2024 年，人们很难不提及人工智能 (AI)。这项技术日益成为美国企业领导人的首要考虑因素。然而，对于许多人来说，这个概念仍然很抽象。我们知道人工智能具有改变我们日常活动方式的巨大潜力，但我们仍在探索它将在哪些方面产生最大的影响。也许这就是为什么我们对这项技术的集体担忧超过了我们的兴奋。这也可能是为什么人们对这项技术的崇高热情正在消退以适应新的现实。
人工智能的潜在价值和接受程度之间的矛盾在医疗保健行业最为明显，因为该行业的采用相对较早，无法发挥巨大的潜力。因此，在这项分析中，我们回顾了十年来超过 4,000 笔医疗保健人工智能风险投资交易，以了解人工智能公司在哪里创造了最大的价值。我们希望收集到的见解有助于了解未来人工智能工作的重点。
1) 医疗保健的人工智能机会：炒作会持续下去吗？
2) 十年医疗保健人工智能资助的见解：生命科学和健康计划更有效地将资本转化为价值
3) 医疗系统人工智能格局：临床人工智能解决方案发挥巨大潜力，财务和运营效率继续占据主导地位
4) 健康计划人工智能格局：人工智能正在引领基于价值的护理演进，尽管计划将继续专注于简化会员和提供者的护理体验
5）结论
6) 方法论和免责声明
一些估计表明，人工智能可以为医疗保健创造 3700 亿美元的价值，这是美国所有行业中最大的机会之一。考虑到医疗保健相对于美国经济的生产率是出了名的低，这是有道理的。毫不奇怪，人工智能的预算拨款猛增。寻求利用这些预算的投资者在过去 3 年里向医疗保健人工智能公司注入了超过 300 亿美元的资金。这是所有行业中最大的金额之一。事实上，在过去 3 年期间，所有医疗保健风险投资交易中有 47% 是针对利用人工智能的公司。相比之下，2021 年之前十年的平均增长率为 28%²。
重大技术进步是疯狂投资的先兆，历史融资数据显示，随着 OpenAI 生成式人工智能的进步，人工智能交易活动在 2013 年（深度学习模型的出现）激增，然后在 2021-2022 年再次飙升。
尽管如此，医疗保健企业在人工智能采用方面仍然处于中等水平，只有约 6.8% 的组织表示计划在未来 6 个月内利用该技术（领先行业的这一比例为 21.5%）。随着领导者寻求了解如何平衡目标用例与风险和投资回报，巨大的潜力受到了必要的怀疑的影响。 2022 年和 2023 年的融资数据进一步阐明了这一现象，与整体医疗保健资金相比，医疗保健人工智能资金明显减速。毫不奇怪，在深度学习和 Transformer 模型取得进步后的一年里，资金高峰也随之而来，资金也出现了平台期。医疗保健领域的人工智能炒作周期似乎伴随着一段令人警醒的现实时期，其中预算的增加滞后于资金的增加，并且行业了解在哪里以及如何最好地使用该技术。
有趣的是，与之前的技术炒作周期不同，目前对人工智能的医疗保健预算分配总体略高于跨行业平均水平，这表明对这项技术的承诺可能更加持久。然而，医疗保健行业通常是新兴技术的更为谨慎的买家，会仔细权衡财务收益与对患者和临床医生护理体验的影响。因此，我们认为，医疗保健买家首先会将不断增长的预算分配到他们过去观察到持久投资回报的领域，然后再站在未经证实的立场上。
下面，我们分析资金数据趋势，以突出历史上持续存在的卫生系统领域，特别是卫生计划，并考虑对未来机会的影响。在未来的文章中，我们还将更详细地探讨生命科学人工智能资助数据。
如下表所示，在过去十年中，向医疗系统、健康计划和生命科学领域销售的医疗保健 AI 初创公司已筹集了约 600 亿美元。有趣的是，超过 70% 的资金是在过去 5 年筹集的，考虑到这一时期恰逢人工智能技术取得有意义的进步、更有利的资本市场动态以及大流行催生的新技术需求，这是有道理的。所有这些动力都推动了信息技术 (IT) 预算的扩大和创新投资的热情。
