美國首個AI自主開處方獲批，外科醫(yī)生+技術(shù)大神4000萬美元賭對了什么？

你有沒有經(jīng)歷過這樣的時刻：凌晨兩點突然發(fā)燒，不知道該怎么辦？或者慢性病藥物快吃完了，但預(yù)約醫(yī)生要等上一個月？又或者只是想咨詢一個簡單的健康問題，卻不得不請假去醫(yī)院排隊幾個小時？這些場景背后指向同一個問題：醫(yī)療可及性。在美國，超過1億人無法便捷地獲得初級醫(yī)療服務(wù)。即使是那些擁有頂級醫(yī)療保險的科技公司員工，也常常在需要時找不到合適的醫(yī)生。

我一直在思考，為什么在這個時代，我們可以通過手機叫外賣、打車、看電影，卻無法在需要時立即獲得醫(yī)療建議？為什么醫(yī)療行業(yè)在數(shù)字化轉(zhuǎn)型方面如此緩慢？直到我深入了解了 Doctronic，這家剛剛完成 4000 萬美元 B 輪融資的 AI 醫(yī)療創(chuàng)業(yè)公司，我才意識到，醫(yī)療可及性的革命可能真的要來了。更令人震撼的是，Doctronic 在今年一月成為美國第一個獲得監(jiān)管批準(zhǔn)、可以用 AI 自主開具處方的公司。這不是概念驗證，不是實驗室演示，而是真實世界中每天都在發(fā)生的醫(yī)療實踐。

醫(yī)療可及性危機的本質(zhì)

讓我先說說這個問題到底有多嚴(yán)重。美國每年因為藥物依從性問題導(dǎo)致約 15 萬人可預(yù)防的死亡，造成 1000 億美元的經(jīng)濟損失。其中 30% 直接歸因于就醫(yī)障礙。這個數(shù)字聽起來很抽象，但想象一下，一個患有高膽固醇的病人，他的藥物續(xù)配需要預(yù)約醫(yī)生，但最快的預(yù)約要等三周。在等待期間，他停藥了，膽固醇升高，最終導(dǎo)致心臟病發(fā)作。這樣的悲劇每天都在發(fā)生，而它們本可以避免。

我認識很多在蘋果、谷歌、Meta 這些科技巨頭工作的朋友。他們都有很好的醫(yī)療保險，但即使如此，當(dāng)他們半夜有健康問題時，仍然不知道該怎么辦。我有個朋友的妻子是醫(yī)生，所以半夜總有人打電話給他，讓他轉(zhuǎn)問妻子醫(yī)療問題。這種情況非常普遍。不是每個人都認識醫(yī)生，不是每個人都能在需要時立即獲得專業(yè)建議。如果連擁有頂級醫(yī)保的人都面臨這樣的困境，那么生活在農(nóng)村地區(qū)、醫(yī)院不斷關(guān)閉的人們，面臨的困難可想而知。

問題的核心在于供需失衡。醫(yī)生數(shù)量永遠無法滿足患者需求。這是一個基本的數(shù)學(xué)問題。想象一下，每個醫(yī)生一天最多能看 30 個病人，那么要服務(wù)全國幾億人口，需要多少醫(yī)生？更重要的是，醫(yī)生的培養(yǎng)周期長達十年以上，無法快速擴張。所以這個供需矛盾永遠無法通過傳統(tǒng)方式解決。我們必須找到新的解決方案，而 AI 正是那個答案。

Doctronic 的創(chuàng)新之處

Doctronic 的創(chuàng)始團隊配置非常有意思。Matt Pavelle 是一位連續(xù)創(chuàng)業(yè)者，有 25 年的創(chuàng)業(yè)經(jīng)驗和多次成功退出記錄。他曾是消費品獨角獸公司 Moda Operandi 的創(chuàng)始 CTO，來自醫(yī)療世家，對醫(yī)療行業(yè)有深刻理解。Dr. Adam Oskowitz 是加州大學(xué)舊金山分校的執(zhí)業(yè)血管外科醫(yī)生，也是副教授，在頂級醫(yī)療機構(gòu)有超過二十年的從業(yè)經(jīng)驗。這種技術(shù)與臨床的完美結(jié)合，讓 Doctronic 從一開始就避免了很多醫(yī)療科技創(chuàng)業(yè)公司常犯的錯誤。

