AI 与医疗保健机会

I. 美国医疗健康系统正在衰落。

在第一部分 ，我们讨论了为什么美国医疗保健系统如此昂贵。在过去 50 年中，激励机制导致了一个由强大中介机构组成的系统，每个机构都从美国每年在医疗保健上花费的 5 万亿美元中分一杯羹。相关参与者（患者、医疗服务提供者、保险公司、药品福利管理公司、制药公司和美国政府）之间复杂的关系导致了对每个人获得”公平份额”的激烈审查。换句话说，大量的文书工作、大量的官僚主义、大量的行政浪费：

量化来看，每年超过 1 万亿美元的行政支出……而我们的整体健康状况却差得多。我和 Felicis 团队的完整博客在这里 ：

但当我们深入研究这些行政任务的细节时，会发现它们都是文本密集型、语音密集型的工作，而且通常是由行政工作人员团队在强行处理的简单任务。

他们在给患者、药房福利管理公司(PBM)、保险公司打电话、发邮件、写信；其中许多人每周要花费数小时传真文件。 我们在谈论通用人工智能，而我们最大的行业却还在通过传真做生意！

尽可能简洁地说，这就是我对人工智能在医疗保健领域的机会如此兴奋的原因：

1. 这是我们国家需要解决的一个至关重要的问题。 没有人对我们今天的系统感到满意（患者不满意，医疗服务提供者不满意，付费方也不满意）。
2. LLMs 非常适合自动化医疗保健中的许多这些管理任务。 伟大的公司与它们所乘的技术浪潮相似。
3. 如果一家公司能够打入市场，医疗保健领域的护城河是令人难以置信的。 在 Epic 的 600 多个客户中，他们从未失去过任何一个。
4. 最后，效率的任何有意义的提升都会创造巨大的商业机会。 当你在解决一个（字面意义上的）万亿美元问题时（说真的，这真的是万亿美元的支出，这不是风投对”下一个万亿美元公司”的说辞），任何有意义的百分比改善都能创造非常大的机会。

本文主要关注 AI 在医疗保健中的管理应用，还有许多其他应用超出了本文今天讨论的范围。需要明确的是：这并不容易。AI 不会”解决”所有问题。解决这个问题有两条路径：改革系统或在当前系统的边界内运作。作为一名技术专家和投资者，我选择后者。

二、当今医疗保健软件的现状

在我们开始讨论 AI 的影响之前，我们必须了解两个主题：

1. 如今的医疗软件格局
2. 为什么其影响有限

如今的医疗软件格局

鉴于我们今天关注的是医疗保健领域的人工智能，我不想用冗长的公司清单来拖累你们。我将指出最大的医疗保健软件公司：

最大的类别是记录型医疗系统：

1. 电子健康记录（EHR）：患者医疗记录的存储
2. RCM（收入周期管理）：管理支付方、提供方和患者之间的计费流程
3. PMS（诊所管理软件）：为小型诊所管理预约安排、计费和电子健康记录

但你可能会注意到：等等，相对于医疗健康这个 5 万亿美元的行业，这些公司规模似乎有点小？没错！医疗健康巨头 Epic 的收入只有 50 亿美元？

这指向了医疗健康领域人士都很清楚的一个令人遗憾的事实：医疗健康软件的影响在资金和自动化方面都相对有限。

为什么医疗健康软件的影响有限？

我想非常清楚地阐述为什么其影响一直有限，以及为什么现在情况会发生变化：

1. Data in healthcare is nuanced, and can’t be forced into an objective system  

Remember how I was talking about all parties wanting their “fair share” and the ensuing documentation requirements because of that?  

Well, the big problem with that is it forces nuanced, unstructured healthcare data into a structured format. Every patient interaction has to be translated to one of thousands of medical codes, turned into a bill, and justified to insurance on why the final diagnosis/prescription was made.   

Ask any physician, and they’ll tell you: it’s not so simple.  

