Abridge:AIScribe成為AI醫療應用的最佳實踐

作者:Theodore
編輯:Cage
在 LLM 落地場景中,醫療領域的應用開始展現出比較高的確定性,尤其是 AI scribe 產品能解決臨床文件記錄枯燥、耗時這一行業痛點。Abridge 是其中最有代表性的公司,訓練了專用於臨床文件的 ASR 和文字生成模型,能夠替代 90% 左右的人工工作量。擔任臨床醫生和教授的創始人從 2019 年就開始構建 AI-native 產品,5 年積累了大量醫療領域的資料和合作客戶,這一先發優勢使它自 LLM 應用爆發以來就迎來高速增長。
憑藉團隊對醫療實際需求的深刻理解,Abridge 與美國最大電子醫療系統 Epic 深度整合,讓醫生能保持原有工作習慣,同時節省大量時間。產品體驗方面的普遍好評,使公司能在大型醫療系統客戶中實現快速拓展,在商業化方面表現亮眼;收入增長前景清晰後,Abridge 今年吸引到了共計 1.8 億美元的兩輪融資,根據 the Information 報道下一輪估值將達到 25 億美金,成為 LLM 應用中最受關注的企業之一。
💡 目錄 💡
01  AI + Healthcare 是高需求行業,
      AI Scribe 是首先 PMF 的場景
02  產品與技術
03  商業化:如何在醫療企業 GTM 中勝出 
04  團隊及融資
05  市場競爭
01.
AI + Healthcare 是高需求行業,AI Scribe 是首先 PMF 的場景
美國醫療行業
正在跨越式採用 GenAI 應用
美國的醫療行業是一個龐大、行動遲緩的系統:
  根據統計資料,2022 年美國醫療支出共 4.4 萬億美元,約佔美國 GDP 總量的 17%;超過同一年全球第三名日本的 GDP 4.23萬億。其中,醫院和臨床醫師服務佔總體支出的 50% 以上。       
  美國醫療行業對傳統軟體的採用意願很低,醫院不願為 IT 團隊增加負擔,也不願培訓精疲力竭的員工使用新系統。在典型美國醫院的成本結構中,醫護人員工資佔比平均達到 37%,而 IT 支出僅佔 3%。
而在 Gen AI 應用出現之後,這一切有了變化:醫療行業已經成為採用 Gen AI 產品軟體的領先行業。其中一個重要原因是,AI 產品的上手門檻比之前的 Saas 產品低很多。根據 Menlo VC 估算,美國醫療企業在 GenAI 軟體每年支出已經達到 5 億美元,多個研究給出了同一量級的預測。
因此我們相信醫療企業的軟體支出有著廣闊的突破空間。A16z 提出,未來幾十年內醫療市場將至少有一半增長由AI驅動。醫療系統現在最大的問題是:
1)access:好醫生的時間不夠,病人需要預約很久才能看上病。同時很多好醫生因為工作強度大 burn out 離開;
2)cost:第一個問題連鎖帶來的結果是,醫療系統的人力成本很貴。這兩個問題都很適合 AI 來解決。 
現在醫院的成本項中人力成本非常重,如果採購 Gen AI 產品能大大改善員工的工作效率,將是投資回報比很高的投資。截至 2022 年底,美國共有 6,120 家醫院,以社群醫院為主,佔比達 84%,而其中 2/3 的社群醫院以系統方式運營。這些醫療系統擁有成規模的醫生使用者群,以此為銷售切入點,將為醫療 GenAI 應用帶來巨大增量。
注:社群醫院指所有非聯邦醫院、短期綜合醫院和其他專科醫院。而聯邦政府運營的醫院(佔比 3%)通常只為特定患者群體(如現役軍人)提供醫療服務。