他們兩人的相識很有意思。大約六七年前，他們都在為同一家醫(yī)療科技初創(chuàng)公司提供咨詢。認識兩周后，一個投資人告訴 Matt，那家公司在股權(quán)結(jié)構(gòu)上撒謊，建議他們趕緊撤出。Matt 立即給 Adam 打電話說明情況，并提議:"我覺得跟你合作很愉快，我們要不要一起在醫(yī)療科技領(lǐng)域做點什么?" 就這樣，他們開始了長達兩三年的合作探索期，在正式創(chuàng)立 Doctronic 之前，嘗試了各種產(chǎn)品，深入理解消費者在醫(yī)療領(lǐng)域真正想要什么。

這段探索期讓他們得出了一個核心洞察:在醫(yī)療領(lǐng)域，患者只有一個問題，那就是可及性。如何在正確的時間獲得正確的醫(yī)療服務(wù)。如果能把這個問題解決好，就能建立一個不可思議的業(yè)務(wù)。所有其他問題，包括技術(shù)架構(gòu)、商業(yè)模式、產(chǎn)品設(shè)計，都要圍繞這個核心問題展開。這個認知聽起來簡單，但能夠堅持圍繞它構(gòu)建產(chǎn)品，并不容易。

Doctronic 的產(chǎn)品理念是成為醫(yī)療系統(tǒng)的"數(shù)字前門"。這個比喻非常形象。想象一下，當(dāng)你有健康問題時，不管是凌晨兩點還是上午十點，不管是緊急情況還是常規(guī)咨詢，你都能立即"走進"醫(yī)療系統(tǒng)，獲得幫助。這就是數(shù)字前門的含義。大多數(shù)人不知道如何接觸醫(yī)療系統(tǒng)，不知道該去急診室還是找初級保健醫(yī)生，不知道這個癥狀嚴(yán)重到什么程度。而 Doctronic 就是那扇始終敞開的門，隨時歡迎你進入，并幫你找到需要的醫(yī)療服務(wù)。

技術(shù)架構(gòu)的深度

當(dāng) GPT-3.5 剛出來的時候，Matt 和 Adam 開始研究一個問題:能不能讓 AI 在醫(yī)療領(lǐng)域足夠準(zhǔn)確？如果可以，人們會愿意用 AI 問診嗎？這在當(dāng)時是個完全未知的問題。事實上，OpenAI 明確禁止用戶使用 ChatGPT 詢問健康問題。所以這既是技術(shù)挑戰(zhàn)，也是用戶接受度的挑戰(zhàn)。

他們決定先做最簡單的 MVP 來驗證。Matt 用 Python 搭建了后端，前端則做得非常簡陋，就像普通的聊天機器人界面。但所有的魔法都在后臺。他們把重點放在兩件事上:準(zhǔn)確性和成本控制。必須確保 AI 給出的建議是安全準(zhǔn)確的，同時不能因為大量使用 OpenAI 或 Anthropic 的 token 而燒光預(yù)算。有趣的是，他們發(fā)現(xiàn)在醫(yī)療這種完全關(guān)乎實用性的領(lǐng)域，界面美不美根本不重要。用戶只關(guān)心一件事:這個工具能不能幫我解決問題。

他們在 Google Ads 上投了一點錢，很快就看到了流量和重復(fù)使用。這證明了產(chǎn)品市場契合度。有個故事很能說明問題:早期由于流量增長太快，Matt 在 AWS 上設(shè)置的基礎(chǔ)服務(wù)器日志把磁盤占滿了，網(wǎng)站宕機。有個用戶在 LinkedIn 上找到他們說:"你們的網(wǎng)站掛了，我每天都用，能修好嗎?" Matt 當(dāng)時想，這人怎么找到我的？但這正是產(chǎn)品粘性的最好證明。還有個大學(xué)的護士站，會在學(xué)生面前登錄 Doctronic 填寫問診表單，然后把 AI 生成的記錄復(fù)制到病歷系統(tǒng)中交給醫(yī)生。他們問 Doctronic 能不能直接對接電子病歷系統(tǒng)。這種用戶自發(fā)的創(chuàng)造性使用，就是真正的產(chǎn)品市場契合。

