketing verlagern wird, um mehr Labors einzukaufen, anstatt sich auf den Mundpropagandgang zu verlassen, mit dem sie begonnen haben.
Er diskutiert ihren Ansatz im Vergleich zu der Wettbewerbslandschaft für KI -Lösungen im Gesundheitswesen und sagt uns: „Ich denke, der große Unterschied ist, dass es eine Spotlösung gegen vertikal integriert ist.“
„Viele der Tools, die Sie sehen, sind zusätzlich zu vorhandenen Systemen (wie EHR-Systemen).
„Wir haben stattdessen aufgebaut, dass wir es tatsächlich tief in unser eigenes Laborinformationssystem integriert haben – oder es nennen es das pathologische Betriebssystem -, was letztendlich bedeutet, dass der Benutzer nicht einmal eine andere Benutzeroberfläche verwenden muss, sondern kein anderes Tool verwenden muss. Und es spricht nur mit Elea, sagt, was es sieht, sagt, was es tun will, und sagt, was Elea im System tun soll. “
“Sie brauchen auch keine Zapfen von Ingenieuren mehr – Sie brauchen ein Dutzend, zwei Dutzend wirklich, wirklich gute”, argumentiert er auch. “Wir haben zwei Dutzend Ingenieure im Team … und sie können erstaunliche Dinge machen.”
„Die am schnellsten wachsenden Unternehmen, die Sie heutzutage sehen, haben keine Hunderte von Ingenieuren – sie haben ein, zwei Dutzend Experten, und diese Jungs können erstaunliche Dinge bauen. Und das ist die Philosophie, die wir auch haben, und deshalb müssen wir zumindest anfangs nicht wirklich Hunderte von Millionen erhöhen “, fügt er hinzu.
“Es ist definitiv ein Paradigmenwechsel … in der Art und Weise, wie Sie Unternehmen bauen.”
Skalierung einer Workflow -Denkweise
Die Entscheidung mit Pathology Labs war eine strategische Entscheidung für Elea, da nicht nur der adressierbare Markt wert ist, der mehrere Milliarden Dollar pro Schröder im Wert von mehreren Milliarden Dollar ist, sondern auch den Pathologieraum als „extrem global“ aufweist – mit globalen Laborunternehmen und Lieferanten, die die Skalierbarkeit für seine Software als Dienstleistungsspiel verstärken – insbesondere im Vergleich zu den fragmentierten Situationen in der Umgebung von Krankenhäusern.
“Für uns ist es super interessant, weil Sie eine Anwendung erstellen und tatsächlich bereits danach skalieren können – von Deutschland nach Großbritannien, den USA”, schlägt er vor. „Jeder denkt dasselbe, handelt gleich, hat den gleichen Workflow. Und wenn Sie es auf Deutsch lösen, das Tolle mit den aktuellen LLMs, dann lösen Sie es auch auf Englisch (und anderen Sprachen wie Spanisch) … also eröffnet es viele verschiedene Möglichkeiten. “
Er lobt auch Pathologielabors als „eines der am schnellsten wachsenden Bereiche in der Medizin“ – und wies darauf hin, dass Entwicklungen in der medizinischen Wissenschaft, wie der Anstieg der molekularen Pathologie und die DNA -Sequenzierung, nach mehr Analysearten und nach einer größeren Häufigkeit von Analysen führen. All dies bedeutet mehr Arbeit für Labors – und mehr Druck auf Labors, um produktiver zu sein.
Sobald Elea den Labor -Anwendungsfall ausgereift hat, können sie in Bereiche, in denen KI in der Regel im Gesundheitswesen angewendet wird – wie beispielsweise die Unterstützung von Krankenhausprüfern zur Erfassung von Patienteninteraktionen -, aber alle anderen Anwendungen, die sie entwickeln, wären auch einen engen Fokus auf Workflow.
“Was wir mitbringen wollen, ist diese Workflow -Denkweise, in der alles wie eine Workflow -Aufgabe behandelt wird, und am Ende gibt es einen Bericht – und dieser Bericht muss verschickt werden”, sagt er – fügt hinzu, dass sie in einem Krankenhauskontext nicht in Diagnostik geraten möchten, sondern sich „wirklich darauf konzentrieren würde, den Arbeitsablauf zu operationieren“.