目前長期市值前 100 名的軟體公司中,只有 Veeva 一家屬於醫療垂直應用。受益於上述醫療企業跨越式採用的潛在機會,醫療領域軟體的新一代獨角獸有望在 GenAI 應用中出現。而且對於 existing companies 也能同時受益:2023 年前上市的盈利醫療保健公司(不包括製藥公司)創造了 2.6 萬億美元的收入,但只有 1700 億美元(約 6.5%)轉化為利潤。假設 GenAI 應用能將成本和費用降低 15%,僅此一項就能將營業利潤提高 3140 億美元,使這類公司的企業價值增長 2 倍以上。
目前醫療 GenAI 應用有著廣泛的落地場景,包括藥物研發、臨床診斷、處理行政工作流、改進護理服務等等。前兩類場景的容錯率極低,商業化前需要經過漫長的開發和批准週期;相對而言,麥肯錫開展的調研證實了醫療行業對後兩類場景的信心:大多數受訪者認為 GenAI 潛在價值最大的領域是提高臨床醫生的服務質量和生產力,其次是改進患者參與度和體驗。
GenAI 能為醫療行業工作流的多個環節帶來變革。在臨床屬性較弱的環節,專用的 RPA 工具能自動化處理賬單、報銷、預約、分診和接收等繁瑣的行政事務;而在臨床屬性較強的環節,我們關注到, 2B 銷售表現最為亮眼的軟體型別是 AI Scribe。該類應用能夠協助醫生更加準確、快速地完成記錄文件的工作。代表性的公司 Abridge 憑藉突出的商業化表現,創造了醫療工作流 GenAI 軟體類別中迄今最大的融資規模。
AI Scribe 
能幫助解決行業根本性的痛點
美國醫生在醫院的正常工作時間之外,往往需要每天加班 1.5-2 小時來記錄臨床文件。這項行政任務源於美國政府從 2009 年開始推行的 EHR (Electronic Health Record,電子健康記錄系統) 補助,使醫院全面採購了 EHR 系統,並要求醫生詳實填寫文件。醫生對每次患者診療都需要記錄 SOAP (Subjective, Objective, Assessment and Plan) 筆記,來記錄診療和給出處方的過程。每寫一份 SOAP,醫生都要照顧到三個截然不同的相關方:醫護團隊、付款系統和患者。這導致美國醫生在 EHR 上花費的記錄時間約為其他國家的4倍。
EHR 一定程度導致了醫療服務供給的緊缺,因為對醫生工作時間佔用比較多。從 EHR 開始推行,到 LLM 爆發前的十幾年中,預算充足的醫院可能會為醫生僱傭人工抄寫員,負責記錄診療過程和撰寫文件,有些醫生甚至會自掏腰包來外包這項工作。而這個過程可以從全人工服務變成 AI-augmented 服務。
根據 Statista 資料,截至 2024 年 1 月,美國醫生人數約 110 萬人,按每名醫生 $300/月 的平均訂閱價格計算,臨床聽寫軟體的 TAM 約為 39.6 億美元,是當前整個醫療 GenAI 應用市場的8倍。
這個市場之前就誕生過成功的獨角獸,被微軟以 300億美金收購的 Nuance。Nuance 的產品 Dragon 是世界最早也最成功的語音轉文字解決方案,併為蘋果 Siri 提供了早期核心技術。公司從 2006 年開始收購一系列醫療領域的轉錄、文件產品,積累了醫療行業的垂直技術和商務關係;同時,Nuance 把握住了 2009-2011 年的政策紅利,大大推動了醫療銷售的增長。
Nuance 透過一系列收購構建了醫療領域能力
2012 年開始,Nuance 開始轉型,成立了 4 個行業業務部門來直接為不同行業提供解決方案。其中,醫療業務佔比最大。截至 2021 年,Nuance 62% 的收入都來源於醫療健康領域,達到 8.4 億美元。Dragon Medical 平臺幾乎達到壟斷地位,被美國 77% 的醫院,55% 以上的臨床醫生和 75% 以上的 X 光工作人員所採用,全球也有超過 55 萬醫生使用。