在技術(shù)層面，Doctronic 的核心是多 agent 架構(gòu)。這個架構(gòu)的設(shè)計非常巧妙。醫(yī)生看病時是怎么確保自己做出正確決策的？他們會查閱臨床指南。醫(yī)生不會記住所有東西，但會有個大致框架，遇到不熟悉的情況就去查資料。Doctronic 的系統(tǒng)本質(zhì)上就是模擬這個過程。它會查閱臨床指南，確保在正確的時間做正確的事。

但臨床指南的問題在于，它們不是為 AI 消化設(shè)計的。所以 Doctronic 團隊花了好幾個月時間，把這些指南重新整理成機器可讀的格式。機器和人類的閱讀方式完全不同。機器可以更快地閱讀和處理大量上下文，但需要以特定方式組織信息，才能在正確的時間提取正確的內(nèi)容。這就是他們的秘密武器之一:創(chuàng)建了機器可讀的臨床指南庫，并建立了讓 agent 在正確時機找到它們的結(jié)構(gòu)化方法。

多 agent 架構(gòu)的另一個好處是，它允許系統(tǒng)使用不同的模型來處理不同類型的問題。早期，每個大語言模型的上下文窗口都很小，所以必須用多個專門的模型，每個處理流程中的一小部分，然后總結(jié)并傳遞給下一個。后來他們發(fā)現(xiàn)這就是所謂的"agentic flows"。當(dāng)時還沒有這個術(shù)語，他們只是在解決實際問題。隨著流量增加，他們開始測量不同模型在回答不同類型問題時的表現(xiàn)，然后把最適合的模型作為各個 agent 的基礎(chǔ)。這種精細化的模型選擇，加上 Adam 這樣的臨床醫(yī)生編寫的指南，共同保證了系統(tǒng)的準(zhǔn)確性。

準(zhǔn)確性有多重要？Doctronic 發(fā)布了一項基于 500 個真實緊急護理病例的研究。結(jié)果顯示，Doctronic 和醫(yī)生在主要診斷上的一致性達到 81%，在治療方案上的一致性達到 99.2%，而且零幻覺。在不一致的病例中，Doctronic 的 AI 被認為優(yōu)于醫(yī)生的頻率是醫(yī)生優(yōu)于 AI 的四倍。要知道，基礎(chǔ)大語言模型在臨床準(zhǔn)確性上通常只有 50-55% 的水平，根本達不到醫(yī)療應(yīng)用的門檻。Doctronic 能達到 99.2% 的一致性，這個數(shù)字令人震撼。

監(jiān)管突破的意義

技術(shù)再好，如果無法通過監(jiān)管，也只能停留在演示階段。這正是很多醫(yī)療 AI 創(chuàng)業(yè)公司面臨的困境。大家都知道 AI 終將進入臨床醫(yī)學(xué)，但監(jiān)管這道關(guān)似乎無法逾越。很多公司試圖一步到位，讓 AI 成為完整的醫(yī)生。Doctronic 的策略則聰明得多:從最小的一步開始。

他們選擇了處方續(xù)配這個場景。為什么？因為這是個巨大的問題，同時風(fēng)險相對可控。每年 15 萬可預(yù)防死亡中，很大一部分是因為患者無法及時續(xù)配慢性病藥物。高膽固醇患者不吃藥，膽固醇就會升高，導(dǎo)致嚴(yán)重后果。而續(xù)配處方的風(fēng)險比開新處方低得多:醫(yī)生已經(jīng)開過這個藥，患者已經(jīng)在服用，任何副作用都已經(jīng)顯現(xiàn)。AI 只需要判斷是否可以安全續(xù)配，而不是從零開始診斷和開藥。

