BioStack 拿到 950 万美元融资，全力搭建医疗 AI 的数据基础设施

BioStack 顺利完成总额 950 万美元的种子轮融资，本轮资金将全部投入医疗 AI 数据底座建设，打造覆盖多模态临床数据的标准化处理平台，补齐当前医疗 AI 行业高质量训练数据不足的短板，为医疗大模型、临床辅助诊断、新药研发 AI 项目提供合规可用的数据集支撑。当下医疗行业里，电子病历、医学影像、检验报告、诊疗记录等数据分散在不同医院、不同信息系统当中，数据格式不统一、数据孤岛问题突出，直接导致很多医疗 AI 项目缺少足够优质的训练素材，模型很难落地到真实临床场景。BioStack 从数据源头入手，搭建一整套去标识化、隐私合规的数据处理流水线，把零散的临床信息整合为结构化多模态数据集，既严格守住医疗数据安全红线，又能持续产出可直接用于模型训练的标准化数据资产。整个项目从前期对接医疗机构、打磨数据脱敏技术，到搭建自动化数据清洗管线、产出商用数据集，再到完成本轮融资扩大团队规模，整体推进节奏十分顺畅。依托本轮融资带来的资金加持，企业将持续拓展全球医疗机构合作网络，迭代数据处理技术，稳步完善医疗 AI 底层数据基础设施，持续向医疗 AI 研发机构输出高质量训练数据。

一、本轮融资核心信息清单

1. 融资金额：950 万美元，为种子轮融资。
2. 领投机构：Peak XV，多家知名投资机构联合跟投，包含 Afore Capital、DCVC、Emerson Collective、SV Angel、Verdict Capital、Streamlined Ventures，同时获得 Y Combinator 加持。
3. 资金使用方向：平台技术研发、海内外市场业务拓展、工程与科研团队扩招、医疗机构数据合作落地。
4. 企业发展目标：建成稳定可靠的医疗多模态数据基础设施，持续输出高质量机器学习数据集。

二、搭建医疗 AI 数据基础的核心原因

1. 行业普遍存在高质量医疗数据供给缺口

绝大多数医疗机构的临床数据相互割裂，数据格式五花八门，非结构化的病历文本、影像文件很难直接导入 AI 模型；市面上公开医疗数据集样本量有限、场景单一，无法满足临床级 AI 模型训练需求，成为医疗 AI 产业化落地的核心瓶颈。

2. 医疗数据合规门槛高，技术实现难度大

医疗数据属于高度敏感的个人健康信息，必须完成去标识化处理，严格遵守数据隐私法规。普通技术团队很难平衡数据可用性与信息安全，而 BioStack 自研了全流程隐私保护工作流，可以在不泄露患者隐私的前提下，完成数据整合与结构化处理。

3. 医疗 AI 产业迫切需要标准化数据底座

不管是医院自研辅助诊断模型，还是药企开发新药研发 AI、科技企业训练医疗大模型，都需要统一格式、覆盖全诊疗环节的多模态数据。BioStack 打造的数据基础设施，能够把分散的电子病历、影像、心电、化验单、用药记录、随访结果打通，形成全链路患者诊疗数据集，大幅降低 AI 研发团队的数据准备成本。

三、搭建医疗 AI 数据基础的完整执行步骤

阶段 1：数据合作与合规体系搭建（前期筹备）

1. 对接全球多家综合医院与专科医疗机构，签署医疗数据合作协议，明确数据使用边界。
2. 落地全套隐私保护方案，部署自动化去标识化工具，自动清除姓名、身份证号、联系方式等敏感信息，确保所有数据符合医疗信息监管要求。
3. 制定统一的数据标准，统一电子病历、影像、检验数据的字段格式，打通不同 HIS、LIS 系统之间的数据壁垒。

阶段 2：开发自动化数据处理管线（技术研发）

1. 搭建数据接入通道，批量接入文本病历、CT 影像、心电文件、化验指标等多类型原始临床数据。
2. 开发自动化清洗、降噪、标注工具，把非结构化文字转化为结构化字段，自动完成数据分类与质量筛查。
3. 构建数据集管理平台，实现数据版本管控、权限分级、调用留痕，形成可追溯的数据资产管理体系。