但 Dragon 在語音識別和生成上做得是不夠好的:這項技術只能作為文件記錄中的輔助,也沒有自動集成於 EHR 系統,醫生需要花費大量時間對 Dragon 生成的轉錄文字進行重新加工。
這個問題是比較難解決的:白宮健康顧問 Atul Gawande 在《為什麼醫生恨他們的電腦》中描述到,在手寫時代,醫生的筆記短小精悍,但在 EHR 記錄病人的詳細病史時,不同醫生就會由於需求不同,對同一件事寫出不同診斷,比如,為了申請醫保報銷,骨科醫師寫“腿痛”就夠了,但其他醫生可能認為缺乏細節,會寫成“右膝蓋骨質疏鬆”。
疫情讓美國醫生的 burnout 比例在 2021 年飆升至歷史新高 62.8%,而在2024年這個數字首次降至 50% 以下 (48.2%)。除了疫情結束、人手增加等原因,根據 EHR 供應商 eClinical Works 釋出的新報告,用於臨床文件的 AI 新技術也發揮了重要作用。
在使用相關軟體前,超過 40% 的醫生每天僅在文件記錄上就花費4個小時以上。而超過一半的醫生表示,AI 醫療文件軟體每天可以節省至少2小時的工作時間。節省下來的時間將使醫生能夠專注於不那麼瑣碎的任務,並有更多的時間陪伴患者。
綜上所述,Abridge 所在的 AI Scribe 賽道有著高度的確定性。傳統巨頭已經驗證了市場內出現獨角獸的可能性,GenAI 解決行業關鍵痛點、重塑市場格局的能力也已經明朗。
02.
產品與技術
產品介紹
 Abridge 的產品邏輯比較簡單,先透過自動語音識別 (Automated Speech Recognition, ASR) 聽寫診療過程,再利用 GenAI 生成符合要求的文件。從 2024 年年初開始,憑藉對於美國最大 EHR Epic 系統架構和資料格式的深刻理解,完成了與 Epic 的無縫整合。產品形態類似 Epic 系統的外掛,醫生無需在多個選項卡之間切換,不需要改變現有的工作習慣,使用體驗非常絲滑簡便。
診療開始前,醫生在徵求患者同意後,能直接使用 Epic 移動端應用 Haiku 中的 Abridge 產品(如下圖左側手機所示),對談話全程進行錄音,即時生成草稿,並可以隨時加入備註。
診療結束後,能在短時間內生成附有原文證據引用的標準臨床筆記及自動摘要(如下圖所示),並自動匯入 Epic 系統。醫生能夠直接在 Epic 的 PC 端應用 Hyperspace 中檢視和編輯筆記(如上圖右側電腦所示),左側是規範格式的 SOAP 文件,而右側是對話全程的文字記錄。
臨床筆記中的內容附有原文引用
除了解決臨床醫生的痛點,Abridge 也關注到了患者和護理人員。在他們的路線圖中,對於第一部分提到的改進護理質量、提高患者參與度和體驗的場景,也有著明確的規劃,有利於長期內市場份額的持續提高。患者記錯或忘記醫囑的情況很普遍,Abridge 可以給患者也提供一份完整文件,對注意事項提供指導;客戶表示其他競品沒有強調這一功能。2024 年 7 月,Abridge、Mayo Clinic 和 Epic 宣佈為護士推出文件產品,目前仍在開發中。
AI-Native 的技術優勢    
  在 GenAI 應用爆發前,Abridge 就已經在開發自己專用於醫療領域的 ASR 模型和文件生成模型。對於自己的“AI-native 特性”,Abridge 給出了三點證據:
1)使用有差異化的資料、提示工程和微調方法,從底層開始構建了端到端的 LLM 堆疊;
2)有自己的醫療 AI 效能評估方法,並在這一領域成為技術先驅;
3)將使用者行為資料重新用於模型迭代,實現閉環。