猶他州有個專門針對 AI 的監(jiān)管沙盒，叫做 Utah AI Learning Lab。在發(fā)表那篇研究論文后不久，Doctronic 團隊與實驗室主任 Dr. Zack Boyd 通了電話。他們說:"美國有個大問題，就是藥物依從性。我們有個臨床準(zhǔn)確率達 99.2% 的 AI，我們相信可以安全地讓它續(xù)配處方。我們不想開新處方，不想更改現(xiàn)有處方，只想從這個簡單但影響巨大的場景開始。" 猶他州是個大州，有大量農(nóng)村人口，這個問題對他們影響尤其嚴(yán)重。所有因素都完美契合。

Adam 說得好:這是人類的一小步，但卻是 AI 醫(yī)療的一大步。雖然只是續(xù)配處方這么簡單的事，但它打破了一個玻璃天花板——AI 可以做出臨床決策。通過選擇一個小而低風(fēng)險的切入點，他們證明了 AI 在醫(yī)療領(lǐng)域的可行性。而且不續(xù)藥本身也是一種風(fēng)險。如果我停止服用降膽固醇藥物，膽固醇會升高，這同樣會帶來健康問題。

項目在一月啟動后，反饋非常好。用戶說，這感覺像個里程碑時刻，就像第一次坐 Uber 時的感覺:"我再也不會打出租車了。" 整個過程零摩擦，可以在家完成，非常方便。更重要的是，數(shù)據(jù)顯示這比醫(yī)生續(xù)配處方更嚴(yán)格。想想看，醫(yī)生晚上五點收到續(xù)配請求郵件時，根本沒時間仔細檢查每個細節(jié)。但 AI 有時間，它會非常徹底地檢查每一項。

目前他們?nèi)蕴幱诘谝浑A段，每張 AI 開的處方都會由真人醫(yī)生審核，確保安全。醫(yī)生們的反饋是:"AI 比我能做到的更徹底。即使我想這么仔細，也要花 20 分鐘續(xù)一張?zhí)幏健? 他們還看到了 AI 的判斷力:有的患者已經(jīng)用系統(tǒng)續(xù)配了五種不同的藥物，每次 AI 都做得完美。同時，AI 也會在不確定時說"不"，建議患者聯(lián)系真人醫(yī)生。因為 Doctronic 有 24/7 在線的真人醫(yī)生網(wǎng)絡(luò)，如果 AI 拒絕了，患者仍然可以立即獲得人工幫助。

真人醫(yī)生網(wǎng)絡(luò)的價值

很多人可能以為 Doctronic 是純 AI 公司，但實際上他們建立了一個非常強大的真人醫(yī)生網(wǎng)絡(luò)。這個設(shè)計很聰明。雖然他們的初衷是為患者而非醫(yī)院或醫(yī)生構(gòu)建產(chǎn)品，但最終他們也解決了醫(yī)生的問題。醫(yī)生花大量時間在問診、收集數(shù)據(jù)、記錄信息上，這些都擠占了真正看著患者眼睛、與他們交流的時間。

Doctronic 的工作流程是這樣的:患者先和 AI 聊大約 15 分鐘，這是平均時長。AI 會給出診斷建議、治療方案和完整的醫(yī)生記錄，這一切都是免費的，不需要提供郵箱或任何個人信息。如果患者想看真人醫(yī)生，所有這些信息都會傳給醫(yī)生。醫(yī)生們說這就像有世界上最好的住院總醫(yī)師提前看過每個患者，做好了所有初步工作。醫(yī)生只需要最后把關(guān)，確保一切正確，并回答患者真正關(guān)心的問題:下一步怎么辦，藥物有什么副作用，多久能見效。這些才是患者真正想討論的，但在傳統(tǒng)模式下醫(yī)生常常沒時間細聊。

這種模式的效率非常高。醫(yī)生可以看更多患者，這降低了醫(yī)療成本。要知道，醫(yī)療成本高最主要的原因就是人力成本。通過提高醫(yī)生效率，可以大幅降低每次就診的成本。在猶他州的試點項目中，續(xù)配處方目前是免費的，但他們獲得了最高可收取 4 美元的許可。可能最終只收 2 美元，而且隨著計算成本下降，價格還會繼續(xù)降低。想想看，你開車去看醫(yī)生的油費都不止這個數(shù)。