Die Bildverarbeitung ist ein weiterer Bereich, in dem Elea an anderen zukünftigen Anwendungen im Gesundheitswesen interessiert ist – z. B. die Beschleunigung der Datenanalyse für die Radiologie.
Herausforderungen
Was ist mit Genauigkeit? Das Gesundheitswesen ist ein sehr sensibler Anwendungsfall, sodass alle Fehler in diesen KI -Transkriptionen – beispielsweise eine Biopsie, die nach Krebsgewebe prüft, zu schwerwiegenden Folgen führen kann, wenn ein Missverhältnis zwischen dem, was ein menschlicher Arzt sagt, und dem, was die Eaa hört und an andere Entscheidungsträger in der Patientenbetreuungskette zurückzuführen ist.
Derzeit bewertet Schröder die Genauigkeit, indem sie sich ansehen, wie viele Charaktere Benutzer in Berichten ändern, die die KI dient. Derzeit gibt es an, dass es zwischen 5% und 10% der Fälle gibt, in denen einige manuelle Wechselwirkungen für diese automatisierten Berichte vorgenommen werden, die auf einen Fehler hinweisen könnten. (Obwohl er auch vorschlägt, dass Ärzte möglicherweise aus anderen Gründen Änderungen vornehmen müssen – aber sagen, dass sie daran arbeiten, den Prozentsatz zu „abfahren“, bei dem manuelle Eingriffe auftreten.)
Letztendlich, so argumentiert er, hört der Geld bei den Ärzten und anderen Mitarbeitern auf, die gebeten werden, die KI -Ausgänge zu überprüfen und zu genehmigen – was darauf hindeutet, dass Eleas Workflow nicht wirklich unterschiedlich ist, von den Legacy -Prozessen, die zum Ersetzen ausgelegt wurden (wo zum Beispiel ein Arztnotiz eingetreten ist, das ein Menschen mit Menschen und solchen Transkriptionen eingetippt wird, und es werden auch Fehler aufgenommen. Typist ”).
Die Automatisierung kann jedoch zu einem höheren Durchsatzvolumen führen, was Druck auf die Überprüfungen wie das menschliche Personal ausmachen kann, um potenziell viel mehr Daten und Berichte zu überprüften als früher.
Dazu stimmt Schröder zu, dass es Risiken geben könnte. Er sagt jedoch, dass sie eine „Sicherheitsnetz“ -Funktion eingebaut haben, in der die KI versuchen kann, potenzielle Probleme zu erkennen. “Wir nennen es ein zweites Augenpaar”, bemerkt er und fügt hinzu: “Wo wir frühere Ergebnisseberichte mit dem bewerten, was (der Arzt) gerade gesagt hat und ihm Kommentare und Vorschläge geben.”
Die Vertraulichkeit der Patienten kann ein weiteres Anliegen sein, das mit der Agenten-KI verbunden ist, die sich auf die Cloud-basierte Verarbeitung (wie Elea) stützt, anstatt dass Daten vorhanden und unter der Kontrolle des Labors verbleiben. In diesem Fall behauptet Schröder, dass das Startup durch die Trennung von Patientenidentitäten von diagnostischen Outputs für „Datenschutz“ gelöst wurde. Daher stützt sich dies im Grunde auf die Pseudonymisierung für die Einhaltung von Datenschutz.
“Es ist immer anonym auf dem Weg – jeder Schritt macht nur eine Sache – und wir kombinieren die Daten auf dem Gerät, auf dem der Arzt sie sieht”, sagt er. “Wir haben also im Grunde Pseudo -IDs, die wir in all unseren Verarbeitungsschritten verwenden – die vorübergehend sind, die danach gelöscht werden -, aber für die Zeit, in der der Arzt den Patienten betrachtet, werden sie für ihn auf dem Gerät kombiniert.”
„Wir arbeiten mit Servern in Europa zusammen und stellen sicher, dass alles Datenschutz -konform ist“, sagt er auch. „Unser leitender Kunde ist eine öffentlich im Besitz befindliche Krankenhauskette, die als kritische Infrastruktur in Deutschland bezeichnet wird. Wir mussten sicherstellen, dass aus Sicht des Datenschutzes alles sicher ist. Und sie haben uns die Daumen hoch gegeben. “
„Letztendlich haben wir wahrscheinlich überarbeitet, was getan werden muss. Aber es ist, wissen Sie, immer besser, auf der sicheren Seite zu sein – insbesondere wenn Sie medizinische Daten behandeln. “
Source link