然而，更多的资本并不普遍等于更多的价值创造。例如，医疗系统领域的大多数人工智能初创公司尚未成熟到种子期和早期阶段（A 轮、B 轮），这是过去十年的一贯趋势。虽然略多于 5% 的医疗系统 AI 初创公司已达到成熟阶段（C 轮或更高版本），但近 10% 的生命科学 AI 初创公司和大约 16% 的健康计划 AI 初创公司达到了同等阶段。总体而言，这表明专注于生命科学和健康计划的人工智能初创公司能够为客户创造更多价值，并且更加持久。
但这种现象可能还有更多原因。健康计划企业，尤其是生命科学企业通常拥有更高的运营利润率，并且有能力将更大比例的运营预算投入 IT 和创新，这意味着他们通常有更多的资源和耐心来扩展人工智能项目。正如我们将在后续文章中讨论的那样，研发占生命科学企业收入的百分比使大多数其他行业相形见绌，这意味着生命科学企业也更愿意投资于任何能够简化目前效率低下流程的技术。其中一些出现在我们分析的风险投资数据中，但也可能有大量预算专门用于内部开发工作和其他私人资助的人工智能公司，而这些资金并未包含在该数据集中。
这种动态进一步得到了以下事实的支持：成熟阶段健康计划和生命科学人工智能初创公司的平均估值（通常与风险投资业务的收入/收入增长的倍数挂钩）远远超过健康领域成熟的初创公司。系统部分。事实上，进入生命科学领域的种子期和成熟期 AI 初创公司的平均估值增幅超过 84 倍，是健康计划 AI 初创公司的 1.4 倍，几乎是医疗系统 AI 初创公司的 4 倍。上表中的估值数据似乎表明，投资者对那些能够扩大规模的生命科学人工智能初创公司给予了极大的奖励。
尽管如此，针对医疗系统和医疗计划企业的人工智能初创公司已经创造了巨大的价值。然而，这些领域的资本和价值创造的规模集中在少数几个职能领域。
由于劳动力占收入的 60% 以上，卫生系统迫切需要提高生产力，并且不乏对人工智能驱动的效率的需求。毫不奇怪，在过去 10 年里，向医疗系统销售人工智能的初创公司数量比我们分析的任何其他医疗保健领域都要多。这些初创公司总共筹集了超过 230 亿美元的资金，如下所示。虽然临床人工智能类别一直是资金最多的类别，但我们相信近期人工智能预算将优先考虑财务、患者参与和运营吞吐量价值主张，这些价值主张历来产生更切实的投资回报率。
近 50% 的卫生系统 AI 资金都流向了临床护理 AI 初创公司，以实现成像、临床决策支持和诊断价值主张。回顾 10 年、5 年和 2 年期间，这是一个一致的趋势。利用人工智能来简化和提高临床决策准确性以及缓解持续存在的劳动力挑战（短缺和成本）的吸引力推动了这种热情。尽管投资者感兴趣，但临床决策支持解决方案的成熟度在所有医疗系统人工智能初创公司中是最低的（6.8%），而成像人工智能解决方案的表现稍好一些，成熟度为 9.9%。此外，相对于平均估值和规模化价值创造，解决这些功能领域的初创公司的资本密集度更高。
这可能说明了这样一个事实：直接影响护理决策的临床工作流程给护理提供者带来了最高的风险和责任。因此，这些解决方案需要更高的准确性门槛，其可靠性和可审计性受到严格审查和严格监管。这可能会导致更长的销售和实施周期。临床医生的决策也很难解析这些解决方案所创造的价值，而临床医生最终对护理结果负责。这些动态可能会混淆投资回报的归属。
重要的是，支持技术主导的临床干预的报销框架也处于新生阶段，对这一领域的商业模式提出了挑战。值得注意的是，一些更成熟的成像人工智能初创公司的诊断算法已获得 FDA 批准，这可能有助于他们减轻同行面临的报销挑战。显然，临床人工智能产品的产品化和货币化所需的时间和资本，再加上相对有限的定价能力，阻碍了其像针对其他价值主张的产品一样快速扩展的能力。