資料方面,自2019年開始,Abridge 就在匹茲堡大學 UPMC 醫療中心的資料庫基礎上,用 150-200 萬診療記錄作為資料集訓練了自己的 AI,所使用的型別包含臨床音訊、轉錄規範、人工撰寫的參考筆記以及患者特徵的元資料,並在去標識化方面嚴格遵守了安全隱私標準。
醫療 AI 評估方法方面,Abridge 在白皮書中進行了詳細介紹。
a. 在 ASR 環節,除了單詞錯誤率 (Word error rate) 等通用指標,還會重點關注醫學專業指標,如醫學術語召回率(Medical term recall rate)、對藥物名稱的捕捉等。目前關鍵指標超過了市面其他的開源模型。
b. 在文件生成環節,Abridge 透過自動計算質量指標來比較 AI 生成和人工撰寫的文件質量,保證醫學應用中的準確性和完整性:例如,如果醫生糾正了病人自述的狀況,在最終文件中只會保留正確的結論。當患者談論的話題出現跳躍時,Abridge 也能完成分類整合。
開發過程中,Abridge 使用 RLHF 方法,請一批臨床醫生進行盲測反饋,確保文件質量過關,且能滿足現實裡醫生多樣化的寫作習慣。在模型正式釋出前,還會持續收集主動和被動反饋(如醫生的編輯行為),來持續改進關鍵指標。
相對於通用模型,高度垂直於醫療行業的策略使 Abridge 的模型能顯著、更準確地識別醫療術語,並將病人高度多樣化的口頭表述轉化為規範的書面文件。根據 Abridge 官方資料,產品適用於 50 多個醫學專業領域,支援 14 種以上的語言,AI 能完成 91% 以上的文件記錄工作量,每個月能夠為臨床醫生節省超過 70 小時的時間。
03.
商業化:如何在醫療企業 GTM 中勝出
雖然在 GenAI 爆發前,Abridge 就掌握了正確的資料策略和技術路線,但 AI 應用要為傳統行業帶來跨越式變革,賣點往往並非技術有多麼酷炫,而是產品有多麼易用,以及如何從 Day 1 就能向客戶交付即時價值。產品能解決使用者的剛性需求,才會在客戶訪談中看到有醫生反映 “如果醫院不採購 Abridge 就會辭職”。
2022年11月 ChatGPT 的出現對醫療企業進行了 AI 應用的市場教育。彼時 Abridge 產品已經歷了4年左右的開發,經過了數千次的醫患對話訓練;渠道方面,除了 Abridge 團隊主動透過醫療人脈拓展市場,醫療企業的 IT 負責人也會主動透過健康展會接觸供應商。這讓效能已經較為成熟、且在合規方面做好準備的 Abridge 脫穎而出。
不同科室的專業性需求差異較大,一種 SaaS 產品未必能全面滿足。因此醫療系統企業往往會同時考察和試點多種產品,而在做出最終採購決策時,也會在組織內保留多個供應商,分比例使用,這成為 Abridge 實現存量替換的基礎。多名客戶表示,會同時採購2-3種產品,Abridge如果透過試點,在企業內使用人數佔比在20~60%不等。在支付意願方面,從替代人工的角度估算,相較於時薪約為10-20美元的人工抄寫員,AI Scribe 能夠節省大量成本,同時也意味著付費上限仍然較高,即使對於收入規模相對更低的醫療企業,每人每月 200 美元也是相對舒適的定價。
然而,醫療領域 SaaS 產品需要滿足嚴格的合規要求,包括 HIPAA 和 FDA 的多重標準,在資料隱私安全等方面透過認證,且需要經過多輪評估、試點和推廣流程,完整的銷售週期一般在一年半到兩年左右。
 醫院首先需要對產品進行臨床評估,通過後進入臨床操作階段,測試整合方面是否存在障礙;如果透過,還要進一步研究產品的單位經濟效益,嘗試協商價格,並確定試點範圍和時間線。
