走进 Abridge：聆听1亿次就诊的 AI——Abridge 的 Janie Lee 与 Chai Asawa

摘要

• Abridge 正以环境式病历记录为切入口，构建围绕医患对话的更广泛临床智能层。 临床医生每周花10–20小时记录医疗服务，而医疗占GDP约20%，其中从诊断、治疗到理赔和支付的几乎一切，都源自这场对话。面对接近1亿次医疗对话，Abridge 将由此产生的痕迹视为产品上下文，也是专有数据的“尾气”。

• 商业路线图将从帮助临床医生节省时间，推进到帮助医疗系统省钱、赚钱，最终改善医疗结果。 病历记录能够减少“睡衣时间”：临床医生说，他们因此可以回家和孩子共进晚餐，有人甚至提前退休，还有人直言：“我们不用离婚了。”但 CFO 要的是以美元计价的 ROI——更合规的病历、更少的计费追问和更高的收入，而不只是更快乐的医生。

• 事前授权最能体现 AI 如何把医疗延迟从数周或数月压缩到几分钟。 以 MRI 为例，Abridge 可以从患者病历中确认 Aetna 计划6项要求中的4项，再在患者离开前提示医生确认理疗和疼痛是否持续超过6周。其机会在于，把一个可能耗时45天、涉及约20次触点的流程，替换成一次时机精准的临床互动。

• 真正的护城河来自上下文、工作流位置、系统集成和可靠性的组合，而不是一个通用模型外壳。 实时决策可能需要同时读取 EHR 历史、实验室检查、影像、付款方身份、州级政策，以及非结构化的50页 PDF；与此同时，Jenny 估计，传统医疗告警超过90%都会被忽略。Abridge 希望产品像“空调”一样：安静地改善问诊，只在此刻行动会实质改变医疗结果时才介入。

• Abridge 按质量、延迟和成本组合使用自研及第三方模型，规模扩大也会改变优化边界。 其专有对话数据可以改进转录、说话人分离、病历、个性化和专业化代理，而第三方厂商可能提供越来越强的通用医疗知识与代理能力。Chai 将其架构称为“模型星座”，其中包括能够快速分诊、再把任务交给更大型模型的模型。

• 医疗级评估和受控部署是核心资产，因为“80/20在这里行不通”。 Abridge 会校准专科和领域特定的评判器，使用临床医生和编码团队，并逐步发布变更；客户发布周期也从季度或半年一次，逐步缩短至每月一次，部分医疗系统还会更早参与共建。用于学习的患者数据会以单向方式去标识化，而可识别信息的访问和留存则受合同约束。

• 战略上行空间在于打造一个服务临床医生、患者、付款方和药企的共享智能平台，同时不向付款方交出原始问诊数据。 同一场对话可以生成病历、向患者解释下一步、支持支付决策，或识别潜在临床试验候选人。深度 EHR 互操作仍是入场券，但 Abridge 试图进入的领域，是越过记录系统本身，连接医疗主要参与者的智能层。

• 嘉宾拒绝两种看似顺理成章的判断：医疗会最后迎来 AI 创新，以及原型出现后，书面产品判断便不再重要。 Chai 如今预计，一些最困难的 AI 工作可能首先发生在医疗领域，因为零错误评估和低容错工作流都是硬要求；Jenny 则认为，当每次发布都牵动大型系统、合规、实施和稀缺的组织注意力时，“清晰、利落的书面表达比以往更重要”。其工作准则是：“慢下来，才能更快。”

精读

上游暂未提供，后续同步将继续补齐。