24-10-18
AI 在生物和医疗领域的应用将使我们能够在 5-10 年内压缩人类生物学家在未来 50-100 年内所取得的进展
AI 与医疗领域正在全方位结合创造价值，这块既有解决非常高大上的方向，比方说刚拿了诺贝尔化学奖的 DeepMind CEO Demins 和 John Jumper，就因为他们通过 AlphaFold 在蛋白质结构预测方面的贡献。
Demis Hassabis 认为，通过 AlphaFold 可以开启一个超过 1000 亿美金的 AI 药物开发市场。最新的 AlphaFold 3 也被很多人认为是 AI 在生物医药领域的又一个里程碑，它不仅可以加速药物开发、推进疾病研究，在揭开生命的奥秘和个性化医疗方面也具有非常重大的价值。
Anthropic CEO Dario Amodei 在最近的 2.5 万字雄文《AI 如何让世界变得更好》里谈到了 AI 在生物医疗领域的应用价值（这篇文章比较长而且很有价值，很值得详细做一个更深度的延展）：
AI 不仅仅是一种分析数据的工具，其能力正在使自己能执行、指导和改进生物学家所做的几乎所有事情。
Dario Amodei 预测称，AI 技术在生物学和医学领域的应用将使我们能够在 5-10 年内压缩人类生物学家在未来 50-100 年内所取得的进展。
他将这称为“压缩的 21 世纪”：
在强大的 AI 开发后，我们将在几年内取得生物学和医学领域的所有进展，而这些进展原本需要整个 21 世纪才能实现。
同样，AI 在解决医疗领域日常繁琐问题方面也越来越突出，其中一个领域就是整理医生与患者之间的对话记录，这是很多医生每天都要花几个小时处理的事情。
我之前介绍过两个这块的 AI 笔记产品，基本上就是一个 AI 医疗抄写助手，用于记录病人就诊时的病情和治疗对话过程，它能够实时记录和转录医生与患者的对话，自动生成一个详细的 SOAP 笔记，从而极大地简化了医生的文书工作。
它们解决的问题非常类似，只是面向的人群不同：一个是针对给人看病的医生，一个针对给宠物看病的兽医。
其中给人看病的 AI 笔记产品，虽然付费用户才 1 万多一点，产品也比较粗糙，但在 1 年时间就做到了 1000 万美金 ARR，可以看出其解决的问题是多么的受欢迎，详细参看之前的文章《1 年即 1000 万美金 ARR，但这个 AI 的产品真的很糙》。
而针对兽医的 AI 笔记产品，刚从 a16z 那拿了 820 万美金的种子轮融资，目前已经为北美数百家诊所的数千名兽医提供服务，不到一年时间已经自动化了超过 150 万条的医疗记录，每天为兽医节省的时间达到了 2 个小时，同样为兽医解决了非常繁琐的记录和整理问题，详细内容参考之前文章《a16z 投了一个兽医 AI 笔记，1 亿美金 ARR 的 Agent 创业公司出现了》。
这两个都属于 AI 爆发后出现的产品，时间也都不长，但增长都非常快。而在 AI 没爆发之前，就已经有类似的产品了，这波 AI 出来后增长更得到了爆发。
其中这块的一个 AI 笔记产品，在最近一年时间拿了超过 4 亿美金的融资，估值达到了 25 亿美金，不仅成为医疗保健领域最受关注的一个 AI 创业公司，在我知道的整个 AI 笔记领域，应该也是目前估值最高的产品了。
而它与其它绝大多数 AI 笔记类产品所不同的是，其走的路径是 ToB，而不是大部分产品采取的 ToC 模式。这点很有意思，因为此类产品功能简单，解决某个单一核心问题，因此很多产品都是直接面向 C 端用户，像之前针对医疗的 AI 笔记 Freed 就直接卖给医生，而它直接就是面向医疗卫生系统。
这个就是医疗领域的 AI 笔记产品 Abridge，最近有消息称它正在以 25 亿美金的估值完成 2.5 亿美金新一轮融资，领投方为 Solo VC Elad Gil 和 IVP。
而就在今年 2 月份，Abridge 刚宣布完成 1.5 亿美金的 C 轮融资，估值 8.5 亿美金，由 Lightspeed 和 Redpoint 联合领投，IVP、BVP、USV 等一大堆 VC 跟投，同时其 B 轮 3000 万美金在去年 6 月份刚完成，由 Spark Capital 领投，一大堆 VC 以及加州大学的投资部门和美国心脏病学会等跟投。