 試點一般會從初級的家庭醫療、兒科等高流量領域開始,並同時採用多種產品進行對比。供應商要與醫院合作微調或開發新功能,這一過程需要半年左右時間。第一輪試點結束後,還需要進行進一步評估,對結果滿意率足夠高,才可以擴大範圍,開展下一輪試點。
 最終基層員工有選擇是否採用產品的自主權,例如年齡較大的醫生可能不會使用任何軟體,或繼續使用原有的傳統產品。因此試點中,醫護人員對產品的反饋意見至關重要。
Abridge 能夠快速推廣,正是因為一線醫療工作者對產品效果的反響非常熱烈。根據 Emory 醫療系統內醫生的反饋,產品使他能“把所有注意力集中在病人身上,而不需要擔心文件;在結束問診後只需要再在醫院花一點時間校對和編輯”。在 KLAS 2024 報告中,Abridge 在改善臨床醫生體驗方面得分 95.3(平均分79.6),排名第一;在改善患者體驗和改進診療結果方面,也分別排名第三和第四。
而在企業測算此類產品的ROI時,並非僅關注財務上的直接增收。客戶表示,採用 Abridge 雖然平均每天可以為節省2小時左右的工作時長,但主要是減少在家加班的“睡衣時間”,問診時間幾乎沒變,也難以接待更多病人並增加收入。但是,Abridge 能提升診療、護理的準確性和質量,並顯著改善醫生工作生活質量,防止因職業倦怠導致醫生流失帶來的高昂隱性成本,並減少因訴訟、賠付帶來的損失。因此,客戶仍有較強動機購買此類產品。
Abridge 表示,近兩年醫院客戶開始一反常態,快速購買他們的產品。自 2024 年初以來,幾乎每週都會宣佈一個新的醫療系統客戶。2024年2月,公司宣佈與康涅狄格州規模最大、最全面的醫療保健系統耶魯紐黑文達成協議,使數千名臨床醫生開始使用 Abridge。其他大型客戶還包括 Emory Healthcare,社群醫療系統 Reid Health 等。
雖然醫生個體角度的切換和培訓成本較低,但企業層面仍有較大粘性。醫療 SaaS 一旦簽訂正式合同,期限就在2-3年左右,不會輕易被更換。Abridge 前期的積累使其佔據了有利的客戶基礎和市場地位,目前已經進入收入確定性較高的快速增長期。
04.
團隊及融資
團隊
Abridge 成立於2018年3月,創始人兼 CEO 是 Shivdev Rao 博士,是一名執業心臟病醫生,本科畢業於 CMU,此後在匹茲堡大學醫學中心(UPMC)的心臟和血管研究所擔任教授,對醫生的工作習慣有著深刻理解。在豐富的臨床醫療經驗之外,他兼有創業背景,曾創立 DocDok 和 Litcall 等幾家公司,同時也在 UPMC 的創新、商業化和風險投資部門擔任執行副總裁,投資醫療科技初創企業。而 CTO Zachary Lipton 負責公司的機器學習方面,同時在 CMU 擔任教授。
首席商業官 Brian Wilson 有 20 餘年的商務拓展經驗,近 10 年來主要在納什維爾的 SaaS 和醫療公司負責銷售,曾在簡訊營銷平臺 SlickText 擔任 3 年 CRO ;而首席臨床官 Tina Shah 是美國多個醫療領域委員會內的專家,曾任美國衛生局局長辦公室高階顧問,也是白宮研究員基金會董事成員,能為公司拓展客戶關係提供背書。
公司領導團隊

與其他側重市場銷售的同類公司不同,Abridge 的領導更專注於搭建團隊和更新技術,根據 Linkedin 不完全統計,技術類與銷售類員工的佔比約為 2:1 ,凸顯了團隊對於技術的重視。
商業化方面,公司的企業拓展總監均有其他醫療 SaaS 類或競品企業工作經驗,對東部 (NY) /西部 (CA) /中部 (IL, TN) /南部 (TX) 地區均有覆蓋。在今年結束新一輪融資後,公司還招聘了一批有多年 Epic 工作經歷的員工擔任合作成功總監。營銷/增長總監在谷歌擁有 10 年左右的營銷經驗,曾幫助推動 Drive、Workspace、Android 等產品的增長。