尽管面临这些挑战，过去几年还是开发出了一些突破性的临床护理人工智能产品。如今，这一类别中最有价值、最成熟的初创公司已经开发出护理服务模式，利用人工智能比人类临床医生更早地预测临床恶化。这些见解可用于制定更加个性化的先进预防性护理计划，使护理团队能够更有效地协调护理并避免不必要的使用。重要的是，这些产品还在保留临床医生深为珍视的临床自主权方面取得了重要的平衡。综合起来，领先的初创公司表明，当人工智能经过深思熟虑地融入新的护理模式时，可以产生宝贵的资源效率和卓越的临床结果。
值得注意的是，支持医疗系统企业内的研发和/或临床试验功能的临床护理人工智能初创公司在临床护理人工智能类别中获得了最高的估值。这似乎反映了这样一个事实：他们可以为卫生系统合作伙伴关系以及生命科学研发合作伙伴关系创造价值并将其商业化，这是一个有意义的更大的总体可寻址市场机会。
出于类似的原因，我们还相信人工智能在改善药房运营方面可以发挥独特且新兴的作用。尽管该功能领域的资金不像其他临床领域那样充足，但药品成本正在飙升，患者必须做出更高价值的决策。人工智能有潜力通过将个人成本和治疗效果数据融入到建议的行动中来更好地指导这些决策。这种透明度可以帮助护理团队和患者在药物管理、依从性和剂量滴定方面更加协作。
尽管临床护理人工智能初创企业总体规模相对较慢，但鉴于其巨大的潜力和企业级产品的稀缺价值，该类别继续逐年吸引大量资本。我们相信，这一类别最终将维持医疗系统领域一些最有价值的初创企业。
财务和患者参与
第二高资助类别是金融或后台人工智能初创公司以及患者参与人工智能初创公司。患者参与和收入周期管理 (RCM) 工作流程往往更加重复、手动，且直接临床风险较少。在这里，人工智能应用程序可以对卫生系统产生重大的双重底线影响（即收入获取和劳动力效率）。重要的是，支持这些工作流程的许多工作都由死记硬背和确定性活动组成，这意味着它们可以更容易地编码和自动化。因此，该类别的功能区域是数字化转型的热门目标。
也许并不令人意外的是，金融和后台人工智能初创公司的成熟度最高，平均估值也最高，而且正如我们将在未来的分析中评估的那样，在所有医疗系统人工智能初创公司中，一些最重要的退出也是如此。特别是，中后台 RCM 和患者调度初创公司的成熟度达到 11-20%（比医疗系统 AI 平均水平高 2-4 倍）。中后台 RCM 产品在所有卫生系统职能领域中的平均估值也最高。鉴于该类别公司的成功率较高，以及巨大的未开发价值创造潜力，我们预计，随着人工智能的发展，卫生系统将加倍努力，继续从这些领域榨取更多价值。
该类别中最成功的产品利用人工智能来捕获和合理化非结构化非临床和临床数据，以支持计费决策。然后，人工智能捕获或生成的数据被用来创建可审计的、高保真度的计费护理证据，这些证据被健康计划拒绝的可能性较低。考虑到收入周期的连续性，规模最大的初创公司还提供端到端解决方案（前台、中台和后台 RCM），纵向收集数据和见解，并在更全面的数据集上训练模型。
尤其是患者福利和计费人工智能初创公司，在过去 5 年里资本和估值增长都在加速——这是一个有趣的现象，表明这是一个未来的机会领域，尤其是在患者财务责任增加而收款率下降的情况下。生成式人工智能对于自动化包含此过程的大量患者沟通活动特别有用。
临床操作
