Por Canuto  

Knit Health obtuvo USD 35 millones en una ronda liderada por NEA para desplegar Med-BEAM, un modelo que busca anticipar la atención que podrían necesitar los pacientes. La empresa atribuye al sistema mejores resultados que varios modelos de IA de frontera en una prueba clínica, aunque las cifras corresponden a una comparación divulgada por la propia compañía.
***

  • NEA lideró la Serie A de USD 35 millones, en la que también participaron Town Hall Ventures, SignalFire e inversores anteriores.
  • Med-BEAM aprende de decisiones clínicas y registros longitudinales para predecir necesidades de atención y explorar posibles efectos de tratamientos.
  • Knit afirma que el modelo superó a sistemas de frontera en precisión, velocidad y costo en una prueba de 24 horas con pacientes hospitalizados.

 


Knit Health recaudó USD 35 millones en una ronda de Serie A liderada por NEA para llevar Med-BEAM, su modelo de inteligencia artificial para el sector sanitario, a sistemas de salud y otros grupos de atención médica. La operación también contó con Town Hall Ventures, SignalFire e inversores que ya habían respaldado a la empresa, que busca anticipar qué cuidados podría necesitar un paciente a continuación.

La compañía presenta Med-BEAM como un «modelo de mundo» para la salud: un sistema que aprende de decisiones clínicas y de la evolución de pacientes a lo largo del tiempo, en lugar de limitarse a interpretar notas médicas aisladas. La afirmación central de Knit es que ese enfoque puede ayudar a predecir cursos de atención y estimar cómo distintos tratamientos podrían modificar su trayectoria, aunque el desempeño divulgado hasta ahora corresponde a pruebas descritas por la propia empresa.

Una ronda para desplegar Med-BEAM

El capital de la Serie A financiará el despliegue de Med-BEAM en sistemas de salud y otros grupos sanitarios. Knit no anunció en el material disponible acuerdos específicos con instituciones ni un calendario de implementación, por lo que la ronda señala una etapa de expansión prevista, no la confirmación de que el modelo ya opere de forma generalizada en hospitales.

Con esta operación, Knit suma USD 46,6 millones recaudados desde su creación. La empresa publicó en su blog que obtuvo USD 11,6 millones en una ronda seed, cifra que, sumada a la Serie A, coincide con el total recaudado. Científicos de la Universidad de California, Berkeley fundaron la empresa en 2025, y entre quienes participaron en sus rondas seed y pre-seed figuran Frist Cressey Ventures, Uncork Capital, Moxxie Ventures, Coalition Operators y The Aligned Fund.

El equipo fundador incluye a Jonathan Kolstad, director ejecutivo; Jonas Knecht, co-CTO; Maya Petersen, chief scientist; y Ted Robertson, COO. La información sobre la ronda fue divulgada por Knit y reportada por The Next Web, que también consignó que Kolstad había revelado la financiación a Axios Pro; el anuncio no detalla la valoración de la startup ni las condiciones financieras de la inversión.

La apuesta de la compañía se apoya en una dificultad que, según explica, afecta a los modelos de lenguaje tradicionales: buena parte de la información que permite entender qué ocurre con un paciente no aparece en las notas clínicas. Órdenes médicas, derivaciones, diagnósticos y acontecimientos posteriores pueden ofrecer señales sobre las decisiones del equipo de atención y sobre la dirección que toma un caso.

Datos clínicos, predicciones y límites de la comparación

Med-BEAM aprende, de acuerdo con Knit, de miles de millones de decisiones sanitarias reales y cientos de millones de registros de pacientes que permiten seguir su evolución en el tiempo. La empresa sostiene que esa información le ayuda a estimar qué atención podría necesitar una persona y a representar cómo diferentes alternativas terapéuticas podrían cambiar su curso, una tarea distinta de generar respuestas a partir de texto clínico por sí solo.

La firma afirma que entrena el modelo únicamente con datos para los que cuenta con derechos de uso claros y documentados, y que estos se anonimizan por completo antes de llegar a la empresa. También indica que contrasta las predicciones con resultados clínicos reales y que el sistema puede señalar cuándo la evidencia disponible no basta para sostener una conclusión con confianza; son aspectos relevantes para evaluar la propuesta, aunque el material no incluye una auditoría externa de esos procesos.

En una comparación divulgada por Knit, Med-BEAM compitió con un grupo de modelos de laboratorios de inteligencia artificial de frontera en una tarea concreta: predecir las acciones clínicas de pacientes hospitalizados durante las siguientes 24 horas. La empresa indicó que no escogió de antemano ningún resultado, pero no identificó en el material los modelos comparados ni describió en detalle el diseño del ensayo, una limitación que impide valorar de manera independiente la comparación.

Knit aseguró que Med-BEAM fue hasta cuatro veces más preciso, 100 veces más rápido y 250 veces más barato que los modelos evaluados, y añadió que la confianza expresada por su sistema coincidía más estrechamente con los resultados reales. Estas cifras son afirmaciones de la compañía sobre esa prueba específica: no equivalen por sí solas a evidencia de superioridad en cualquier entorno clínico ni demuestran que el modelo ya mejore resultados de pacientes en la práctica cotidiana.

La empresa sostiene que un solo modelo podría apoyar múltiples flujos de trabajo, desde la gestión y orientación de pacientes hasta el reclutamiento para ensayos clínicos y la programación de especialistas. Blake Wu, socio de NEA, también mencionó la atención hospitalaria en casa y la predicción de respuestas a tratamientos; el alcance de esas aplicaciones dependerá de cómo se integre Med-BEAM y de que los equipos sanitarios puedan evaluar sus predicciones en contextos reales.

Kolstad resumió el problema que Knit pretende abordar al decir que la atención médica todavía depende demasiado de factores como qué médico ve a una persona, en qué momento llega y a qué hospital ingresa. La frase expresa la visión de la empresa sobre las desigualdades y la incertidumbre en el acceso, pero no constituye una medición de impacto de Med-BEAM ni una demostración de que el sistema pueda corregir por sí mismo esas diferencias.

El siguiente paso anunciado es llevar el modelo a organizaciones sanitarias, donde su utilidad tendrá que comprobarse frente a decisiones reales, necesidades de privacidad y resultados clínicos verificables. La financiación ofrece a Knit recursos para avanzar con ese despliegue; la información publicada no especifica fechas, instituciones participantes ni métricas futuras para medir el impacto de la tecnología.


Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín