对于许多医疗机构而言，挑战已从寻找能够解决特定问题的AI供应商，转变为决定哪些供应商能够超越试点阶段，同时辨别哪些真正改变了工作方式。
这正是克利夫兰诊所与Luminai合作的背景。Luminai是一家总部位于旧金山的初创公司，致力于构建原生AI平台，以自动化复杂的医疗行政工作流程。此次合作正值Luminai宣布完成3800万美元的B轮融资，使其总融资额达到约6000万美元，投资方包括Peak XV Partners（前身为红杉资本印度及东南亚）、General Catalyst、Define Ventures、Y Combinator等。
这一时机反映了更广泛的转折点。医疗机构面临着现代化运营的压力，同时还要应对劳动力短缺、成本上升和日益复杂的医疗服务环境。如今，许多机构正将目光从单一的AI工具转向能够跨部门运作的系统。
克利夫兰诊所是全球规模最大、运营最复杂的医疗机构之一，为技术提供了高风险的试验场。拥有超过8万名员工、23家医院和数百家门诊设施，即使是行政工作流程的微小改进也可能对整个系统产生广泛影响。
克利夫兰诊所执行副总裁兼首席数字官罗希特·钱德拉(Rohit Chandra)表示："我们一直在寻找有意义的方法，将AI应用于简化工作流程，使其对我们的医护人员更加高效。我们与Luminai合作的目标是减轻行政负担，让医护人员能够专注于患者护理和更有意义的工作。"
为什么行政工作如此难以自动化
行政复杂性仍然是医疗领域最持久的挑战之一。据估计，行政活动约占美国医疗总支出的四分之一或更多，其中大部分与计费、保险、预约和接诊流程中的手动协调有关。
在实际操作中，这类工作往往依赖非结构化输入、碎片化系统和人工判断。这一点在转诊管理中尤为明显，这也是Luminai与克利夫兰诊所合作的第一个应用场景。
钱德拉表示："选择转诊作为初始应用场景是因为该领域的工作流程复杂，涉及多个步骤，包括人工接诊、数据验证以及系统间的协调。此外，它们还需要频繁的跟进。"
尽管多年来一直在努力实现数字化，但许多转诊仍然通过传真接收，对于克利夫兰诊所这样的大型机构，每天可能收到数千份传真——其中经常混杂着与转诊无关的传真。每份文件都必须经过审查、解读、匹配到正确的患者和提供商，然后适当路由，才能开始护理。
Luminai联合创始人兼CEO凯萨瓦·基鲁帕·迪纳卡兰(Kesava Kirupa Dinakaran)多年来一直专注于解决这一问题：如何让软件处理目前由人类执行的工作，以连接断开的系统。
迪纳卡兰表示："最大的障碍是大量的非结构化数据。如果不结构化这些数据，就无法真正实现工作流程的自动化。"
他的观点源于一条不寻常的入行路径。在创立Luminai之前，迪纳卡兰是硅谷一小群工程师中的一员，他们正在尝试早期的大型语言模型应用。更早之前，他曾是一名竞技魔方选手，创下了一小时内解决最多魔方的世界纪录——他表示，这一经历磨练了他对大规模模式识别和优化的直觉。后来，他因在AI领域的工作而入选《福布斯》30岁以下精英榜。
这一思路——将复杂、重复的问题分解为可解决的系统——最终引导他看到了医疗领域的机遇，那里存在相同类型的模式，只是规模要大得多。
他说："每个医疗系统都是独一无二的雪花。每个地方的工作方式都不同。"
同时，关键信息往往分散在多个系统中，导致工作人员需要将上下文从一个工具带到另一个工具。这种碎片化导致了工作处理中的延迟和变异性——这是AI现在需要解决的核心运营挑战之一。历史上，这种组合将自动化工作限制在难以扩展的狭隘试点中。
从点解决方案到运营基础设施
Luminai的方法是构建其所谓的运营自动化基础层。迪纳卡兰表示，该平台结合了三个要素：将非结构化数据转换为可用格式、构建反映特定医疗机构运营方式的知识图谱，以及部署能够跨系统执行工作流程的AI代理。他认为，许多自动化工作失败的原因是过于专注于个别任务，而没有解决潜在的数据和流程复杂性。
Luminai在运营方面提出了类似的论点：如果每个新的用例都需要从头开始重建上下文、集成和监督，那么很好地自动化一项任务的价值就很有限——这种动态使得许多医疗AI部署难以超越初始试点阶段。
