美国临床AI公司融资1亿美元:医生管不过来的10万名慢病患者,开始交给AI

在慢病门诊里，最消耗医生精力的，往往不是疑难重症，而是大量重复性工作。

血压控制得怎么样？血糖有没有波动？药吃完了吗？有没有出现水肿、气促等异常？一名患者的问题并不复杂，但当几十、几百名高血压、糖尿病、心衰患者同时需要随访，医生就不得不花费大量时间查看指标、重复询问、调整用药。

更棘手的是，患者真正发生风险的时刻，通常不在诊室里。

一次门诊只能看到患者当时的状态，而两次就诊之间的几周甚至几个月，往往才是慢病恶化、并发症出现的高风险期。当老龄化叠加医护人员紧缺，传统依赖人工随访的慢病管理模式，已经越来越难以支撑。

最近，美国临床AI公司Cadence完成了由Spark Capital领投的1亿美元C轮融资。资本此次押注的并不是一个会回答医疗问题的聊天机器人，而是一套试图把慢病管理变成"自动监测、智能分流、人工决策"的新型医疗工作流。

Cadence披露，目前已与杜克医疗、Texas Health Resources等20多家医疗系统开展合作，管理超过10万名活跃患者。公司2025年的年度经常性收入增长至此前的3倍，并声称其服务每周可为美国联邦医保Medicare节省约270万美元。

与很多停留在演示阶段的医疗AI不同，Cadence已经进入医院的真实业务体系。

它并不是单独向患者提供一个App，也不是让医生再打开一套独立系统，而是将远程监测能力直接接入合作医院的电子病历、医生工作台和临床流程。患者在家测量血压、体重等指标后，数据会持续上传，系统再根据临床规则和患者历史情况进行分析。

在Cadence的模式中，AI承担的是高频、重复的数据监控和风险筛查，临床团队负责进一步评估、联系患者和执行干预，原有医院医生则保留关键医疗决策权。公司披露，其系统对异常指标提醒的中位响应时间约为3.5分钟，约55%的提醒可以在无需人工调整的情况下得到适当处理。

这意味着，Cadence并不是让AI"独立看病"，而是在医生和患者之间增加了一层全天候的智能分流机制。

传统慢病管理的逻辑，是患者出现不适后主动联系医院，或者按照固定周期前往门诊复查。

这种方式的问题是，医疗服务往往发生得太晚。

患者血压连续升高、体重异常增加或者心衰症状逐渐加重时，如果没有持续监测，医生可能要等到患者明显不舒服甚至住院后，才知道病情已经发生变化。

Cadence试图把这一流程倒过来。

首先，患者通过联网设备在家完成日常测量，系统获得连续数据，而不是只依赖几个月一次的门诊记录。

其次，受监督的AI智能体每天分析患者指标，识别异常变化和潜在风险。正常数据不会反复打扰医生，持续异常或者风险升高的患者才会被优先呈现。

随后，临床团队按照标准化流程完成进一步分诊、患者沟通和用药管理。真正需要医生判断的问题，再进入原有医疗机构的工作台。

过去是医生在大量数据中寻找问题，现在则是系统先筛出风险，医生集中处理真正需要专业判断的患者。

这也是医疗AI与普通办公AI最大的区别：它的价值不只在于"生成答案"，而在于重新安排医疗工作由谁做、什么时候做，以及哪些问题必须交给人来做。

Cadence能够获得大额融资，一个重要原因是它已经拿出了初步的临床与经济数据。

一项发表于《Mayo Clinic Proceedings: Innovations, Quality & Outcomes》的回顾性研究，分析了来自美国15个州的5872名Cadence项目参与者，并与11449名匹配对照患者进行比较。

研究结果显示，在12个月观察期内，参与远程患者护理项目的人群，平均每人每年总医疗费用减少1302美元，住院支出减少1428美元，住院率降低约27%。

这些数据至少说明，远程监测不只是让患者多测几次血压。只有当数据监测、临床分诊、用药调整和人工干预形成闭环时，才可能真正减少住院和医疗费用。

不过，这些结果仍需理性看待。

上述研究属于回顾性观察研究，并非随机对照试验；每周节省270万美元、年度经常性收入增长3倍等数据，也主要来自公司披露。与此同时，美国远程患者监测的按项目付费方式曾受到监管机构和保险机构质疑，行业正在转向更加看重健康结果的价值医疗支付模式。