團隊在 EHR 和醫療企業的豐厚經驗,及地理分佈上的廣度有助於在全美範圍內拓展醫療系統客戶,並保證順利將產品整合到工作流程中。
融資   
在 GenAI 席捲全球並吸引風投之前的 2019 年,當創始人向 Union Square Ventures (USV) 介紹 Abridge 利用 AI 輔助醫生文件記錄的想法時,Andy Weissman 表示 “這個想法相當古怪,之前沒有人這樣做過。” 然而,客戶和投資人非常欣賞 CEO 本身的醫療背景和務實精神,創始團隊的 CMU 背景也使他們信賴公司在 AI 方面的實力。Abridge 就這樣拿到了自己的第一輪融資。
團隊“醫療+ML”的複合背景,在後續的融資中也在持續發揮作用,相對 Ambience、Suki 等競品以軟體開發背景為主的創始團隊,投資者相信 Abridge 創始人的醫療經驗能讓團隊更加理解使用者需求,從根本上提高產品能力。
目前,公司已經融資 2.1 億美元左右。在2023年10月,完成由 Spark Capital 領投的 3000 萬美元的 B 輪融資後,僅僅 4 個月,公司又完成了 1.5 億美元的 C 輪融資,由 Lightspeed Venture Partners 與 Redpoint Ventures 領投,投後估值約為 8.5 億美元。CVS Health、Lifepoint Health、Mayo Clinic 等大規模醫療機構和 NVIDIA 也參與了 Abridge 的投資。
2024年10月,根據 The Information 訊息,Abridge 正在籌集 2.5 億美元。科技投資者 Elad Gil 和 IVP 將領投這筆投資,Alphabet 的 CapitalG 基金預計也將參投。據報道,該輪融資估值將達到 25 億美元,相對目前 5000 萬美元的 ARR,P/S 已達到 50x,而相比一年前 2 億美元的 B 輪估值則翻了12.5倍。公司表示,部分資金將用於開發新的 AI 模型,以及尚未釋出的新產品。
05.
市場競爭
GenAI 應用開始落地後,湧現出 Abridge, Augmedix, DeepScribe, Nabla, Suki, Ambience 等一系列產品,能以前所未有的準確性和速度生成文件,並自動整合至 EHR 工作流中。各家產品的價值主張整體方向是相似的,都是透過聽寫並生成臨床文件,解決當時 Dragon 無法解決的醫生“睡衣時間”問題,主要區別在於實際的產品力細節、定價和企業銷售能力。市場空間除了醫療系統內替換 Dragon 等產品的存量需求,還可以對長尾市場中高度分散、採用手動記錄的小診所進行銷售。
然而,AI Scribe 公司挑戰傳統巨頭時仍然面臨阻力。Nuance 在 2021 年 4 月被微軟以 197 億美元巨資收購,並嵌入微軟醫療雲。由於微軟的支援和已有的市場基礎,Nuance 仍在技術和商務上保持著深厚的護城河,公司有著強大的捆綁銷售能力,在醫療企業內很難被完全替換。
為了應對競爭,Nuance 在 2023 年 2 月推出了基於 GPT-4 的語音 AI 應用 DAX Copilot(釋出時名為 DAX Express)。DAX Copilot 是在 Nuance 2020 年釋出的 DAX 基礎上進行升級的,此前,DAX 透過自動語音識別和人工審查將口頭問診轉換為臨床記錄,但是整個過程需要耗費 4 個小時。而 DAX Copilot 僅在幾秒內就能夠生成文件,並允許醫生隨時編輯臨床筆記,雖然相比含人工的 DAX 完整解決方案個性化程度較低,但定價僅為全套的 1/3 左右。
