Bunkerhill Health привлекла $55 миллионов в раунде Series B при участии Sequoia Capital, Felicis, Optum Ventures и Khosla Ventures — на масштабирование своей платформы Carebricks, которая позволяет больницам самим создавать AI-агентов под конкретные клинические задачи. Но интереснее самих денег другое: платформа уже работает не в лаборатории, а внутри живых больничных систем, и один из агентов спас человеку жизнь.
В University of Texas Medical Branch (UTMB) на Carebricks сейчас работают больше 20 AI-агентов — от анализа кардиологических снимков до административной рутины вроде предварительных авторизаций и обновления реестров. В первый же месяц работы агент по обнаружению коронарного кальция, построенный на алгоритме с одобрением FDA, отметил пациента как находящегося в состоянии неминуемого риска инфаркта. Кардиологи подтвердили угрозу и провели тройное шунтирование. Команда UTMB связывает раннее обнаружение со спасением жизни пациента.
Это единичный случай, а не контролируемое исследование — Bunkerhill не публиковала данные о частоте ложных срабатываний агента на широкой популяции пациентов. Но есть и другие цифры от самой больницы: агент триажа в нефрологии, расставляющий пациентов по степени тяжести, сократил среднее время ожидания специалиста больше чем наполовину. Агент, отслеживающий узелки в лёгких по КТ-снимкам, ускорил реакцию на срочные случаи на 80% и удвоил долю случаев, соответствующих клиническим рекомендациям, одновременно снизив ручную нагрузку на координаторов.
Главный вопрос — не про технологию, а про ответственность. Если отделение само настраивает своего агента, оно же берёт на себя последствия того, как этот агент был настроен. Советам директоров больниц перед масштабированием подобных систем придётся ответить на вопросы о распределении ответственности, частоте мониторинга и о том, что происходит, когда суждение агента расходится с суждением врача. Bunkerhill обещает направить новые деньги именно на это — управление, мониторинг и защитные механизмы, а не только на расширение числа клиник.
Во что углубиться:
- Почему большинство пилотов AI в здравоохранении так и не доходят до реальных пациентов
- Как устроено регулирование медицинских AI-алгоритмов через FDA
- Ответственность за ошибки AI в клинической практике: кто отвечает, если агент ошибся