Doctronic 的醫(yī)生團隊質(zhì)量很高。他們招聘的是最好的醫(yī)生，包括來自微軟和谷歌的資深 AI 工程師。首席 AI 官 Anirudh Badam 在微軟西雅圖總部有超過十年的 AI/ML 經(jīng)驗。創(chuàng)始 AI 工程師 Vijay Sagar 在谷歌硅谷辦公室開發(fā)機器學(xué)習(xí)模型十年。這種技術(shù)實力加上 Adam 這樣的臨床專家，讓他們能在準(zhǔn)確性和實用性之間找到完美平衡。

患者會反復(fù)回來，不僅因為 AI 準(zhǔn)確，更因為真人醫(yī)生優(yōu)秀。重復(fù)使用率的增長幾乎和新用戶增長一樣快。這意味著有兩個增長引擎同時運轉(zhuǎn)。SEO 帶來新用戶，他們在搜索"AI doctor"時排名第一已經(jīng)兩年了。但更重要的是，患者因為體驗好而自發(fā)回來，不需要任何營銷推動。這才是真正的產(chǎn)品力。

從 A 輪到 B 輪的超高速增長

Doctronic 的增長速度令人震撼。2025 年夏末，當(dāng) Lightspeed 投資 A 輪時，他們已經(jīng)完成了 1200 萬次 lifetime 患者咨詢。這個數(shù)字本身就很驚人，而且在加速增長。不到六個月后，這個數(shù)字就翻了一倍還多，達到 2000 多萬次。更重要的是，增長還在繼續(xù)加速。

增長的核心驅(qū)動力是什么？Adam 說得很直白:醫(yī)生永遠不夠。這是個簡單但殘酷的事實。需求是無限的，供給永遠跟不上。想想看，我們有多少次遇到健康問題卻選擇不去看醫(yī)生，因為太麻煩了？這就意味著有巨大的潛在需求沒有被滿足。當(dāng)你創(chuàng)造一個零摩擦的系統(tǒng)來滿足這種無限需求時，增長是必然的。

但快速增長也帶來了挑戰(zhàn)。他們不得不在業(yè)務(wù)增長的同時快速建設(shè)基礎(chǔ)設(shè)施來服務(wù)患者。這非常困難，就像在飛行中修理飛機。不僅要構(gòu)建 AI 咨詢的基礎(chǔ)設(shè)施，還要建設(shè)診所的基礎(chǔ)設(shè)施。八月剛啟動診所時，他們每天看一定數(shù)量的患者。現(xiàn)在，他們比美國最繁忙的急診室還要忙，每天看的患者更多，但醫(yī)生數(shù)量可能只有十分之一。這就是超高速增長的體現(xiàn):從小診所到全國最繁忙的虛擬診所，只用了幾個月。

數(shù)據(jù)很能說明問題。患者咨詢量翻倍，收入在六個月內(nèi)增長了 15 倍，重復(fù)就診在單周內(nèi)的占比增長了三倍多。這最后一個指標(biāo)特別有意思。人們通常只在有嚴(yán)重問題或年度體檢時才去看醫(yī)生。但 Doctronic 的用戶行為完全不同，他們會主動頻繁地使用服務(wù)。

為什么會這樣？我認為有幾個原因。可及性是第一位的，超級容易使用，醫(yī)療不應(yīng)該這么難。成本是第二因素，AI 咨詢免費，真人醫(yī)生因為效率高所以價格低，人們更愿意為那些原本不會看醫(yī)生的小問題尋求幫助。但最重要的是信任。如果你信任這個系統(tǒng)，信任你看的醫(yī)生，你就會回來。信任來自臨床準(zhǔn)確性。用過 ChatGPT 健康功能的人知道，它可以告訴你該吃泰諾還是布洛芬，但你得付費，而且準(zhǔn)確性存疑。Doctronic 既免費又準(zhǔn)確，用戶很快就能感受到區(qū)別。

