AI 切入问诊环节提高就诊效率，Curai 获 1070 万美元融资

医疗链条流程很长。从患病前的疾病预测、预防，筛查，到患病诊断、治疗、支付，到院外的患教和随访等，整个医疗的疾病管理流程十分复杂。提升医疗的效率，是目前医疗行业的痛点。

由此，Curai 想用 AI 切入诊断过程，建立一套预测病症的系统，提高医生确诊效率。近日，Curai 获 1070 万美元的融资，投资方包括 General Catalyst 和 Khosla Ventures 等。

这个系统通过收集病人的相关信息，包括病症描述、相关图片（皮肤病等）或者检查报告，预测出病症并给出初步的诊疗方案，这些数据和 AI 可以帮医生快速认知病人的病情并给出解决方案。

Curai 的切入点很巧妙，因为诊疗是一个相当繁琐的过程。以最常见的皮肤病为例，医生要做的是观察皮肤状况、问询患者的相关信息再确诊。确诊之后是开药，围绕着药品的使用、效果、副作用再讨论一段时间。其实真正需要医生的知识和经验来决断的部分只有确诊和开药，将病人信息处理的工作交给 AI，可以缩短诊疗时间，让医生在单位时间内诊治更多的病人。

Curai 的创始人兼首席执行官 Neil Hunt 认为，这是资源合理分配的过程。“让机器做它擅长的事情，收集数据、知识，进行推理和预测。让医生做人类擅长的部分，以知识和经验来确诊、安抚病人、给病人建议。”

此外，Neil 还认为，在收集病症描述和病史过程中，很多患者对诸如两性的话题羞于启齿，用机器来读取，患者的状态可能更加真实和放松。

Curai 的团队经验较为丰富。Neil 曾是 Netflix 的首席产品官，其他合伙人有 Quora 的前工程副总裁Xavier Amatriain 和曾在谷歌任职的 Neal Khosla，还包括一些医学专家和临床教授。

目前还没有公开资料显示 Curai 切入的是哪类病症的诊疗。机器学习需要大量的数据，首先是百万级的真实病历，筛选有效数据，再建模培养 AI 学习。而由于人体的复杂性，一类疾病由于患者的病史、运动、睡眠、心理等因素，会有极多变数。如果这个范围扩大到所有病症，预测的准确率会大大降低。数据和人体机制的复杂导致 AI 必须先切入垂直病症，不能宏观判断一蹴而就。

目前还想从提高诊疗效率入场的公司还有为医生提供智能语音助手的 Suki ，和帮助医院收集分析大量临床数据，以改善病人的康复结果和降低诊疗费用的 HealtheIntent 等。