Century Health 获 500 万美元种子轮融资：用 AI 自动化临床数据整理，加速生命科学研究

97% 的准确率背后，Century Health 想用 AI 重构临床数据的“巴别塔”

当一家成立仅两年的纽约初创公司，在种子轮融资中拿到 500 万美元并超额认购，且领投方是 Origin Ventures 这样的深科技基金时，市场关注的焦点往往不是金额本身，而是它究竟解决了什么“非解决不可”的问题。Century Health 给出的答案直指生命科学领域的“数据黑洞”：全球每年产生海量的非结构化临床数据——电子病历、医生手写笔记、影像报告——这些文本就像散落在不同岛屿上的碎片，无法被机器直接理解，更无法用于高效的药物研发。Century Health 宣称其自研的 CHARM 模型能将这一过程自动化，并在与临床专家判断的基准测试中达到了 97% 的准确率。这听起来像是一个完美的技术叙事，但我们需要冷静审视：在 AI 制药和数据标注赛道早已拥挤不堪的今天，Century Health 凭什么让资本和药企买单？

CHARM：不是另一个大语言模型，而是“数据炼油厂”

创始人 Vish Srivastava 和 Sanjay Hariharan 的履历暗示了这家公司的与众不同。Vish 曾领导医疗 AI 数据平台，Sanjay 则在构建大规模分布式系统方面有深厚积累。他们没有选择去训练一个通用的大语言模型来“理解”临床文本，而是构建了一个名为 CHARM（Century Health Abstraction & Retrieval Model）的专用模型。这本质上是一个“数据炼油厂”：它不追求生成漂亮的对话，而是专注于将杂乱无章的临床原始文本，精准地转化为结构化的、可供分析的“研究级证据”。

关键在于，CHARM 的 97% 准确率并非实验室里的闭卷考试。它是在与临床专家的人工判断进行直接比对后得出的。这意味着，在关键的数据提取任务——比如从一份潦草的肿瘤科医生笔记中准确抓取患者的分期、基因突变和用药史——CHARM 的表现已经接近甚至超越了普通人类专家。对于制药公司而言，这意味着将原本需要数月、耗费数十万美元的回顾性研究数据清洗工作，压缩到数天甚至数小时。这种效率提升，是传统合同研究组织（CRO）和内部数据团队无法提供的。

然而，风险同样存在于“准确率”的边界。97% 的准确率在学术上令人兴奋，但在需要 100% 无差错才能做出关键临床决策的领域，那剩下的 3% 可能意味着巨大的法律和伦理风险。Century Health 必须向市场证明，它有能力识别并标记出这 3% 的不确定性，而不是简单地将其掩盖在漂亮的数字之下。

60 倍增长的“专科医生数据网络”：真正的护城河还是数据堆砌？

在融资新闻中，一个容易被忽略的细节是“过去一年，公司的专科医生数据网络增长了 60 倍”。这或许是比 500 万美元融资更值得关注的信息。在医疗 AI 领域，技术壁垒往往不是永恒的，但高质量、高壁垒的数据网络是。Century Health 没有选择从零开始爬取互联网数据，而是专注于构建一个“专科医生数据网络”。这意味着它正在与特定治疗领域（如肿瘤、罕见病）的医生和医疗机构建立深度连接，获取那些最稀缺、最具有临床价值的专科数据。

这个策略非常聪明。通用电子病历数据虽然量大，但噪音极高。而来自顶级专科医生的结构化笔记、治疗路径和随访记录，是制药公司设计临床试验、寻找生物标志物、甚至预测药物副作用的核心资产。当这个网络规模扩大 60 倍时，Century Health 实际上在构建一个数据飞轮：更多的数据吸引更多的药企合作伙伴，而药企的需求又反过来指导数据采集的方向，从而形成网络效应。

但我们必须追问：这种增长是可持续的吗？数据网络的扩张通常伴随着高昂的获取成本（如支付给医生的合作费用、合规审计成本）。如果 Century Health 的商业模式仅仅是“卖数据”或“卖数据清洗服务”，那么它很容易陷入低毛利的陷阱。真正考验其商业模型的，是它能否在数据之上，提供高附加值的洞察服务，比如基于这些数据直接生成临床试验方案的设计建议，或者发现新的药物靶点。否则，它最终可能只是另一个规模更大的数据中间商。

投资逻辑：Origin Ventures 在赌什么？

领投方 Origin Ventures 并非典型的医疗健康基金，而是一家深耕企业级软件和基础设施的 VC。这透露了重要的信号：他们可能不把 Century Health 看作一家“生物科技”公司，而是一家“AI 基础设施”公司。在 Origin Ventures 看来，临床数据的非结构化问题，本质上是一个企业级的数据工程问题，而不是一个纯粹的医学问题。CHARM 模型可以被视为一种“数据管道”或“数据操作系统”，它能够被集成到任何生命科学公司的数据栈中。

这种定位让 Century Health 拥有了更大的想象空间。如果它能成为制药行业的“数据标准化引擎”，那么它的客户就不再局限于大型药企，还可以是 CRO、学术医疗中心、甚至保险支付方。跟投方名单中出现了 Citeline（原名 Informa Pharma Intelligence）的创始人 Zorba Lieberman，这更是一个强烈的信号：这位行业老兵看到了通过 AI 自动化数据整理，来颠覆传统情报服务的可能性。

然而，投资逻辑的乐观背后是现实的冷峻。目前市场上已经存在多个试图解决类似问题的玩家，如利用 NLP 处理病历的 nference，或者提供数据集成平台的 Datavant。Century Health 的差异化在于“专科医生网络”和“97% 准确率”的叙事，但这两个优势都需要时间来验证其可复制性。如果竞争对手也迅速建立起类似的专科网络，或者通用大模型在临床文本处理上的能力突飞猛进，Century Health 的护城河将面临严峻挑战。

辩证总结：一场关于“数据主权”的昂贵赌博

Century Health 的崛起，本质上是生命科学行业对“数据主权”渴望的缩影。制药公司不再满足于从 CRO 那里购买二手数据，而是希望拥有自己的、实时的、可分析的数据资产。Century Health 提供的工具，让这种渴望变得触手可及。

但我们必须清醒地认识到，这 500 万美元只是第一张入场券。接下来的挑战远比技术更复杂：如何说服那些对数据安全极度敏感的大型药企开放其核心病历库？如何在遵守 HIPAA 等严格法规的前提下，实现跨机构的数据联通？更重要的是，当 AI 模型在数据清洗过程中出现偏差时，责任由谁承担？

Century Health 正站在一个巨大的风口上，但它需要证明自己不是又一个被资本吹起来的泡沫。它必须从一个“数据清洗工具”进化为“数据驱动的决策大脑”。如果成功，它将成为新药研发的“水”和“电”；如果失败，它只会成为 AI 医疗创业史上一个注脚——一个关于“技术很酷，但商业太慢”的经典案例。对于这家年轻的创业公司而言，真正的考验，才刚刚开始。