All this did was force a burden on clinicians to take copious notes, put them into the EHR, and then be forced to justify their notes/prescriptions for any questions/issues from insurance (and there are a lot of them).  

这项工作在 AI 出现之前无法被有效记录，当然也无法自动化。LLMs 改变了这种状况。

LLMs 非常擅长理解细致入微的非结构化数据，它们创造了开始自动化这些工作流程的能力。

2. 医疗服务提供者（理所当然地）一直是技术采用的缓慢者

医疗服务提供者采用软件缓慢还有三个原因：

1. 低利润 = 低预算
2. 低容错率（即错误代价高昂）= 高采用门槛
3. 集成复杂性 = 更高成本，更低采用率。

如今，低预算实际上是一个顺风因素。医疗服务提供者告诉我，他们必须削减成本才能生存下去，而 AI 是削减成本的绝佳方式。公司正在从人力预算而不仅仅是软件预算中拿钱来支付 AI 工具费用。这大大扩展了软件市场。

其次，容错性是一个真正的关注点，但在管理工作流程中容错性要高得多，因为在这些流程中错误一直在发生 。

最后，集成复杂性仍然是一个问题。由于医疗保健系统很复杂，它们拥有复杂的技术堆栈，这进一步巩固了转换成本，使采用新技术变得更加昂贵。

医疗保健 AI 公司和初创企业必须自己解决这个问题。他们必须借鉴 Palantir 的前沿部署工程师模式，让他们的团队进入医疗保健系统，构建成功采用这些软件所需的集成。

总而言之，LLMs 能够真正实现工作流程自动化、通过节约成本的形式带来投资回报，以及提供新的软件交付模式，这些都创造了医疗保健软件机遇的新时代。

正如一位消息人士告诉我的：”两年前，向医疗服务提供商销售产品基本上是不可能的，但现在情况完全改变了。”

三、AI 在减轻医疗行政负担方面的作用

我毫不夸张地说，医疗保健领域到处都有可以自动化的任务。通过我的研究，我发现了五个主要的工作流程类别，它们占用了医疗保健提供者大部分的时间和精力。请看下面正在解决这些类别问题的初创公司（还有其他几个）：

为了说明 AI 今天的影响，我们基本上可以走过医疗保健流程的每一个步骤：

记录： 从患者就诊开始，AI 记录员为临床医生做笔记，这样他们就可以专注于与患者互动。Abridge 现在估值 50 亿美元， 记录市场中还诞生了另外两家独角兽公司。当我谈到 AI 在医疗保健领域的采用速度远远超过任何以前的软件时，这就是我所说的。

一些估算显示，使用或测试记录员的医院比例超过80%：

医疗搜索： 医生看完病人后，需要进行研究来做出诊断。以前，这需要使用过时的医疗搜索工具或谷歌。现在，许多医生正在使用 AI 搜索工具 ，其中以 OpenEvidence 为首，该公司刚刚以 35 亿美元估值完成融资 。

在推出 12 个月后，超过 1/3 的美国医生正在使用 OpenEvidence：

预先授权： 在做出诊断后，许多药物或程序都需要预先授权 。本质上，如果保险不明确覆盖某项处方或程序，医疗提供者需要提前获得保险批准。这可以通过预先授权门户、电话，以及天哪，传真机来完成。

医院里有整个预先授权团队整天都在处理预先授权，经常出现错误，医生们还要被拉去帮助解决这些问题。这是 AI 正在自动化的典型的极其痛苦且非常常见的工作流程。

营收周期运营： 一旦手术完成，那份临床记录就需要转换为医疗代码 （大约有 7 万个）。该代码被转换为账单 / 索赔 ，并发送给保险公司，由其批准或拒绝。

保险公司正在自动化索赔处理 ，即索赔的审核。如果被拒绝，医疗服务提供商会提出上诉，这很可能会被推翻。（现在许多医疗服务提供商正在使用 AI 来撰写上诉信。）

在这一切之后，账单会被发送给患者。

客户服务： 最后，如果患者想要咨询问题、安排后续就诊或支付账单，他们必须致电医疗服务提供者。现在大多数基本问题都可以通过 AI 自动化处理。这实质上可以立即削减支出并通过 AI 提高患者满意度。

