# AI 原生医疗：1 亿次问诊、每周省 10–20 小时、几分钟搞定预授权

> 原标题：AI-Native Healthcare: 100M Doctor Visits, 10–20 Hours Saved, Prior Auth in Minutes — Janie Lee & Chai Asawa, Abridge

- 来源：Latent Space
- 发布时间：2026-05-14T22:05:31.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/22436
- 原文：https://www.latent.space/p/abridge

## 摘要

Abridge 这家公司 2018 年就起步了，比 ChatGPT 火起来早了四年多。他们一开始做的事很实在：把医生和病人的对话录下来，自动生成病历草稿，帮医生省掉下班后补病历的“睡衣时间”，每周能省出 10 到 20 小时。现在他们铺得更开了，今年预计要覆盖超过 8000 万次医患对话，进了 250 家美国大型医疗系统，支持 28 种以上语言和 50...

## 推荐理由

Abridge 的 CEO 和 CTO 出来聊了聊，说今年要支持超过 8000 万次医患对话，覆盖 250 个美国大型医疗系统，医生每周能省下 10 到 20 小时的文书时间，预授权从几天缩到几分钟。这些数字是公司自己报的，不是第三方审计或独立基准测试，所以我会先打个折来看。但 1 亿次就诊这个量级确实少见，说明医疗 AI 不再只是试点项目，已经在规模化跑流程了。文章没披露准确率、漏诊率或患者满意度数据，也没说省钱具体怎么算的，这点先别太激动。整体看，它更像一次公司访谈放出的运营数据更新，不是重大产品发布或独立验证，所以放在低 featured 档。

## 锐评

Abridge 做的事很直接：把医患对话变成结构化病历，再顺着这个口子往保险预授权、临床决策支持这些环节延伸。他们 2018 年就起步了，比这波大模型热早四年，先啃下了医院系统对接、医生信任这些脏活。现在铺到 250 家大型医疗系统，支持 28 种以上语言和 50 多个专科，今年预计处理超 8000 万次对话，去年 6 月估值已经到了 53 亿美元。

每周省 10-20 小时文书时间这个数字来自他们自己的统计，但正文没给出样本量和测量方法，也没提不同科室、不同医生之间的差异有多大。从病历生成扩展到保险预授权“几分钟搞定”听起来很诱人，不过预授权涉及保险公司那边的规则引擎和人工审核，实际落地速度取决于外部系统对接，这点正文也没展开。

还缺几块关键信息：模型在专科场景下的错误率、医生修改病历的比例、以及患者对录音知情同意的具体流程。医疗场景容错率极低，没有这些数据，很难判断 8000 万次这个量级背后是扎实的临床验证还是铺量的故事。