2025年6月，美國醫(yī)療AI創(chuàng)業(yè)公司Tennr宣布完成1.01億美元C輪融資。本輪融資由IVP領(lǐng)投，a16z（Andreessen Horowitz）、Lightspeed、GV（前Google Ventures）等老股東持續(xù)加注。融資完成后，Tennr估值達(dá)6.05億美元。

近年AI在醫(yī)學(xué)影像、藥物研發(fā)等領(lǐng)域已開始攻城略地，Tennr則瞄準(zhǔn)了另一塊長期被忽視、卻影響億萬人就醫(yī)體驗(yàn)的角落——轉(zhuǎn)診系統(tǒng)。

在美國，每年大約有1億次轉(zhuǎn)診請求被發(fā)起，但有研究指出，超過50%的轉(zhuǎn)診未能最終完成[1]。傳真、紙質(zhì)表格、手寫記錄、反復(fù)電話溝通，這些在今天看來略顯“原始”的操作，依然廣泛存在于轉(zhuǎn)診流程中，極大影響了患者的就醫(yī)效率，也增加了醫(yī)療系統(tǒng)的資源浪費(fèi)。

在這片“效率洼地”里，Tennr以AI為引擎，重構(gòu)轉(zhuǎn)診流程。Tennr打造的轉(zhuǎn)診系統(tǒng)正逐步成為美國醫(yī)療服務(wù)體系的基礎(chǔ)設(shè)施之一。

01

從就診者到創(chuàng)業(yè)者：

一場源自“轉(zhuǎn)診黑洞”的AI創(chuàng)業(yè)

Tennr的故事，始于一群斯坦福大學(xué)工程系學(xué)生對現(xiàn)實(shí)醫(yī)療系統(tǒng)的深度“感同身受”。

公司聯(lián)合創(chuàng)始人兼CEO Trey Holterman出生于一個(gè)醫(yī)生家庭，母親是一位執(zhí)業(yè)多年的家庭醫(yī)生。在診所工作中，她每天要處理大量傳真、手工表格和重復(fù)電話。光是完成一個(gè)轉(zhuǎn)診，就可能涉及數(shù)十個(gè)步驟、多個(gè)環(huán)節(jié)，效率低下且出錯(cuò)率高。Holterman曾將這一現(xiàn)象稱為“black hole”（轉(zhuǎn)診黑洞）——即醫(yī)療系統(tǒng)中看似簡單、實(shí)則暗藏系統(tǒng)性低效的灰色地帶。

聯(lián)合創(chuàng)始人Diego Baugh則為這種“轉(zhuǎn)診黑洞”付出過代價(jià)：一次普通的胃腸科轉(zhuǎn)診因流程延誤導(dǎo)致他被迫等待六周。

另一位聯(lián)合創(chuàng)始人 Tyler Johnson 對解決“轉(zhuǎn)診黑洞”問題同樣保持高度關(guān)注，主導(dǎo)平臺核心架構(gòu)設(shè)計(jì)與模型開發(fā)，現(xiàn)任公司首席技術(shù)官（CTO）。他在斯坦福攻讀計(jì)算機(jī)科學(xué)期間，專注于人工智能與大型語言模型（Large Language Models，LLM）的研究，是將先進(jìn)AI能力轉(zhuǎn)化為可部署產(chǎn)品的關(guān)鍵推動者。

三位創(chuàng)始人正是帶著“臨床痛點(diǎn)+工程背景”的雙重視角，于2021年在紐約共同創(chuàng)立Tennr，利用AI重塑繁復(fù)低效的醫(yī)療轉(zhuǎn)診流程。

Tennr的起點(diǎn)看似微小，卻直指美國醫(yī)療系統(tǒng)長期存在的底層“連接缺口”。

圖1：創(chuàng)始人畫像，左：Trey Holterman、中：Tyler Johnson、右：Diego Baugh（圖源：Tennr官網(wǎng)）

自2021年創(chuàng)立以來，Tennr先后完成三輪融資：2024年3月完成由Andreessen Horowitz領(lǐng)投的A輪融資1800萬美元；同年10月再獲B輪融資3700萬美元，估值升至2–2.5億美元；2025年6月，公司C輪融資金額達(dá)到1.01億美元，估值升至6.05億美元。至此，Tennr總?cè)谫Y額達(dá)1.62億美元。

表1：Tennr融資情況一覽

快速上漲的不只是資本信心，還有實(shí)際業(yè)務(wù)規(guī)模。據(jù)Fierce Healthcare報(bào)道，截至2025年初，Tennr平臺每月可處理超1000萬份醫(yī)療文檔，服務(wù)范圍覆蓋初級保健、專科轉(zhuǎn)診和居家護(hù)理等多個(gè)典型應(yīng)用場景，年?duì)I收自B輪以來增長3倍。