還有一個復(fù)利優(yōu)勢:上下文記憶。每次互動都在積累你的健康歷史，系統(tǒng)越來越了解你，就像你多年看同一個初級保健醫(yī)生一樣。這不僅讓體驗更好，也更快。用戶想要速度，不想花 15 分鐘跟 AI 聊天，可能只想聊兩分鐘就得到答案。如果系統(tǒng)已經(jīng)了解你的全部病史，就能做到這點。而且這種上下文不僅包括健康歷史，還包括你的行為:你在哪里配藥，在哪里做檢查，喜歡看哪種專科醫(yī)生。這些信息讓系統(tǒng)變得非常黏性。

AI 原生醫(yī)療的未來

Matt 有個很有意思的做法:他用 Claude 創(chuàng)建了一個虛擬 C-suite。他有虛擬 CMO(首席醫(yī)療官)、虛擬 CMO(首席營銷官)、虛擬 CTO(首席技術(shù)官)，甚至有個合并的虛擬 CFO 和 CLO(首席法務(wù)官)。他為每個角色構(gòu)建了大量上下文，參考了他尊重的公司和人員，然后把所有關(guān)于 Doctronic 的信息都輸入進去。現(xiàn)在通過 Claude 連接了 Slack 和各種工作區(qū)工具，他可以隨時咨詢這些虛擬高管。他說這可能節(jié)省了一半的法律賬單。

這不僅僅是個人生產(chǎn)力工具，而是公司文化的體現(xiàn)。Doctronic 從第一天起就是 AI 原生的，不僅產(chǎn)品是 AI 驅(qū)動，運營的每個環(huán)節(jié)都在用 AI。從 SEO 到生成著陸頁，從內(nèi)部工具到客戶支持，AI 無處不在。很多公司說自己是"AI 原生"，但 Doctronic 真正做到了讓 AI 滲透到組織的每個毛孔。員工生產(chǎn)力幾乎可以用 token 使用量來衡量了。

這種 AI 優(yōu)先的文化讓他們能以極小的團隊做極大的事。內(nèi)部工具開發(fā)速度飛快，因為很多時候只需要"夠用"就行，可以快速用 AI 構(gòu)建出來測試。這種敏捷性在醫(yī)療這種傳統(tǒng)上非常笨重的行業(yè)里，是巨大的競爭優(yōu)勢。

展望五年后，我相信 AI 原生醫(yī)療會變成主流。Adam 說得好:他的孩子們可能會覺得很奇怪，我們竟然用真人作為初級保健醫(yī)生。他們會說:"為什么要這樣?很多事情 AI 就能做。" 問題只是我們多快能到達那里。很多醫(yī)療是算法化的，可能 70-80% 的醫(yī)學(xué)實踐是基于指南和算法的。AI 在遵循規(guī)則方面比人類強得多，醫(yī)生也是人，也會有自己的習(xí)慣模式，有時會偏離指南。AI 則會嚴(yán)格遵循最佳實踐。

但這不是說要取代醫(yī)生。數(shù)學(xué)問題決定了我們永遠不會有足夠的醫(yī)生滿足所有患者需求。我們需要技術(shù)來填補這個缺口。AI 會接管那些算法化、可標(biāo)準(zhǔn)化的部分，讓醫(yī)生能專注于真正需要人類判斷、同理心和創(chuàng)造力的復(fù)雜案例。這才是 AI 和人類醫(yī)生的理想分工。

Doctronic 正在為這個未來鋪路。他們的策略很清晰:從小處著手，逐步擴大 AI 的自主權(quán)。現(xiàn)在可以自主續(xù)配處方，未來可能可以自主處理更多場景。每當(dāng)新的醫(yī)療場景對自主 AI agent 開放，他們就會把那部分流程剝離出來，讓系統(tǒng)更高效，成本更低。這是個漸進的過程，但方向很明確。

商業(yè)模式的演進

從商業(yè)角度看，Doctronic 的機會非常大。他們不僅有快速增長的 B2C 業(yè)務(wù)，B2B 渠道合作也在快速推進。A 輪時，B2B 還被視為長期機會。但短短幾個月后的 B 輪，這個時間表已經(jīng)大大提前。他們正在與醫(yī)療系統(tǒng)、TPA、保險公司、雇主、制藥公司、消費數(shù)字健康公司等各類合作伙伴洽談。