这五类行政支出都围绕着语音和文本，而 AI 现在可以实现自动化，这就是为什么我们看到这些工具被如此快速采用的原因。

总的来说，我们已经看到在所有这些类别中都出现了大型的、资金充足的公司：

需要明确的是，在这些类别中还有很多其他公司，这只是为了说明投资者和客户对这些解决方案的兴奋程度。

四、前进之路：如何最大化对医疗保健系统的影响

所以，早期需求已经存在，在几个类别中已经看到了影响。我们如何确保这是一个可持续的趋势，既能（1）建立持久的公司，又能（2）确保这些公司最大化其影响？

我看到有三种途径可以做到这一点：

1. 早期的点解决方案需要扩展为平台。

在我的 Toast 深度分析中，我阐述了从拥有一个工作流程→成为记录系统的路径。当我写那篇文章时，我脑海中想的就是 Abridge。一旦你拥有了临床笔记，你现在就可以围绕该临床笔记自动化关键工作流程，构建一个平台，并扩展成为记录系统。

就 Abridge 的情况（以及其他 AI 医疗记录员）而言，你可以获取临床笔记，自动将其转换为医疗编码和理赔单，发送给保险公司，并扩展到拥有围绕收入周期管理的工作流程。

对于那些以50亿美元估值投资的投资者来说，这很可能就是他们看到的愿景。

2. 公司需要尽快扩大市场进入规模

为了最大化影响力，公司需要最大化其覆盖范围。是时候让资本主义发光发热了！

我在这份出版物中详尽地阐述了幂律法则。如果要从中得出一个适用的教训，那就是你必须尽快开始你的幂律复合增长。

这意味着行动最快的人往往能赢得客户的心智份额、投资者的心智份额，并创造一个收益递增的飞轮效应。目标是尽可能快地让这个飞轮转动起来，要么通过：

• 早期牵引力（无论是纯粹的量还是顶级客户）
• 筹资（再次通过金额或顶级客户）
• 营销（占据心智份额）

所有这些变量然后相互叠加。

3. 利用这些新自动化的数据不仅提高效率，还要对患者结果产生真正的影响

我交谈过的许多临床医生对这个问题中的管理工作流程完全不感兴趣。他们专注于为患者创造更好的治疗效果。

OpenEvidence 在推出不到 12 个月的时间里就已经为美国三分之一的医生提供支持，这一事实令人难以置信。

但随着我们汇集越来越多的数据，对患者治疗结果产生积极影响的能力也在提高。

在理想的世界里，我们将能够将 AI 医疗记录员产生的大部分（现在已自动化的）数据汇总到一个数据库中，这样美国的每一个症状→诊断都能被追踪。随着数据集的增长和模型的改进，我们将获得越来越快的诊断。

希望我们能告别那个需要在十个专科医生之间奔波才能获得罕见疾病诊断的世界。

关于无聊事物的令人兴奋之处的最后一点思考。

事前授权、医疗编码、病历记录……这些过程本身是无聊的。 但是将这些任务自动化的影响却并非如此。

当我们思考 AI 的经济影响时，其中很大一部分将归结为病历记录和事前授权等任务。

没有人愿意做这些工作，它们是例行工作，所以我们会将其交给 AI。这使经济更加高效，很少有人会注意到；而总的来说，它将让我们的生产力得到显著提升。

在这个过程中，它将帮助修复我们最重要也是最破碎的系统之一。这个系统必须得到解决，美国才能在前进中繁荣发展。这确实是令人非常兴奋的事情。