阶段 3：产出标准化数据集并对外交付（商业化落地）

1. 按照病种、诊疗环节拆分多套专用数据集，覆盖内科、外科、影像诊断、慢病随访等不同场景。
2. 面向 AI 实验室、生物医药企业、医疗科技公司开放数据集服务，支持模型预训练、微调、效果评测等全流程使用。
3. 持续收集一线模型反馈，不断优化数据集丰富度，扩充长期纵向随访数据，提升数据集的实战价值。

阶段 4：依托融资扩大业务规模（本轮资金落地后）

1. 扩充算法工程师与临床数据专员团队，完善数据标注与质控能力。
2. 拓展海外医疗机构合作，扩充全球临床样本池，进一步丰富多人群、多病种的数据资源。
3. 迭代强化学习仿真环境，在数据集基础之上搭建医疗 AI 模型评测平台，从单纯输出数据升级为提供完整训练环境。

四、平台数据资产覆盖范围（多模态数据清单）

表格

五、医疗 AI 数据基础设施的长期建设规划

1. 短期规划：完善数据接入与脱敏流水线，稳定产出合规多模态数据集，完成首批付费客户交付，打通从数据生产到商业变现的闭环。
2. 中期规划：持续扩充全球合作医院数量，搭建病种全覆盖的纵向患者数据库，推出配套的 AI 模型训练仿真环境，形成 “数据集 + 评测环境” 一体化产品。
3. 长期规划：建成行业通用的医疗数据基础设施，持续为全球医疗 AI 创新项目提供高质量数据支撑，推动医疗 AI 从实验室走向真实临床落地。

【相关 FAQ】

问题 1：BioStack 完成 950 万美元融资之后，核心任务为什么是搭建医疗 AI 数据基础？

回答 1：BioStack 完成 950 万美元融资之后，核心任务搭建医疗 AI 数据基础，是因为当前医疗 AI 领域普遍面临临床数据孤岛、数据质量参差不齐、隐私合规难以兼顾的问题，只有建好标准化的数据底座，才能持续产出可用于模型训练的合规数据集，支撑医疗大模型与临床 AI 产品落地。

问题 2：BioStack 搭建医疗 AI 数据基础，会收集哪些类型的多模态临床数据？

回答 2：BioStack 搭建医疗 AI 数据基础，会接入文本病历、医学影像、检验指标、诊疗时序记录、心电生理信号等多模态临床数据，对原始数据做脱敏、清洗、结构化处理，形成覆盖全诊疗流程的机器学习专用数据集。

问题 3：本次 950 万美元融资，会投入到医疗 AI 数据基础建设的哪些环节当中？

回答 3：本次 950 万美元融资，会投入到医疗 AI 数据基础建设的多个环节，包括隐私合规技术研发、自动化数据处理管线开发、海内外医疗机构合作拓展、研发团队扩招，同时用于搭建医疗 AI 模型训练与仿真评测环境。

【数据来源】

[2026-10-22]（BioStack 获得 950 万美元融资，打造医疗 AI 多模态数据基础设施）PR Newswire

[2026-10-22]（BioStack 种子轮融资落地，深耕医疗 AI 底层数据建设）The Cullman Times

[2026-10-22]（BioStack 面向医疗 AI 提供去标识化临床数据集）Y Combinator

[2026-10-22]（医疗 AI 产业现状：高质量临床训练数据缺口持续扩大）创投行业媒体

免责声明：

本次融资金额、投资方名单、业务方向均来自企业官方对外发布信息与权威创投媒体公开报道；医疗数据处理流程严格遵循各地医疗数据隐私法规，所有对外输出数据集均已完成患者信息去标识化处理；平台数据集的实际适配效果，会随不同医疗 AI 模型、不同临床场景产生差异；项目后续业务拓展进度，以企业后续公开运营信息为准。