Healthleap 融资 3800 万美元，扩展医院患者风险检测 AI 平台

文/IAICA.NGO®

2026年10月，临床人工智能企业 Healthleap 宣布完成 3800 万美元融资，将用于扩大其面向医院的患者风险检测平台。该平台的核心定位，是在住院患者病情出现明显恶化之前发出预警，为临床团队争取干预窗口。融资消息传出后，数字医疗与医院信息化领域普遍将其视为临床人工智能从影像辅助走向流程决策这一趋势的又一例证。

融资规模与资金用途

3800 万美元的单轮融资，在全球临床人工智能赛道中属于中上水平。就公开信息而言，本轮资金的主要去向集中在三个方面：一是扩大平台在医院端的部署范围，从少数试点科室向全院级、多院区场景延伸；二是加强模型在不同人群、不同病种与不同电子病历系统上的泛化能力；三是补充临床验证、法规注册与客户成功团队。投资方构成与估值细节并未在公开摘要中充分展开。

从评分表到连续监测

住院患者风险识别并非新命题。传统做法依赖间歇性生命体征测量与人工评分，例如早期预警评分（EWS）、改良早期预警评分（MEWS），以及针对脓毒症筛查的 qSOFA 等工具。这套体系的问题在于采样频率低、对护理记录完整度依赖高，在夜间或人力紧张时段容易出现识别延迟。

人工智能路径的不同之处，是把电子病历中的检验结果、用药记录、护理评估文本，与监护设备产生的连续数据流进行融合，用时间序列模型输出动态的恶化概率，并在阈值触发时自动通知快速反应团队。相比静态评分表，这类模型理论上能更早捕捉到生理指标的细微漂移趋势，也更容易向临床解释为什么在此刻报警。

监管与验证门槛

此类产品在多国被纳入医疗器械监管。美国已有多款脓毒症预警与病情恶化预警软件获批上市，欧盟在医疗器械法规之外还叠加了人工智能法案的透明度与风险管理要求，中国药品监管部门也发布了人工智能医疗器械的审评要点与技术指导原则。这意味着算法并非一次训练即可长期使用，模型迭代、数据漂移监测与上市后真实世界表现跟踪，都是持续性的合规成本。

真正的难点：告警疲劳与流程嵌入

技术指标与临床价值之间存在落差。多项临床研究提示，如果预警系统的假阳性比例偏高，医护人员的响应意愿会迅速下降，形成狼来了效应，反而掩盖真正的危重信号。因此评估这类平台的关键指标，往往不是模型曲线下面积，而是每千床日的有效干预次数、可避免的紧急事件发生率、非计划转入重症监护室的比例变化，以及一线护士的实际采纳率。

流程嵌入同样关键。预警必须与医院信息系统、护理排班、呼叫流程和快速反应团队制度形成闭环，否则再准确的预测也只是停留在屏幕上的数字。这也是此类企业普遍需要投入大量现场实施资源的原因：模型上线只是一小步，改变临床行为才是漫长的部分。

对中国医院的参照意义

国内三级医院的信息化基础较好，但设备协议不统一、科室数据孤岛、护理文书质量参差等结构性障碍依然存在。在 DRG 与 DIP 支付改革推进的背景下，医院对降低并发症、缩短平均住院日、减少非计划转入重症监护室有了更直接的财务动机，这为患者风险检测类工具创造了明确的价值叙事。与此同时，国内同类产品在数据合规、算法可解释性与临床验证设计上，仍需更严格的证据积累。

iaica.com.cn 认为，患者风险检测类人工智能的真正门槛并不在模型精度，而在于能否被临床流程长期容纳、被一线医护持续信任。

结语

在全球护理人力短缺与人口老龄化的双重压力下，住院患者恶化预警被视为人工智能进入医院核心诊疗流程确定性较高的切入口。3800 万美元的注入，是资本对这一判断的一次投票；但这笔投入最终能否被验证，取决于未来两三年内是否出现可复现、可比较的临床与经济结果数据。

评论

0 条

登录后才可以发表评论。

立即登录

暂无评论，快来抢沙发。