当医生将患者转介给专科医生时，他们希望患者能够迅速获得高质量的护理。但杂乱的文档、冗长的临床审查和不断的来回沟通会拖慢整个过程。而这些文档工作不仅仅是数据录入。它需要对数十页复杂的临床信息进行细致入微的分析，这种复杂度已经让自动化系统感到困惑，迫使提供者为了更快地看到患者并从保险公司获得付款，不得不在细节上花费大量精力。
现在，在宣布从 a16z 获得 A 轮融资几个月后，Tennr 正通过其专为医疗文档设计的文档阅读机器学习模型平台，加速数百万患者在美国医疗系统的流通。Tennr 的客户将患者就诊前的处理时间从几周缩短到几小时，同时减少了提供者的保险索赔拒绝率——这是在医疗报销减少和成本飙升的情况下至关重要的优势。该公司现已筹集了 3700 万美元的资金，用于扩大研究团队并加强销售和营销努力，帮助更多提供者。
Tennr 的 B 轮融资由 Lightspeed Ventures 领投，现有投资者 a16z 和 Foundation Capital 也参与了投资。这使得公司的总融资额超过 6100 万美元，距离上次 A 轮融资仅六个月。在此期间，Tennr 实现了客户增长的“曲棍球棒”曲线，并在扩展视觉-语言模型方面取得了技术突破。Tennr 在医疗实践中的成功得益于团队如何开发其机器学习模型。像 ChatGPT 和 Claude 这样的流行“AI”大型语言模型旨在满足所有人的需求，但为了成为优秀的聊天助手所做的权衡导致在处理复杂的医疗文档时表现不佳，尤其是在面对各种意外情况时。而在医疗保健领域，每一个案例都像是一个意外情况。
例如，诊所经常收到包含多个患者的文档，这些患者分散在几十页中，或者一次收到几十份针对单个患者的文档。Tennr 开发了一个“多患者”模型，无论文档大小，都能区分哪些患者出现在哪些页面上，并通过合并所有表示同一患者的文档来避免重复工作。
Tennr 的模型专注于数百种类似的“边缘情况”，这些情况完全难倒了为更商业化的助理用途开发的通用模型。即使遇到的问题不是特定于医疗保健的，如读取复选框，团队也不惜从头开始构建更好的解决方案。Tennr 的联合创始人兼首席执行官 Trey Holterman 表示：“我认为复选框是一个很好的例子，市场上没有任何付费或开源产品能达到我们所需的准确性要求。你在诊所填写的表格大部分是复选框，因此我们通过构建复选框阅读器解决了这个问题。我们应用了 2022 年学到的新颖视觉技术，使用了世界上最大的标注复选框数据集。”
Tennr 通过一个自动化平台将其业务货币化，该平台适用于希望从接收到文档的那一刻起，直到患者通过保险审核并准备好安排就诊的整个过程实现自动化的日常医疗保健企业。“我们的客户遍布全美，运营高效，服务优秀。我们与这些目标保持一致，这有助于推动我们的增长。面对收入方面的固定费用结构和成本方面的持续通货膨胀，他们希望成为最佳的患者转介目的地，但他们必须完成大量的行政工作。因此，无论他们是否意识到，对我们来说，努力成为世界上最好的复选框阅读者并推动这些模型的发展实际上对他们非常重要。”Trey Holterman 补充道。
目前，Tennr 为数百家诊所、系统和团体处理数百万患者的文档。Total Medical Supply 的运营主管 Darius Reid 评论说：“Tennr 对我们的工作流程产生了彻底的变革。我们现在处理新患者的时间大大缩短，这是一项改变游戏规则的举措。” 在过去的几个月里，Tennr 建立了自动化入院、临床审计和审查、请求更多信息、预先授权请求以及资格和福利检查等流程。Tennr 正在逐步简化所有医学预访工作。未来，他们希望帮助医疗实践像科技公司一样沟通——通过紧密、结构化的 API 响应、自动化消息传递和干净的数据传输。当然，这一切仍然可以从传真开始。
拥有一个全方位的医疗文档处理和工作流自动化平台意味着诊所在患者就诊前就能预防更多的错误。他们可以节省更多时间，避免事后追查账单错误，并减少昂贵的保险索赔拒绝。至关重要的是，只有很少的员工需要参与手动文档处理，从而提高效率并防止职业倦怠。
通过此次融资，像他们的客户一样，公司将扩大其研究和工程团队，并计划扩展到仍在手动处理传真队列的新专科实践。在未来一年内，Tennr 预计将加快超过 10% 的美国人在美国医疗系统内的转诊流程。Lightspeed 的合伙人 Alex Kayyal 评论道：“很明显，Tennr 的产品满足了整个医疗保健行业的重大市场需求。他们的工作流自动化平台为客户带来了显著的投资回报，同时大幅改善了患者体验。我们对团队的愿景和执行力印象深刻，很高兴能与 Tennr 合作，将更多的人工智能原生功能带给医疗保健组织。”
(全文结束)
