اخبار هوش مصنوعی: Tempus AI به Paige.AI به مبلغ 81 میلیون دلار خریداری می‌کند - 1 اکتبر 2026

در حرکتی قابل توجه در زمینه فناوری بهداشت و درمان، شرکت Tempus AI, Inc. به طور رسمی شرکت Paige.AI, Inc. را که در زمینه راه‌حل‌های pathologie مبتنی بر هوش مصنوعی پیشرو است، به مبلغ 81.2 میلیون دلار خریداری کرده است. این خرید که امروز اعلام شد، یک گام حیاتی در استراتژی Tempus برای تقویت خدمات خود در پزشکی دقیق و زیست‌پزشکی دیجیتال است. Tempus با این ادغام قصد دارد از قابلیت‌های نوآورانه هوش مصنوعی Paige بهره‌برداری کند تا مأموریت خود را برای پیشبرد بهداشت و درمان از طریق بینش‌های مبتنی بر داده محقق کند.

پیامدهای این خرید

این خرید تنها یک معامله مالی نیست؛ بلکه یک هماهنگی استراتژیک بین دو شرکت است که به تغییر شکل بهداشت و درمان اختصاص داده شده‌اند. Tempus، که به استفاده از هوش مصنوعی و یادگیری ماشین در آنکولوژی معروف است، اکنون قادر به بهبود خدمات pathologie خود به صورت قابل توجهی است. ادغام فناوری‌های Paige به Tempus این امکان را می‌دهد تا راه‌حل‌های تشخیصی جامع‌تری ارائه دهد و در نتیجه، نتایج بیماران را بهبود بخشد و جریان کار را برای ارائه‌دهندگان خدمات بهداشتی تسهیل کند.

مزایای کلیدی خرید

• دقت تشخیص بهبود یافته: مدل‌های هوش مصنوعی توسعه یافته توسط Paige.AI برای بهبود دقیق و کارایی در تشخیص‌های ناهنجاری طراحی شده‌اند.
• ادغام گسترده داده: ترکیب داده‌های ژنومی Tempus با بینش‌های pathologie Paige، تصویری جامع‌تر از سلامت بیمار ایجاد می‌کند.
• نوآوری تسریع شده: این خرید ممکن است منجر به توسعه سریع‌تر ابزارهای هوش مصنوعی جدیدی شود که می‌تواند در تشخیص بیماری‌ها و برنامه‌ریزی درمان کمک کند.

درباره Paige.AI

Paige.AI به عنوان پیشگام در زمینه pathologie دیجیتال شناخته شده است و از فناوری‌های پیشرفته هوش مصنوعی برای تجزیه و تحلیل تصاویر کل برگه استفاده می‌کند. محصول اخیر آن، PRISM2، یک مدل پایه است که هدف آن توانمندسازی متخصصان pathologie با ابزارهای تشخیصی بهتر است. این نوآوری پیش‌بینی می‌شود که نقش مهمی در آینده pathologie ایفا کند و به همین دلیل یک دارایی جذاب برای Tempus است.

PRISM2 و تأثیر احتمالی آن

• بهبود جریان کار: PRISM2 با هدف بهینه‌سازی جریان کار pathologie از طریق کاهش زمان صرف شده توسط متخصصان pathologie برای تجزیه و تحلیل تصاویر طراحی شده است.
• افزایش ظرفیت پذیرش: این مدل امکان پردازش سریع‌تر اسلایدهای pathologie را فراهم می‌کند و به آزمایشگاه‌ها این امکان را می‌دهد تا حجم بیشتری از پرونده‌ها را مدیریت کنند.