Aaron Narva曾是一名在Kroll和FTI Consulting等风险管理公司工作的事件调查员。在合规软件制造商Exiger工作期间，他负责监测一家因十年前的洗钱丑闻而登上头条的大国际银行客户的法律合规情况。Narva在接受TechCrunch采访时说：“在Exiger工作期间，我们收购了一些软件业务，包括一种利用AI从非结构化公共记录中提取风险的工具。我们还开发了一种工具，帮助大型公司识别商业关系中的腐败和制裁风险。”
这项工作给了他创立Conflixis的灵感。医院和其他大型医疗机构面临着与银行类似的腐败风险。制药公司和设备制造商与医生的关系过于密切，以至于医生被要求披露利益冲突：度假、咨询费、研究资助赞助等。许多研究表明，那些关系过于密切的人更可能开具这些药物和设备的处方，无论这些药物和设备是否能为患者带来更好的治疗效果。这种风险如此之大，以至于政府运营了一个名为OpenPaymentsData.com的数据库，任何人都可以查看利益冲突披露。
然而，披露这些利益冲突并不能解决问题，这使医院面临法律风险。一系列法律禁止医生的这种行为，从Stark法到反回扣法（AKS）不等。同时，商业利益确实需要与医生——医学专家——合作，以帮助他们研究新药和制造设备。因此，并不是每一次互动都是被禁止的。
Narva设想了一种基于AI的软件即服务，可以为医院和大型医疗实践识别出真正使医院——如果不是患者的话——处于风险中的实际情况。他说：“一个大型医疗系统可能有20万名医生与供应商和供应商之间的关系。其中哪些关系会影响您面临的六种风险之一？”
联邦政府还提供了一个发布医院护理质量信息的数据库。Narva联系了一位从小学八年级就认识的朋友Joseph Bergen，当时Bergen是BuzzFeed的工程总监，征求他对这个想法的意见。Bergen非常喜欢这个想法，于是辞去了工作，成为了联合创始人。
Conflixis通过从OpenPaymentsData.com、医院采购数据、索赔数据、患者结果记录、利益冲突表格和其他来源获取数据来工作。它分析所有利益冲突点，以识别医院应调查的情况。“好的，我们查看了所有的5,000或10,000个关系，这是你需要实际查看的七个。”Narva举了一个例子。“就像，我们把所有的都过滤了一遍，这是七个。”
Conflixis更进一步，还可以预测医院的支出并建议减少支出的方法。例如，医院是否根据与供应商有关系的医生的建议购买了更昂贵的设备，而不是更便宜的设备？
他说：“我们可以通过这种方式显著降低医院的监管风险，增加与患者的信任和透明度，但同时也做出更好的运营决策，决定购买什么。”
该公司成立于2023年，已经拥有一小批客户，收入不足500万美元，Narva表示。该公司刚刚宣布完成了由Lerer Hippeau（由BuzzFeed前董事长Kenneth Lerer创立的基金）和Origin Ventures共同领投的420万美元种子轮融资，mark vc、Springtime Ventures和pre-seed投资者Cretiv Capital也参与了此次融资。
Conflixis加入了一个拥挤的医疗行业合规软件公司行列，如Compliatric和Symplr，尽管有些公司更专注于保护患者数据，而不是腐败和采购。
Narva表示，Conflixis的独特之处在于其员工的职业背景与LLM相结合。他们修改了现成的模型，以根据“我们在大数据调查中的交易监控和腐败背景”寻找数据中的模式。
(全文结束)