醫(yī)療系統(tǒng)對他們特別感興趣，因為 Doctronic 可以作為"數(shù)字前門"引流。患者先通過 Doctronic 進入系統(tǒng)，然后可以被高效地分流到合適的醫(yī)療服務(wù)提供者，保持護理在網(wǎng)絡(luò)內(nèi)。對保險公司來說，Doctronic 代表著可預(yù)測成本下的無限初級醫(yī)療服務(wù)。這種價值主張在市場上是獨特的。

Matt 和 Adam 都注意到，醫(yī)療系統(tǒng)對 AI 的態(tài)度變化非常快。六個月前，大家還在說"這很有意思，我們在考慮，正在組建委員會"。三個月后變成了"我們要做這個"。現(xiàn)在的對話則是"火車已經(jīng)開了，我們必須趕上"。有種 FOMO 的感覺，害怕錯過這波 AI 浪潮。

這種態(tài)度轉(zhuǎn)變的速度令人震撼。我覺得 Doctronic 在猶他州的監(jiān)管突破起了關(guān)鍵作用。它證明了 AI 可以安全地做出臨床決策，不再是假設(shè)而是現(xiàn)實。這讓整個行業(yè)的討論從"是否可能"轉(zhuǎn)向了"如何實施"。

Doctronic 今年的目標(biāo)是讓 B2B 合作伙伴貢獻大約一半的流量。目前他們每周有約 25 萬人訪問網(wǎng)站，幾乎全部來自直接面向消費者的渠道。隨著各種合作伙伴關(guān)系的啟動，這個比例會快速改變。他們也在準(zhǔn)備國際擴張，醫(yī)療可及性問題在全球各地都存在。

我對 AI 醫(yī)療的思考

看完 Doctronic 的故事，我對 AI 在醫(yī)療領(lǐng)域的應(yīng)用有了更深的理解。技術(shù)突破很重要，但更重要的是找到正確的切入點。不是試圖一步到位替代醫(yī)生，而是從解決具體問題開始，從風(fēng)險可控的場景開始，逐步建立信任和證據(jù)。

醫(yī)療行業(yè)的特殊性在于，它同時需要創(chuàng)新和極度謹慎。一方面，創(chuàng)新可以拯救生命，改善億萬人的健康;另一方面，任何失誤都可能造成傷害。Doctronic 的做法給出了一個很好的范例:用扎實的臨床證據(jù)支撐，從低風(fēng)險高影響的場景切入，保持人類醫(yī)生的監(jiān)督，逐步擴大自主權(quán)。

我也看到了 AI 原生公司的真正含義。不是在現(xiàn)有業(yè)務(wù)上貼個 AI 標(biāo)簽，而是從根本上用 AI 重新思考業(yè)務(wù)的每個環(huán)節(jié)。從產(chǎn)品到運營，從客戶服務(wù)到內(nèi)部工具，AI 無處不在。這種深度整合才能釋放 AI 的真正潛力。

最后，我相信醫(yī)療可及性革命真的要來了。當(dāng)一個普通人可以隨時隨地獲得準(zhǔn)確的醫(yī)療建議，當(dāng)慢性病患者不再因為續(xù)配處方的麻煩而中斷治療，當(dāng)醫(yī)生可以把時間花在真正需要人類智慧的復(fù)雜病例上，而不是重復(fù)性工作上，整個醫(yī)療系統(tǒng)的效率和質(zhì)量都會大幅提升。Doctronic 已經(jīng)證明了這條路是可行的，4000 萬美元的 B 輪融資只是這場革命的開始。

結(jié)尾

也歡迎大家留言討論，分享你的觀點！

覺得內(nèi)容不錯的朋友能夠幫忙右下角點個贊，分享一下。您的每次分享，都是在激勵我不斷產(chǎn)出更好的內(nèi)容。

歡迎關(guān)注深思圈，一起探索更大的世界。