2026 年 5 月 27 日，腫瘤科 AI 新創 Triomics 宣布完成 2,200 萬美元 B 輪融資，由 Battery Ventures 領投，Nexus Venture Partners、Lightspeed 與 Y Combinator 皆回頭加碼。這家公司做的事情很具體：用專為腫瘤科訓練的模型，把動輒上千頁的癌症病歷變成臨床工作流程裡可用的結構化答案。
這筆錢背後的趨勢值得注意——通用模型愈來愈強，但醫療機構付費買的是「在我這個科別、塞進我現有工具、可驗證」的垂直 AI。Triomics 執行長 Sarim Khan 給的成長數字是：企業客戶數一年成長四倍，年經常性營收（ARR）成長十倍。
腫瘤病歷太長，通用 AI 讀不動
Khan 的觀察很直白：癌症病患存活期拉長，病歷跟著膨脹，「我們看過數千頁的病歷」。Triomics 的核心引擎 OncoLLM 能整份讀取病歷——病程紀錄、病理報告、影像、分子檢測、傳真——而不是逐頁摘要。平台吃 HL7、FHIR、CCDA、PDF、TIFF 等格式，原生整合 Epic、OncoEMR 與 iKnowMed，並上架 Epic App Marketplace。
公司宣稱，因為模型以腫瘤科資料訓練，在這類任務上勝過通用 AI 代理。這也是 Memorial Sloan Kettering 與耶魯癌症中心等機構採用的理由。
三條產品線：PRISM、Symphony、Harmony
三條產品線對應腫瘤科最耗人力的三件事：
- PRISM 做臨床試驗匹配：每天把每個排診病患對照每項進行中的試驗，產出有引用來源的優先名單。與學術醫學中心合作的 ASCO 2025 摘要報告約 30% 收案提升、95% 準確率、40% 更多匹配
- Symphony 做訪前整理（pre-charting）：自動組出病況、治療時間軸與生物標記的診前快照。客戶回報初診準備時間省 80%，追蹤診省 45%
- Harmony 做癌症登記與品質指標抽象：依 NAACCR、SEER、COC、QOPI 規範逐欄生成並附引用，preprint 數據為 96% 準確率、抽象速度加快 75%、個案篩選加快 60%
客戶與營運規模
除了 MSKCC 與 Yale Cancer Center，Triomics 官網列出的部署還包括 Mount Sinai（2026 年 1 月上線的試驗匹配平台）與 Regenstrief Institute（2026 年 2 月的真實世界評估）。規模數字：每月讀取超過 12 萬份病歷、篩檢超過 6.5 萬名病患、超過 10 家 NCI 指定癌症中心客戶，公司自稱涵蓋美國前十癌症中心中的四家。
這些是實際掛進診所流程才會出現的營運指標，不是概念驗證的展示數字。
與醫療抄寫員的差異
市場上最接近的競品是 Abridge、Microsoft Nuance 這類對話摘要抄寫工具——記錄醫病對話。Triomics 的切入點不同：它處理的是「對話之前」就已存在的大量歷史病歷，輸出也不是敘事筆記，而是帶引用、可稽核的結構化欄位。每一筆輸出都能回溯到病歷原始行，這在法規登記這種「錯一格就重報」的場景是硬需求。
垂直 AI 的教科書案例
從 2024 年 5 月的 1,500 萬美元 A 輪到這輪 2,200 萬美元，Triomics 的路線是垂直 AI 的標準打法：選一個病歷又長又碎、法規負擔又重的科別，把模型、整合與工作流程一起賣。對開發者與產品團隊的啟示在於，通用模型能力下放的時代，差異化不在「會不會摘要」，而在資料管線深度（HL7/FHIR/傳真全吃）、EHR 整合（Epic Marketplace）與可驗證輸出（逐欄引用）這三件事上。往下一年的醫療 AI 採購，買的會是這個。
參考來源
- Triomics nabs $22M to bring oncology-specific AI to cancer centers — TechCrunch
- Triomics 官網
- Triomics raises $15M for cancer clinical trials AI — TechCrunch
本文由 AI 協助自上述來源整理，經人工審核後發布。