Triomics получила $22 млн на ИИ, который готовит карту до приёма
Официальное сообщение Triomics от 28 мая 2026 года фиксирует завершённый раунд Series B на $22 млн во главе с Battery Ventures и общий объём привлечённого компанией капитала свыше $36 млн. Деньги предназначены для расширения онкологической ИИ-платформы в медицинских системах и исследовательских организациях, развития продукта и усиления команд внедрения.
После сделки главным изменением стал масштаб заявленного использования: текущая страница платформы Triomics указывает на обработку 120 тыс. карт и проверку более 65 тыс. пациентов для клинических исследований ежемесячно, а также как минимум на 10 клиентов из числа онкоцентров со статусом Национального института рака США. Это собственные операционные показатели компании: на странице нет методики их независимой проверки, поэтому их нельзя приравнивать к доказанному улучшению лечения.
Что Triomics масштабирует на привлечённые средства
Triomics продаёт онкоцентрам не отдельный чат для врачей, а инфраструктуру для разбора продольной истории болезни. Платформа должна собирать сведения из врачебных записей, патологических и радиологических заключений, результатов молекулярных и лабораторных исследований, а также отсканированных документов.
Из этих данных система формирует структурированную картину заболевания: текущий статус, последовательность лечения, биомаркеры и другие сведения, нужные перед консультацией или при предварительном поиске исследования. Существенная часть подхода — привязка результата к фрагменту исходной карты, чтобы врач или координатор мог проверить основание вывода.
Платформа охватывает три связанных рабочих сценария:
- предварительный подбор клинических исследований и разбор отдельных критериев соответствия;
- подготовку сводки и черновика записи перед приёмом;
- преобразование неструктурированных документов в данные для онкологических реестров и отчётности.
Такой набор задач отличает Triomics от ИИ-секретаря, который преимущественно записывает и конспектирует разговор врача с пациентом. Система работает с накопленной историей до встречи, когда специалисту нужно восстановить ход болезни и обнаружить пробелы в доступных данных.
Почему финансирование требуется не только для разработки модели
Корпоративное внедрение медицинского ИИ зависит от интеграции не меньше, чем от качества самой модели. У каждого центра своё сочетание электронной медицинской системы, форматов документов, протоколов исследований и правил доступа, а результат должен появляться в уже используемом рабочем процессе.
Поэтому часть капитала предназначена для специалистов, которые внедряют продукт непосредственно в клиниках. Их задача — настроить получение и нормализацию документов, связать выводы с исходными записями и встроить результат в систему, где работает медицинская команда.
Раунд продолжает этап быстрого коммерческого роста: TechCrunch приводит данные о Series A на $15 млн в 2024 году, четырёхкратном увеличении числа корпоративных клиентов и десятикратном росте годовой регулярной выручки за последующий год. Последние два показателя получены от руководства стартапа, а абсолютная выручка публично не раскрыта.
Внедрение в онкоцентрах уже вышло за пределы демонстраций
Наиболее конкретный публичный пример связан с Memorial Sloan Kettering Cancer Center. Материал MSK от 4 ноября 2025 года описывает двухэтапное внедрение Triomics для подбора участников действующих исследований, оценивает ручную предварительную проверку одной карты продолжительностью до 45 минут и раскрывает финансовый интерес центра, связанный с компанией.
Публикация описывает план развёртывания с перспективой охватить весь портфель исследований MSK, а не завершённое внедрение во всех подразделениях. Это важное различие: клиническая организация подтверждает рабочее партнёрство, но окончательные результаты масштабирования ещё не опубликованы.
Продукт ориентирован на крупные онкологические центры и сети, где один механизм разбора карты можно использовать сразу в нескольких процессах. Такая модель продаж потенциально увеличивает ценность одной интеграции, но одновременно повышает стоимость и сложность внедрения.
Что в действительности показала проверка OncoLLM
Техническая основа подбора исследований описана в системе PRISM и специализированной модели OncoLLM. Исследование в npj Digital Medicine использовало 10 тыс. записей 50 пациентов и 720 вопросов: точность OncoLLM на уровне отдельных вопросов составила 63%, после исключения случаев с недостаточными данными — 66%, тогда как GPT-4 в тех же условиях получил соответственно 68% и 72%.
Эти результаты подтверждают применимость специализированной модели для первичного отбора, но не позволяют передать ей окончательное решение о допуске пациента. Эксперимент оценивал ответы на вопросы, полученные из критериев включения и исключения, а не клинический исход или полностью автономное зачисление в исследование.
Ограничения заложены и в самих данных. В электронной карте может не быть нужного лабораторного показателя, формулировка критерия может допускать разное толкование, а механизм поиска способен извлечь не тот фрагмент документа. Проверяемая ссылка на исходную запись упрощает контроль, но не устраняет эти риски.
Что означает раунд для бизнеса Triomics
Инвестиционный тезис строится на узкой специализации и высокой стоимости переключения для клиента. Онкологический контекст, длинные истории, критерии исследований, интеграция с медицинскими системами и проверяемое происхождение выводов создают более высокий барьер, чем генерация обычной текстовой сводки.
Одновременно сам раунд не доказывает снижения выгорания врачей, роста выживаемости или повышения качества лечения. Подтверждённое последствие конкретнее: Triomics получила капитал, чтобы расширять применение системы разбора медицинских карт в повседневных процессах онкоцентров.
Дальнейшую зрелость бизнеса покажут результаты внедрений: доля найденных кандидатов, частота ошибочных рекомендаций, время человеческой проверки и устойчивость показателей в разных клиниках. Пока публичные данные убедительно подтверждают наличие продукта, партнёрств и спроса на внедрение, но не дают оснований считать клиническую проверку автоматизированной полностью.
Читайте также:
Подпишитесь на рассылку
Получайте свежие новости Web3, AI и криптовалют прямо на вашу почту.