1.4亿患者训练的医疗大模型，不看病、只做“会计”：GenHealth的1650万美元讲了个什么故事

9月8日，波士顿医疗AI公司GenHealth.ai宣布完成1650万美元A轮融资，Flare Capital Partners领投，累计融资达3000万美元。在明星医疗AI公司扎堆卷诊断的2026年，GenHealth的方向显得“无趣”得多——它的AI智能体不做诊断，只做医疗后台：登记、资格核验、事前授权、账单、拒付。但正是这家公司，让客户回款提升了30%以上，收入6个月翻了4倍。

A轮落地：Flare领投1650万美元，累计3000万

据ACCESS Newswire消息，本轮由Flare Capital Partners领投，老股东Craft Ventures、Obvious Ventures跟投，新投资方包括Eniac Ventures、InHealth Ventures、Epsilon Health Investors和ARTIS。公司成立于2023年，创始人Ricky Sahu曾在1upHealth和CareJourney做了十年医疗互操作API——为美国最大的医疗支付方搭建数据管道，这段经历直接决定了GenHealth的产品观。

“自动化医疗行政的难点从来不只是AI，而是AI没有连接医疗机构真正在用的那些系统——EHR、支付方门户、传真、银行账户。”Sahu说，“我们自己建了这些连接，并用基于1.4亿患者数据训练的自有模型提供上下文。结果是患者更快得到治疗，机构多收30%以上的回款——这在RCM（收入周期管理）领域闻所未闻。”

医疗后台的“隐形巨兽”：一年1万亿美元的行政支出

GenHealth盯上的，是美国医疗体系里一头隐形巨兽：每年约1万亿美元的行政支出。一次治疗从获批到收钱，要在EHR、支付方门户、传真机和电话之间切换数百次——系统互不相通，工作全靠人扛。患者被行政瓶颈耽误治疗，机构和供应商花大量时间追讨本就属于自己的收入。

这是医疗数字化里最大的悖论：临床AI的故事讲到天上，但医院账面出血最严重的地方在后台。行政成本占美国医疗总支出的15%-30%，事前授权、拒付申诉几乎纯靠人工。对创业者而言，这里的需求不是“锦上添花”而是“止血”——支付意愿和可量化的ROI天然清晰。

像招员工一样招AI：嵌入EHR的端到端智能体

GenHealth的产品形态很有意思：机构像招聘员工一样启用AI。员工向智能体演示工作流，机构为AI创建系统账号，智能体学会这些流程后正式上岗——在机构现有的EHR、支付方门户、传真和电话系统里，端到端完成接诊登记、资格核验、事前授权、账单、拒付处理。美国本土账单团队处理例外情况，人员保留在需要判断的环节，形成“人在环路”的分工。

底层是自研的Large Medical Model（医疗大模型），基于超1.4亿患者的编码理赔与临床史训练——它不做临床决策，而是理解“理赔语言”。效果是硬的：客户Guidehealth实现4倍生产力提升，预计年省近120万美元；另一家客户称GenHealth自动化了此前需要5倍规模外包团队的工作。公司预计，其智能体未来一年将在客户系统中执行超过7500万次操作。

智能体取代SaaS：医疗AI的估值逻辑正在换挡

Flare Capital合伙人Vic Lanio的投资逻辑一针见血：“医疗机构不需要又一套记录系统，他们需要有人把活干完。GenHealth不是加了智能体的SaaS，而是真正在客户现有系统里与人并肩完成工作的智能体。”这句话道出了2026年医疗AI投资的范式转移：从卖工具（tool）到卖劳动（labor），从按席位订阅到按工作量计费——智能体吃掉的不是软件预算，而是人力外包预算，后者池子大一个数量级。

对国内从业者，这个故事的镜鉴意义在于：中国医疗体系同样有大量行政性、流程性负担——病案质控、医保结算清单填报、DRG入组审核——它们的智能化或许不如辅助诊断性感，但付费主体清晰、效果可量化、合规风险低。当聚光灯都打在大模型“能不能看病”上时，先把“账”算明白的公司，可能离现金流更近。

原文链接：ACCESS Newswire（Morningstar转载）

千方医数集编辑部 出品