如果最新的 2.5 亿美金融资完成，这意味着 Abridge 在过去一年多一点时间拿了 4.3 亿美金的融资了，半年时间估值增长了 3 倍，对于这么一个单点功能的 AI 应用来说，确实还挺值得关注的。
但 Abridge 通过 ToB 的打法很有美国的特色，特别是它们与美国的医疗卫生系统进行合作，让推广和整合速度显然和 C 端的打法完全不一样，让自己的产品可以和医疗卫生体系里的其它产品进行深度整合，从而让自己不再只是一个单独的 AI 应用，而是整个工作流程的一部分，因此在企业级的隐私、安全、可靠方面，它就更全面一些。
在其宣布完成 1.5 亿美金 C 轮融资时，Abridge 就宣布与康涅狄格州最大、最全面的医疗保健系统耶鲁纽黑文卫生系统达成一项新的合作，这将使成千上万的临床医生能够使用 Abridge 的产品。
另一个与其它产品不一样的地方在于，Abridge 开发了自己的专用 LLM。在去年的年度总结文章中，Abridge 说他们的专有语音识别模型经过数十万小时的语音内容（跨 30 多种语言）的训练，并针对数千小时的去识别化医疗对话进行了微调。
并且由于其自动 ASR 模型是内部开发的，因此他们有能力定期改进模型，以适应医学趋势的变化、添加新词汇并提高独特口音和语音模式的稳健性。
而其他一些功能，现在的 AI 会议产品都比较普及了，比方说链接证据功能，就是你可以在摘要里直接链接回到音频录音部分，多语言支持也是现在 AI 产品的基本能力了。
不过在一些细节方面，Abridge 做得更像一个系统而不是一个功能应用，比方说对体检这块的支持，它可以自动将体检结果集成到你的 Abridge 临床记录中。所有医疗保健专业的临床医生都可以通过在患者就诊期间用语言描述每个部分（生命体、全身、HEENT、颈部、心血管、肺、乳房、腹部、骨盆、泌尿生殖、直肠、四肢、皮肤、淋巴、神经和精神）。
本质上来看，Abridge 和其他 AI 笔记类产品解决的问题一样，核心是语音转录和整理特定格式的内容，帮助医生减少在文书方面的工作，只不过 Abridge 做的早，更加的专业并且与医疗生态系统进行了深度整合，让它有了很多优势。
其创始人 Shiv Rao 说，正常情况下，医疗系统客户购买一套软件的周期需要 18-24 个月，但是随着 AI 技术的成熟，医疗领域对 AI 的热情大大增强，现在它们每周基本上都会新增一家医疗系统的客户。
对于 ToB 模式，除了价格外，客户选择某个医疗产品有一个非常重要的指标，就是看这个产品与 Epic 的集成能力，Epic 是美国大多数大型医疗系统使用的电子健康记录系统，而 Abridge 今年获得了接入 Epic 的权利，这让它在 B 端有了更多优势。
不过在 AI 能力这块，随着 OpenAI、Meta 等产品在医疗这块越来越全面，现在出现的 AI 笔记应用基本上都直接使用这些大模型的 API，因此 Abridge 在专业这块是否能继续领先还不好说，或许这也是其快速拿钱的一个原因，希望通过资本来构建全面的优势，包括客户。
VC 对医疗领域的 AI 笔记产品这么关注，核心是需求确实强烈，Lightspeed 引用美国国立卫生研究院的数据说，医生现在花费超过三分之一的时间记录患者护理，估计每天 4.5 小时。另外在之前的投资文章中，Lightspeed 说通过捕获所有医患对话，Abridge 可以极大地提高医疗保健系统渴望但迄今为止无法有效获取的数据的数量和质量。将一阶数据（患者交互）与以前未捕获的二阶数据（医生参与）相结合，释放了新诊断和治疗方法的潜力。
这种催化的数据网络效应可以带来卓越的产品并提供巨大的扩展优势，使 Abridge 对客户的影响力越来越大。从用于患者与临床医生互动的人工智能参与层开始，它为企业和更广泛的医疗保健价值链带来人工智能驱动的见解。
另外，使用 AI 自动收集和解释健康信息的好处还将远远超出给医生时间、减轻倦怠或促进更密切的医患关系。一方面，它将有意义地减少人为错误，尤其是由于医生急于在尽可能短的时间内完成记录而导致的错误。
另一方面，由于从业人员专注于数据输入，加上 EHR 界面的固有局限性，临床环境中共享的绝大多数信息都丢失了。而始终处于倾听的 AI 笔记可以捕获所有医患互动，从而大大增加医疗保健提供者和医学研究人员可用的数据量，这些之前一直处于“丢失”的数据能给整个医疗体系带来意想不到的价值。