对于克利夫兰诊所的转诊用例，Luminai的代理会接收传入的文档，确定它们是否为转诊，提取关键的临床和行政数据，将它们匹配到适当的患者和提供商，并将其路由到正确的部门。当置信水平低于阈值时，系统会将工作路由给人工员工，此时大部分处理已经完成。
据迪纳卡兰介绍，早期部署对某些文档类型的自动化率已超过80%，同时显著减少了人工处理时间。对克利夫兰诊所而言，这一机会不仅限于效率提升。
钱德拉表示："患者体验直接受幕后行政流程的效率和可靠性影响。我们的目标是利用AI使这些流程更加高效。"
就转诊而言，这包括减少患者从转诊到安排护理所需的时间，同时确保患者在系统中流转时获得更及时、更个性化的体验。更广泛地说，这一转变反映了AI在操作层面能够处理任务的重大变化。
钱德拉表示："AI已经超越了狭隘的自动化，进入了能够真正执行复杂运营工作的系统。当今的AI能够处理复杂性、适应异常情况，并端到端执行多步骤流程。"
拥挤的市场与购买行为的转变
Luminai正在一个迅速扩张且日益饱和的市场中竞争。投资者资本已涌入专注于行政工作流程各个部分的AI初创公司，无论是临床文档、患者参与还是运营责任——这些都加剧了对医疗机构资金的竞争。
例如，Ambience Healthcare正在构建AI副驾以自动化临床文档和编码，并最近筹集了2.43亿美元的巨额融资，以将其环境文档平台扩展到医疗机构。另一家公司Artera正在部署AI代理，以管理预约、接诊和计费工作流程中的患者沟通，去年12月获得了6500万美元的增长投资。与此同时，Assort Health在连续几轮融资中迅速筹集了1.02亿美元，正在将AI应用于前端患者访问，包括呼叫中心自动化和预约，这是基于语音的医疗AI的又一波融资。
在运营方面，像UnityAI这样的早期阶段公司正专注于劳动力协调和人员配置，最近筹集资金以自动化排班、降低劳动力成本并提高临床环境中的吞吐量。
随着供应商数量的增加，许多像克利夫兰诊所这样的医疗机构正在转向更加集成的方法。
钱德拉表示："我们希望以整体方式解决工作流程问题，而不是优化个别任务。这使我们能够超越孤立的工具，创建更加连贯、可扩展的方法。"
投资者将这一转变视为医疗AI更广泛重新校准的一部分。
Peak XV Partners管理合伙人、Luminai B轮融资的主要投资者Shailendra Singh表示："大型医疗机构需要一家公司和一个平台来解决多个问题，而不是被数百家供应商所困扰。我们喜欢Luminai采取的'企业转型'方法，而不是许多点解决方案。"
然而，即使在同一提供者组织的合作伙伴生态系统内，以AI平台为导向的公司也可能推进更广泛的愿景。例如，Dyania Health也与克利夫兰诊所合作，在企业规模上部署AI，专注于图表审查和临床数据抽象。虽然目前用例与Luminai的关注领域不同，但这些并行努力指出了一个现实：多个AI平台开始在同一医疗系统中共存——并且可能有一天会相互竞争。
开放性问题：医疗AI平台能否真正扩展？
Luminai（以及更广泛的类别）的核心问题是，平台方法能否转化为持久的运营优势。
医疗机构买家仍然高度依赖用例。企业销售周期很长。AI部署必须满足严格的安全性、可审计性和合规性要求。而且，从一个成功的实施扩展到多个工作流程通常会引入新的复杂层次。
迪纳卡兰表示，Luminai采取了有意识的方法。"当我们与医疗机构合作时，我们事先就成功的定义达成一致。如果我们达到这些结果，预期是扩展合作。如果没有，我们就不扩展。"
展望未来，克利夫兰诊所看到了将这种方法扩展到整个组织行政层中高容量、复杂且操作密集的工作流程的机会。如果成功，克利夫兰诊所与Luminai的合作代表着医疗机构处理AI方式的转变——从一系列工具转变为更集成的操作层。如果不成功，它将强化历史上限制医疗领域自动化努力的挑战。
无论结果如何，这一结果都将有助于定义经济中最复杂行业之一的AI采用的下一阶段。
【全文结束】