最后，临床操作和吞吐量是另一个不断发展的类别，它不一定像其他类别那样吸引那么多的资本，但在投资资本方面的成熟度最高，尤其是在过去 5 年。此类初创公司通常会监控住院病人的利用率或临床数据，并利用人工智能更好地预测哪里可能出现容量限制，从而可能导致介入手术或床位利用率延迟，而这两者都是卫生系统患者服务净收入的关键驱动因素。有些还优化排放或替代站点转移。近 18% 解决住院时间或患者吞吐量问题的人工智能初创公司在过去 5 年中已经成熟，这表明平均而言，这些产品正在为其医疗系统合作伙伴创造较高的相对价值。最近的卫生系统利用数据表明，这是一个未来日益重要的价值主张。
尽管如此，这些初创公司的平均估值低于其他功能领域，这表明虽然有价值，但支持这些举措的相对预算可能较少，和/或专门专注于该类别的初创公司的收入运行率或总可寻址市场低于其他领域。此类别中最有价值的初创公司：(1) 将其解决方案打包为人工智能服务，将其技术与变革管理支持相结合；(2) 将护理协调和管理服务分层纳入其模块中，创建闭环跟踪以增加价值通过出院或护理过渡进行归因。
在过去十年中，119 家主要面向健康计划销售的人工智能初创公司已筹集了 134 亿美元的资金。这个数字比卫生系统和生命科学领域要小得多，但是，正如我们之前提到的，我们的数据集仅限于风险投资支持的初创公司，这意味着这些数据可能不足以代表医疗计划中人工智能总支出的全部规模。考虑到美国最大的保险公司 UnitedHealthcare 每年在数据、技术、研究和创新上花费 50 亿美元，我们认为人工智能的总支出可能更高，其中包括对内部和非风险支持技术的数十亿美元投资努力。也就是说，这个数据集中对我们来说最突出的是融资和成熟度集中在选定的几个类别和功能领域。
护理管理
近 95 亿美元的 [PD2] 健康计划人工智能资金已分配给专注于护理管理和临床运营的初创公司，如下所示。这包括利用管理、风险调整以及支持基于价值的合同所需的许多其他基本能力。这一类别的初创公司也是最持久的公司之一，其平均成熟度 (18%) 几乎是健康计划 AI 平均成熟度的两倍。投资基于价值的护理能力可以说是过去十年健康计划和风险承担实体的最大共同优先事项。成功实现基于价值的护理所需的三方（患者、提供者、计划）行为变化、护理管理演变和新颖的数据分析的复杂性，为技术支持的效率提供了巨大的机会。因此，自然而然地，如今有 60 多家初创公司专门瞄准了这一机会，而无数其他初创公司可能会间接影响这一机会。此外，该领域最成功的初创公司已经建立了广泛的平台来支持上述每个优先事项。
该类别中最成功的初创公司的一个关键特征是，它们能够通过将人工智能与人类交替配对来弥合护理工作流程中的下落点。此类初创公司往往具有独特的能力：(1) 利用更深入、更高实用性的培训数据集，以更好地预测人群水平的患者和提供者的行为倾向，(2) 使用人工智能扩展临床接触（即呼叫、 (3) 将收集到的见解无缝地融入到护理工作流程中，让护理团队更加了解情况，从而对护理团队的护理体验产生积极影响。这种人工智能驱动的效率的净影响产生了重要的成果，例如更短的护理时间、更闭环的护理或完成关键临床活动（即，护理差距缩小、药物依从性），这些结果通过推动更低的成本利用决策来影响医疗损失率。除了这些收益之外，人工智能还可以提高劳动生产率和成本效率，从而影响行政损失率。鉴于基于价值的护理的采用刚刚起步，我们预计这将继续成为中短期健康计划的重点领域。
会员服务
许多这些相同的特征是人工智能初创公司所共有的，它们只专注于会员自助服务、护理导航或管理，这一类别的成熟度是健康计划人工智能平均水平的 5 倍。该领域的初创公司为健康计划和雇主提供设计会员护理体验计划的能力，以推动更多人参与所需的“高价值”活动，从而减少医疗支出。几乎所有这些初创公司都将这种能力归因于专有的人工智能模型，这些模型使它们能够在更个人的层面上与患者护理偏好相关联。有趣的是，支持会员服务活动的公司的成熟度在这几年有所上升，这也许是疫情限制带来的数字参与激增的一个缩影。
