Generative AIでがん治療を加速させようとしている"Triomics"がSeries Aで$15Mを調達

Triomicsは、Lightspeed、Nexus Venture Partners、General Catalyst、Y Combinatorが参加したSeries Aで$15Mを調達した。

サンフランシスコを拠点でGenerative AIでがん治療を加速させようとしているTriomicsは、OncoLLMと名付けられた大規模言語モデル(LLMs)ファミリーを開発し、医療センターのスタッフが患者の正しい治療方針を決定するために通過しなければならない複雑で時間のかかる腫瘍学関連のワークフローを合理化しています。

このモデルは、ワークフローに特化した一連のツールで動作し、通常は数日から数週間かかるタスクをわずか数分でこなすことが実証されています。

「私たちは2つの複雑な機能エリアの専門性を統合することに成功しました。それは言語モデルを特定のドメインにカスタマイズすることに特化したAI研究者と、腫瘍学に特化した数十年の経験を持つ臨床スタッフです。その結果、当社のソフトウェアは、これらの高度なモデルの長所を補完すると同時に、潜在的な欠陥に積極的に対処することができ、そのすべてががん研究と治療の複雑さを念頭に置いています」とTriomicsの共同創業者は説明します。

今日、何百万人もの人々ががんに苦しんでいます。新たな罹患者数は年々増加しており、2050年には3,500万人に達すると推定されています。これは、2022年の2,000万人から77％の増加です。このような状況の中、医療センターやがん治療センターは、特に医療従事者の減少により、プレッシャーにさらされているに違いありません。

現在、ほとんどの看護師やがん医療スタッフは、患者のケアパスや臨床試験の適格性を、縦断的な記録全体を手作業でふるいにかけて関連するデータポイントを特定する、手作業によるカルテレビューで判断しています。この作業は、医師の構造化されていないフリーテキストのメモから検査報告書まで、すべてを網羅し、多くの時間を要するため、患者が臨床試験やバイオマーカー主導の治療を受けられないといった臨床的な遅れにつながっています。

Triomicsは、オンコロジーに特化したOncoLLMを医療センターに提供し、同社のワークフロー自動化製品で展開するために、医療センターが独自の内部データセットを使用してモデルを微調整できるようにすることで、この問題に取り組んでいます。

「OncoLLMは基本的にモデル・ファミリーであり、各モデルはリトリーバー・モデルやジェネレーター・モデルを含む様々な目的に対応し、一部はゼロからトレーニングされ、一部はSOTAのオープンソース・モデルをベースに微調整されています。当社のモデルは、各プロバイダー独自のデータと強化学習により、人間のフィードバックを活用しながら、カスタマイズされた学習が行われます。」と同社は説明します。

医療機関ごとにチューニングされたモデルは、医療システムのEHRと統合され、特定のケア・ワークフローを支援するTriomicsのソフトウェア製品全体に展開されます。

現在、同社は HarmonyとPrismという2つの製品を提供しています。前者は、登録、報告、研究のニーズに合わせてデータを管理し、後者は、関連する臨床試験を見つけるためにがん患者を事前にスクリーニングすることで、患者と臨床試験のマッチングを行います。規模が大きくなれば、患者カルテのレビューにかかる時間は数日から数週間から数分に短縮されます。

このモデルと関連ソフトウェアがウィスコンシン医科大学がんセンターでテストされたとき、チームは、この製品が、はるかに小さく、35倍安価であるにもかかわらず、患者-治験マッチングにおいて、大規模なオープンソースおよびプロプライエタリLLMを凌駕し、有資格の医療専門家やGPT-4に匹敵することを発見しました。それ以来、同社はまた別のOncoLLM(70B)を開発し、その精度はGPT-4と専門医の両方を上回っています。

同社はすでに数件の契約を交わしており、年内に十数件のパートナー機関との提携を目指しています。OncoLLMベースのソリューションは顧客ごとにカスタマイズされるため、固定価格戦略はないといいます。

「私たちは現在、約半数の大学医療センターと試験的に、あるいは積極的に提携を結んでおり、夏の終わりまでには2桁になるはずです。また、学術センターだけでなく、地域の大規模な腫瘍診療所とも契約を結び、顧客ベースを拡大し始めています。」と同社は説明します。

患者と治験のマッチングを支援するソリューションもあるが、同社はOncoLLMを搭載したソフトウェアで腫瘍学に特化した開発を行いました。さらに、この分野における他のほとんどのソリューションは、AIネイティブではなく、レガシーテクノロジーの利用や修正に依存しており、業界が求めるスケールメリットやステップファンクションROIはないといいます。