一家创立仅数年、未获FDA批准的医疗AI公司，刚在资本寒冬里拿下了3800万美元融资。
Healthleap宣布完成由Hummingbird Ventures领投的3000万美元A轮融资，此前红杉资本与First Round Capital已联合领投800万美元种子轮。在过去一年里，这家公司的合作医院从3家激增到50多家，覆盖Penn Medicine、Cedars-Sinai与休斯顿卫理公会等顶尖医疗系统，营收增长超过10倍。
表面上看，这是一个大模型在医院挽救生命的动人故事：算法每晚扫描全院病历，揪出未被发现的营养不良与谵妄。但穿透行业包装后，推动医院管理层掏出真金白银的，从不是什么临床神迹，而是一张精准击中美式医疗命门的财务账单。
披着临床外衣的医保账单优化器
在美国医院的运营体系里，住院患者营养不良发生率高达20%至50%。这不仅意味着患者康复变慢、感染率增加，更意味着巨大的财务漏洞。
传统流程高度依赖护士填写的营养筛查工具（MST）或专职营养师人工查房，漏诊极多。在DRG医保支付规则下，如果病历里少写一个营养不良的并发症编码，医院能拿到的定额报销就会断崖式缩水。
Healthleap的聪明之处在于，它绕过了死板的检验数值，用语言模型去扒非结构化病程记录：食欲减退、近期体重下降、吞咽困难、肌肉萎缩。在宾夕法尼亚大学医院，这套系统宣称带来了2380万美元年化财务影响。
拆开这笔账，真相一览无余：其中630万美元来自直接补齐漏报编码后的医保追加报销，1750万美元来自优化管理后缩短的住院床位周转。
公司卖给医院的是按床位计费的三年轻资产合同，底牌则是承诺提供5倍至20倍硬性ROI。医院财务主管验证并通过真实回报，才算完成交付。这根本不是纯粹的病理创新，而是一台给医院量身定做的医保掘金机。
靓丽指标背后的学术暗斑与概念跳跃
为了支撑这套商业闭环，Healthleap搬出了漂亮的学术背书。在Cedars-Sinai开展的一项回顾性研究中，其营养不良算法在涵盖超10.6万名患者与16.6万次住院记录的数据集上，跑出了入院首日0.92、全期0.95的AUROC。
在Cedars-Sinai的实际部署里，官方称未增配人手就让确诊量提升39%，带来1100万美元收益。然而同行评审论文的作者名单里，多位是Healthleap的雇员和顾问。这项研究用的是既往出院诊断代码而非独立临床金标准，它证明了算法很会模仿编码员的习惯，却唯独没有证明它真能改善患者的远期生存状态。
天下熙熙，皆为利来。更冒险的是病种延伸。营养不良好歹有一套回顾性逻辑，但Healthleap在大力推销的谵妄（Delirium）筛查上，目前没有任何公开的专属同行评审临床研究。
谵妄是一种高度波动的急性神经精神综合征。面对日夜颠倒、神志瞬变的急症，光靠大模型抓取病程笔记的零碎只言片语，极易引发严重误报。把未经临床实证的模型推向全美50多家医院，营销步子显然迈得比严谨循证快得多。
- 风险.在缺乏外部临床验证的前提下过早介入高波动性神经急症，可能造成伪阳性高企与抗精神病药物的潜在滥用。
避开FDA的免责游戏与自研围城
Healthleap至今未获FDA批准。它选择将自己定义为面向营养师的临床决策支持（CDS）系统，以软件不负责确诊为由绕开医疗器械监管。
这套把戏在行业内司空见惯：系统每晚自动跑分，清晨把高风险名单塞进医护工作流，最后补上一句系统仅供参考、请临床医生最终把关。
算法拿走了账单提成，医护人员却要在精美的AI输出前扛下误诊责任。
正如美国医疗保健质量研究与调查局（AHRQ）多次警示的那样，一线医护面临严重的自动化偏见与警报疲劳。当早晨交班被大量AI标记淹没，没有人能长期保持理性甄别。
Healthleap的长期护城河同样脆弱。西奈山医院已经基于Epic系统自主开发并全院部署了机器学习营养不良筛查模型MUST-Plus。当主流电子病历巨头开始自研类似功能，单纯依赖病历文本挖掘的第三方工具，生存空间将被迅速压缩。
- 结论.单纯承诺硬性投资回报率足以撬动早期的医院管理层，但随着监管收紧与院内原生系统迭代，缺乏硬核临床疗效支撑的SaaS终会面临结算时刻。