智研AI · 重建方案

人工智能医疗文档和临床决策支持副驾驶在患者咨询期间与医生坐在一起，自动生成临床记录，建议 ICD-10 代码，根据症状标记潜在诊断，并提供基于证据的治疗指南 - 同时将数据保留在本地以满足数据主权法的要求。 与 Jiyan 的医院 IT 集成噩梦不同，MedScribe 是一款轻量级浏览器扩展和桌面应用程序，可通过屏幕抓取和音频转录与任何 EMR 系统配合使用。 该楔子正在解决医生的倦怠问题（中国医生将 40% 的时间花在记录上），而不是取代诊断判断。 收入来自医院或医生直接支付的每个医生 SaaS 订阅（50-100 美元/月），以及医院范围内的分析仪表板的追加销售。 AI 使用经过微调的 Llama 3 70B 来理解中文医学语言，使用 Whisper 进行实时转录，并使用中文临床指南的检索增强生成。 至关重要的是，这避免了 NMPA 诊断设备的监管，因为它是一种文档工具，而不是诊断工具——医生做出所有临床决定。

自 Jiyan 于 2021 年推出以来，全球医疗保健人工智能市场已显着成熟，出现了明显的赢家和输家。 在医学成像领域，狭窄的垂直领域的参与者幸存下来：Aidoc（中风检测，筹集了 2.5 亿美元，FDA 批准）、Paige.AI（癌症病理学，筹集了 1.45 亿美元）和 Viz.ai（神经血管，以 1B+ 估值收购）。 像 Jiyan 这样的横向诊断平台普遍失败了——Babylon Health 在 2023 年倒闭，Benevolent AI 放弃了诊断，IBM Watson Health 被出售为零部件。 教训：临床人工智能需要深厚的垂直专业知识和监管护城河，而水平平台无法实现。

具体而言，在中国，市场围绕三种模式进行整合：（1）像平安好医生和京东健康这样的远程医疗平台，拥有患者关系并将人工智能用作功能而不是产品。 (2) 像 Insilico Medicine 和 XtalPi 这样专注于制药的人工智能，它们销售给制药公司，而不是医院，从而避免了采购困境。 (3) 单用途成像人工智能，如 Infervision（肺部 CT），通过专注于一个工作流程而获得 NMPA 批准。 阿里巴巴退出医疗保健人工智能的做法与腾讯和百度的类似退出如出一辙——大型科技公司认识到医疗保健的监管复杂性和低利润并不能证明政治风险是合理的。

人工智能原生重建机会确实存在，但不存在于吉言以医院为中心的模式中。 今天可行的策略是：（1）消费者健康副驾驶（想想 Healthify.ai 或 Flo Health 的人工智能功能），通过专注于健康而不是诊断来绕过临床监管。 (2) 临床试验优化 AI 销售给制药公司/CRO，这是一个 50 亿美元以上的市场，销售周期更快。 (3) 医疗抄写员和文档 AI（Nuance DAX、Abridge）可减少医生的倦怠，而不需要诊断准确性。 （4）联邦学习平台，无需数据集中即可实现多医院AI训练，解决了吉研无法解决的监管问题。 该技术现在已通过基础模型实现商品化，因此重建必须侧重于分发和监管策略，而不是机器学习工程。

1. 第 1 步 - 面向医生的 Chrome 扩展程序 (Wedge)：构建一个轻量级浏览器扩展程序，用于实时转录医患对话并生成结构化的中文 SOAP 注释。 针对一线城市私人诊所中自付费用（每月 30 美元）的个人医生，将每位患者的记录时间从 15 分钟减少到 2 分钟。 使用 Whisper API 进行转录，使用 GPT-4 进行笔记结构。 在建造医院设施之前，确认医生会为节省的时间付费。 目标：3 个月内 100 名付费医生，每周活跃使用率 70%，NPS 超过 50。