因此，Cadence真正值得关注的，不是"AI已经可以替代医护"，而是它初步证明了一件更现实的事：在严格监督和临床流程约束下，AI可以承担部分规模化、标准化的慢病管理工作。

国内互联网医院已经广泛覆盖预约、复诊、处方、缴费、报告查询和药品配送等场景。现行政策也明确，互联网医院可以开展部分常见病、慢性病复诊和家庭医生签约服务。

但从整体发展逻辑看，很多互联网医疗服务仍然主要是把线下的挂号、问诊、开单、缴费和复诊开药流程网络化。

这类服务解决了患者"少跑一次医院"的问题，却没有完全解决"两次就诊之间谁来持续管理患者"的问题。国内相关研究也指出，互联网医院虽然提升了慢病患者复查、咨询和用药的便利性，但在机构重复建设、服务定价、数据协同和连续健康管理方面仍存在短板。

Cadence提供的启发是，互联网医院的下一阶段不应只是增加线上问诊入口，而应补上诊前和诊后的连续管理能力。

未来更有价值的模式，可能是：

患者在家持续监测，AI识别风险，基层医生完成初步干预，必要时再由上级医院专科医生介入。

这样一来，互联网医院就不再只是"线上门诊"，而是成为连接家庭、基层机构和大医院的慢病管理中枢。

近年来，国内家庭医生签约服务正在从追求签约数量，转向强调服务质量和居民感受。2025—2027年相关措施进一步提出，要提高服务可及性，推动城市医院医生参与签约服务，增强基层服务能力。

但家庭医生面临的现实问题仍然存在：服务对象多、随访任务重、数据分散，而且不同患者的风险等级差别很大。

让一名家庭医生每天逐个查看大量居民的血压、血糖和用药记录，并不现实。更可行的方式，是让系统完成第一轮信息整理和风险排序。

稳定患者由系统持续观察；轻度异常患者获得自动提醒和健康指导；持续异常、高风险和疑似并发症患者，再由家庭医生重点跟进。需要专科诊疗的患者，则通过医联体进入上级医院。

在这种模式下，AI并没有取代家庭医生，而是帮助家庭医生从平均分配精力，转向优先管理高风险人群。

家庭医生的价值也不再是机械完成随访次数，而是完成风险判断、患者沟通、治疗协调和转诊决策。

Cadence的模式并不是安装一套AI软件就能实现。它背后同时包含联网设备、医疗数据、标准化临床路径、专业医护团队、电子病历接口和支付机制。

国内要形成类似的闭环，至少需要解决四个问题。

第一，医疗机构之间的数据能否真正互通。当前不同医院、社区机构和居家设备之间仍存在信息孤岛，患者数据难以形成连续记录。

第二，居家设备的数据是否准确、稳定和适合老年人使用。设备测量偏差、网络连接和数字鸿沟，都会直接影响AI判断。

第三，必须明确AI、平台、基层医生和上级医院之间的责任边界。AI可以分流和提示，但诊断、处方和高风险干预必须保留清晰的人类监督机制。

第四，要建立与健康结果相匹配的支付方式。只按监测次数、随访次数收费，容易增加无效服务；只有将血压控制、住院率、并发症和患者依从性纳入评价，技术才有动力真正改善结果。

国内研究同样指出，"互联网+慢病管理"仍面临数据共享、安全、设备可靠性、技术普及和数字鸿沟等问题，需要医疗机构、政府、企业、医生和患者共同参与。

Cadence的1亿美元融资，释放出了一个值得关注的信号：

医疗AI的竞争，正在从"谁的模型会回答更多问题"，走向"谁能进入真实临床流程，并改善患者结果"。

未来真正有价值的医疗AI，不一定需要替医生做出所有决定。它更重要的作用，是接住那些数量巨大、重复性高、却又不能被忽视的基础工作，让医生把有限精力留给复杂判断、治疗决策和患者沟通。

它也不是简单地"把三甲医院搬进患者客厅"。

更准确地说，是把医院原本间断发生的医疗服务，延伸为患者家中持续运行的风险监测和早期干预网络。

当系统负责发现问题，医护人员负责解决问题，医疗AI才真正从一个辅助工具，变成医疗服务体系中的基础能力。

既然看到这里了，如果觉得有用，随手点个赞、在看、转发三连吧。

THANKS FOR READING