提供商协作和网络管理
网络管理活动也是人工智能自动化的一个引人注目的目标。健康计划管理医疗成本并因此对其产品定价具有竞争力的能力的支柱是其提供者网络的质量。然而，提供者目录数据往往经常过时，临床结果很难归因于个体护理提供者，并且缺乏可靠的、可定制的质量和结果指标对网络中的质量衡量提出了挑战。这对于人工智能来说是一个好问题，它可以用来梳理和填补目录数据空白（数字化和通过自动外展），并通过协调临床绩效数据来提供更多可操作的提供者绩效指标，否则这些数据以非结构化和半结构化的方式存在-结构化数据集。
除了提供者数据之外，人工智能还有更广泛的机会来支持整个健康计划企业更好的一般数据管理、聚合和清理（即索赔、合同、政策、临床、社会决定因素、药学）。这将为手动公司流程（例如法律合规性和报告）创造大量下游价值。
理赔业务
值得注意的是，索赔业务类别是该数据集中资金最少的类别之一，根据我们的数据集吸引了 1.5 亿美元的资金。与医疗系统 RCM 流程一样，索赔处理占医疗计划管理开销的很大一部分，并且由于其许多确定性工作流程而经常成为自动化工作的目标。我们的数据集中捕获的相对较低的融资利率可能反映出一些保险公司正在开发本土解决方案来抓住这一机会。其他人可能会通过利用非医疗保健技术工具来抓住这个机会，从而获得足够的收益，从而避免了对专注于医疗保健索赔的人工智能初创公司的额外支出。尽管资金水平较低，但我们相信索赔处理是当前和未来人工智能自动化工作的热门目标。有趣的是，这一类别中超过一半的资金被专门从事欺诈、浪费和滥用预防的公司吸引，这表明这是一个更高的收益目标。这是有道理的，因为该功能领域的领先解决方案已证明他们可以使用人工智能来合理化计费索赔的承保政策，并减轻临床和管理团队在裁定承保决策所需的基于研究的活动中的负担。
我们仍处于医疗保健人工智能转型的早期阶段。我们对融资数据的分析表明，增加对人工智能的预算分配将谨慎部署，重点关注企业买家可以扩大现有投资回报的功能领域，例如财务管理、患者/会员参与以及可以扩展人类临床接触的工作流程。
在未来的分析中，我们将探索整个生命科学企业的机会，并对不同类型的医疗保健人工智能公司的财务和运营绩效进行基准测试。同时，请提出问题或意见（parth@flarecapital.com、jrubin@mba2024.hbs.edu）。我们欢迎您的想法！
使用 Pitchbook 数据，我们提取了从 2014 年初到 2023 年底筹集风险投资资金的公司的近 4,500 笔交易清单（即 10 个日历年的交易价值）。纳入的所有公司总部均位于美国，并在 Pitchbook 中被标记为医疗保健行业的人工智能和机器学习公司。然后，我们手动审查了该数据集，以排除以下交易：1) 不符合我们在脚注 1 中列出的医疗保健人工智能的定义 2) 缺少融资金额 3) 缺少交易日期 4) 出售给非医疗保健客户 5) 反映退出后（首次公开募股） 、并购）或不确定的融资轮次。然后，我们为卫生系统、健康计划和生命科学企业手动创建 50 个独特的子类别标签，并根据初创公司最著名的商业可行性的公开信息（或我们的第一手知识），主观地将每笔交易标记为一个或多个类别。产品应用。
因此，该数据集中的数据并不相互排斥，并且该数据集可能无法详尽地捕获所有商业应用程序。
版权声明
本文为本站原创内容,转载需注明文章来源(https://www.eiefun.com)，另:文中部分素材可能会引用自其他平台，如有侵权或其它，请联系 admin@eiefun.com，我们会第一时间配合删除