2. 第 2 步 - 通过分析追加销售进行医院试点（验证）：与 3-5 家中型私立医院（200-500 个床位）合作，在整个部门进行部署。 添加医院管理仪表板，显示文档时间节省、编码准确性改进以及更好的 ICD-10 编码带来的潜在收入回收。 切换到使用 Docker 容器的本地部署模型来满足数据驻留要求。 定价：50 美元/医生/月，至少 50 名医生，另加 5000 美元的安装费。 验证医院采购部门将在 6 个月内批准文档工具（而非诊断设备）。 目标：3 份医院合同，ARR 15 万美元，保留 12 个月。

3. 第 3 步 - 临床决策支持层（增长）：添加非诊断性临床决策支持功能：药物相互作用警告、循证治疗方案建议以及从匿名历史数据中检索类似病例。 这会在不触发 NMPA 诊断设备监管的情况下增加价值，因为最终决定权仍在医生手中。 扩展到医生倦怠程度最高的二线城市公立医院。 定价：具有 CDS 功能的高级套餐为 75 美元/医生/月。 目标：50 家医院、2,500 名医生、200 万美元的 ARR、环比增长 15%。

4. 第 4 步 - 通过网络效应打造平台护城河（规模）：建立一个联合学习网络，医院可以选择共享匿名临床见解（治疗结果、罕见疾病病例），同时保留本地原始数据。 这创造了一条可防御的数据护城河，并随着时间的推移提高人工智能的准确性。 推出一个医学知识市场，专家可以在其中发布治疗方案，并在其他医生使用这些方案时赚取收入。 扩展到英语医疗人工智能不足的东南亚（泰国、越南、印度尼西亚）。 定价：企业级定价为 100 美元/医生/月，另加知识市场的收入分成。 目标：200 家医院、10,000 名医生、1000 万美元的 ARR、盈利之路。

• Llama 3 70B 针对中文病历和医学语言理解临床指南进行了微调
• Whisper Large-v3 用于实时普通话医学转录并优化医学术语
• Claude 3.5 Sonnet API，用于临床推理和治疗指南检索（复杂病例的回退）
• Vercel 用于网络仪表板和医院管理门户，具有实时协作功能
• Supabase，用于用户管理、订阅计费和具有行级安全性的加密临床记录存储
• Electron 用于跨平台桌面应用程序，可离线工作并在连接时同步
• LangChain用于中国临床指南数据库和药物相互作用数据库的RAG管道
• 用于国际支付处理的 Stripe 以及针对中国市场的支付宝/微信支付集成
• 带有 pgvector 的 PostgreSQL 用于对历史患者笔记和类似病例检索进行语义搜索
• Docker 适用于具有严格数据驻留要求的医院的本地部署选项

主要收入是每位医生的 SaaS 订阅，分为三层：基本（独立医生每月 30 美元，仅转录和笔记生成）、专业（医院医生每月 75 美元，增加临床决策支持和编码帮助）和企业（大型医院网络每月 100 美元，增加分析仪表板和联合学习）。 医院每年至少支付 50 名医生的费用，创造了 4.5 万美元的平均合同价值。 内部部署的设置费为 5,000 至 15,000 美元，可提供前期现金流。 来自医疗知识市场的二次收入，专家在该市场上发布治疗方案和临床路径，当其他医生访问这些内容时，他们可以赚取 10-50 美元费用的 70%（MedScribe 收取 30%）。 第三收入来自出售给制药公司和医疗设备制造商的匿名临床见解，用于上市后监测和真实世界证据研究（每个数据合作伙伴 5 万-20 万美元）。 由于边际成本较低（API 成本低于 5 美元/医生/月），目标毛利率为 80%，通过医院合作伙伴和医疗会议赞助，每位医生的客户获取成本为 500 美元。 投资回收期8-12个月。 4 年内为 25,000 名医生实现 5000 万美元的 ARR，定位于 EMR 供应商（Winning Health、东软）的战略收购或通过与 Nuance/Microsoft 合作进行国际扩张。