DAX Copilot 基於1200萬個左右的診療資料集進行訓練,是 Abridge 訓練規模的 6-8 倍,理論上有著更高的準確率。但大多數同時採用幾項產品的客戶表示,各個競品的準確率在實際使用中區別並不顯著,最終都需要一定程度的人工校對。
在成本方面,DAX 價格較高,對於 500 人左右的組織,每年 DAX 完整方案收費約為 1000 萬美元左右,摺合每月每人 1600 美元左右;DAX Copilot 成本也達到每月每人 400-600 美元。而 Abridge 則為每月每人 250-350 美元,對初級保健和非專科領域尤為經濟。
除 Nuance 之外,初創公司競爭者各有側重,其中有著鮮明價效比優勢的一家產品是 Nabla,僅需每月每人 100-150 美元,筆記生成時間僅為 12-15 秒,客戶可以接受犧牲一定的準確率來換取成本的大幅節省。從客戶反饋來看,目前 Abridge 仍然領先其他初創公司一個身位,市場不存在明顯的第三名。
各個產品的另一大顯著區別在於與哪些 EHR 整合,以及整合程度。多名使用 Epic 的客戶表示,與 EHR 的無縫整合是 Abridge 最令人印象深刻的亮點。這一因素看似壁壘不高,實際背後暗示著 Abridge 與 Epic 高度緊密的關係。客戶反映,Abridge 和 Epic 的合作關係是隨著時間的推移慢慢建立起來的,其他新進入者難以挑戰。而儘管其他競品整合的系統數量更多,或宣稱與 EHR 的深度整合,但可能僅限於 API 介面的表面整合,在使用體感上依然存在學習成本,沒有達到無縫程度。
根據 Definitive Healthcare  Atlas Technology Install Dataset 和 HospitalView 產品資料,截至 2024 年 1 月,Epic 是美國醫院市佔率最高的EHR,達37.7%。雖然 Abridge 沒有向其他 EHR 拓展,但 Epic 自身的客戶群已足夠龐大,而公司已透過深耕成為 Epic 系統中的領導者,是目前唯一一家公開顯示嵌入到 UI 層面的;同時,Epic 自身的自研類似功能上線週期可能非常久,目前還不會威脅到 Abridge 的地位。
美國醫院 EHR 供應商市場份額排名
綜上所述,Abridge 在技術上實現了足夠的專業度和準確性,在與 EHR 的整合上也佔據了較好位置,但未達到斷層領先或足以壟斷的程度,由於文件最終儲存於 EHR 系統中,作為外掛也並不具備資料粘性。在醫療 AI Scribe 的競爭中,Abridge 所構建起的壁壘更多在於已有的 GTM 成就。相比其他初創公司,Abridge 熬過了漫長的銷售週期,從佔領使用者心智開始,穩固了一定的企業端份額;有望透過鎖定和飛輪效應,進一步擴充套件客戶網路。然而,由於客戶往往不只使用一個供應商,想要發展為市場寡頭,還需繼續關注公司未來如何從產品條線、EHR 整合、定價、商務等方面創造相對 Nuance 的差異化優勢,並保持領先於其他初創公司的地位。
排版:Doro
延伸閱讀

AI Coding 最全圖譜:Agent 將如何顛覆軟體

Sora V2 即將釋出,AI Creativity 賽道有哪些機會?

AI-native 應用長什麼樣?

Anthropic 創始人最看好的領域,AI for Science 深度解讀

AI 影響最大的行業?LLM 如何讓教育產品化

相關文章