摘要： 腫瘤科 AI 公司 Triomics 在 2026 年 5 月 27 日對外宣布，完成 2,200 萬美元的 B 輪募資；這一輪由 Battery Ventures 出任領投方，早先就投資的 Nexus Venture Partners、Lightspeed 與 Y Combinator 也全數再掏錢跟進。這家公司的產品切點非常具體：把一份份厚達上千頁的癌症病歷，交給專為腫瘤科訓練的模型處理，換成臨床工作流程裡拿來就能用的結構化答案。
腫瘤科 AI 公司 Triomics 在 2026 年 5 月 27 日對外宣布，完成 2,200 萬美元的 B 輪募資；這一輪由 Battery Ventures 出任領投方，早先就投資的 Nexus Venture Partners、Lightspeed 與 Y Combinator 也全數再掏錢跟進。這家公司的產品切點非常具體：把一份份厚達上千頁的癌症病歷，交給專為腫瘤科訓練的模型處理，換成臨床工作流程裡拿來就能用的結構化答案。
這筆資金反映的行情值得留意——通用模型的能力持續墊高，醫療機構願意付錢的對象，卻是那種「貼著我的科別、接得上我現有的工具、輸出查得到依據」的垂直 AI。執行長 Sarim Khan 亮出的成績正好佐證：企業客戶數一年內翻到了四倍，年經常性營收（ARR）放大到十倍。
病歷動輒上千頁，通用模型啃不動
Khan 講得很直接：癌症病人活得愈久，留下的紀錄就愈厚，「我們看過數千頁的病歷」。Triomics 的主力引擎 OncoLLM 不做逐頁摘要，而是把整份病歷一口氣讀完，內容橫跨病程紀錄、病理報告、影像、分子檢測與傳真。檔案格式涵蓋 HL7、FHIR、CCDA、PDF、TIFF，並與 Epic、OncoEMR、iKnowMed 原生整合，同時上架了 Epic App Marketplace。
按官方說法，模型是以腫瘤科資料訓練出來的，應付這類任務能壓過通用 AI 代理——Memorial Sloan Kettering、耶魯癌症中心等機構會採用，正是看上這一點。
PRISM、Symphony、Harmony：三條產品線各攻一項苦工
Triomics 把產品切成三條線，各自對付癌症中心裡最吃人力的環節：
- PRISM 負責臨床試驗匹配：每天將每一位排定看診的病人，逐一比對每一項仍在跑的試驗，產出附引用來源的優先順序清單。一份與學術醫學中心共同發表的 ASCO 2025 摘要，數據為約 30% 收案提升、95% 準確率、40% 更多匹配
- Symphony 負責訪前整理（pre-charting）：把病情現況、治療時間軸與生物標記自動彙成一張診前快照。客戶回報，初診的準備時間省下 80%，追蹤診省下 45%
- Harmony 負責癌症登記與品質指標抽象：按照 NAACCR、SEER、COC、QOPI 規範一格一格生成，每一欄都附上引用；preprint 的數據顯示 96% 準確率、抽象速度加快 75%、個案篩選加快 60%
已落地的客戶與營運量體
客戶名單不只 MSKCC 和 Yale Cancer Center——官網還列了 Mount Sinai（2026 年 1 月上線的試驗匹配平台）與 Regenstrief Institute（2026 年 2 月展開的真實世界評估）。量體方面：病歷每月讀超過 12 萬份、病患每月篩超過 6.5 萬名，客戶當中有超過 10 家 NCI 指定癌症中心，公司自稱美國前十癌症中心已涵蓋四家。
這類營運指標只有真的嵌進診間流程才長得出來，概念驗證階段端不出這種數字。
跟醫療抄寫員走的是兩條路
論距離最近的對手，是 Abridge、Microsoft Nuance 這種把診間醫病對話做成摘要的抄寫工具。Triomics 卻從另一頭下手：它處理的是「對話還沒開始」之前就堆著的大量歷史病歷，交出來的也不是敘事筆記，而是每一欄帶引用、經得起稽核的結構化欄位。任何一筆輸出都能往回對到病歷上的原始那一行——在法規登記這種錯一格就得重報的場景，這種可回溯性是躲不掉的硬需求。
垂直 AI 打法的標準範本
從 2024 年 5 月的 1,500 萬美元 A 輪，走到這一輪 2,200 萬美元，Triomics 的路數就是垂直 AI 的教科書寫法：挑一個病歷又長又零碎、法規壓力又特別重的科別，把模型、整合與工作流程綁成一套來賣。給開發者與產品團隊的功課是：通用模型能力不斷下放的年代，差異化已經不在「摘要做得好不好」，而是落在三件事上——資料管線夠不夠深（HL7、FHIR、傳真通吃）、EHR 整合做不做得到（掛上 Epic Marketplace）、輸出可不可驗證（逐欄附引用）。未來一年的醫療 AI 採購，買單的會是這套。