02

AI讀傳真、轉(zhuǎn)語音、追狀態(tài)，

一體化解決方案真正落地

在傳統(tǒng)的醫(yī)療轉(zhuǎn)診流程中，信息難以追蹤、結(jié)構(gòu)化率低、易出錯(cuò)且高度依賴人工操作。這不僅拖延患者的就診進(jìn)程，也使醫(yī)療機(jī)構(gòu)面臨患者流失、保險(xiǎn)拒付等系統(tǒng)性風(fēng)險(xiǎn)。

傳真、紙質(zhì)單據(jù)與電話溝通依然是轉(zhuǎn)診中最常見的信息載體，也是最難被AI處理的非結(jié)構(gòu)化數(shù)據(jù)。面對這一現(xiàn)實(shí)困境，Tennr直擊核心痛點(diǎn)——通過自研AI模型，將其逐步轉(zhuǎn)化為可追蹤、可分析、可自動處理的結(jié)構(gòu)化數(shù)據(jù)，并最終構(gòu)建出一個(gè)能夠無縫接入醫(yī)院現(xiàn)有系統(tǒng)、快速部署至一線流程、并支持跨機(jī)構(gòu)大規(guī)模應(yīng)用的醫(yī)療后臺操作系統(tǒng)。

■ RaeLM：專為醫(yī)療設(shè)計(jì)的視覺語言模型

Tennr的技術(shù)核心是RaeLM（Radiology-Aware Extraction Language Model），這是一個(gè)自研的、參數(shù)規(guī)模達(dá)70億（7B）的多模態(tài)模型。它的訓(xùn)練數(shù)據(jù)包含超過1億份醫(yī)療文檔、23億個(gè)結(jié)構(gòu)化字段和8000類標(biāo)準(zhǔn)表單樣式。

與通用大語言模型（LLM）相比，RaeLM在醫(yī)療場景中的優(yōu)勢是可精準(zhǔn)“讀懂”掃描件、傳真、手寫表單上的臨床信息。例如，RaeLM能夠識別諸如“rule out PE”（排除肺栓塞）等手寫醫(yī)囑，并自動映射至CPT（Current Procedural Terminology，當(dāng)前診療編碼），支持預(yù)審與支付流程。

更關(guān)鍵的是，RaeLM無需醫(yī)院更換現(xiàn)有電子病歷系統(tǒng)（Electronic Medical Record，EMR），也不改變原有操作習(xí)慣。醫(yī)療服務(wù)提供方只需將平臺接入原系統(tǒng)或?qū)⑽募蟼髦疗脚_，即可自動完成文檔分類、字段提取、信息結(jié)構(gòu)化與審計(jì)準(zhǔn)備。

■ T3模塊：將通話記錄轉(zhuǎn)化為結(jié)構(gòu)化信息

醫(yī)療轉(zhuǎn)診中的另一個(gè)常見場景是電話溝通。患者或護(hù)士通過電話提供保險(xiǎn)號、主訴、既往病史等關(guān)鍵信息，但這些內(nèi)容往往被手寫記錄或口頭轉(zhuǎn)述，極易出錯(cuò)。

Tennr推出的T3（Transcript Translation Technology）模塊，能夠?qū)崟r(shí)抓取通話內(nèi)容中的結(jié)構(gòu)化字段，如姓名、保單號、主訴描述等，并自動填入EHR或計(jì)費(fèi)平臺，減少人工錄入，提高準(zhǔn)確性。

■ Tennr Network：讓轉(zhuǎn)診流轉(zhuǎn)狀態(tài)一目了然

長期以來，傳真發(fā)出之后的醫(yī)護(hù)接收、確認(rèn)、預(yù)約等流程缺乏透明度，因此被醫(yī)生形象地稱為“信息黑箱”。

Tennr打造的Tennr Network正是為了解決這一長期存在的“流程斷點(diǎn)”。它以一張實(shí)時(shí)可視化的流程地圖，貫通了轉(zhuǎn)診從“發(fā)送、接收、確認(rèn)”到“患者入診”的每一個(gè)關(guān)鍵節(jié)點(diǎn)：系統(tǒng)能夠明確呈現(xiàn)轉(zhuǎn)診是否已成功送達(dá)目標(biāo)機(jī)構(gòu)、對方是否完成接收與確認(rèn)，以及患者是否已經(jīng)接受預(yù)約并完成入診。

借助這一可視化界面，醫(yī)療機(jī)構(gòu)不僅能夠?qū)崿F(xiàn)部門間、機(jī)構(gòu)間的高效協(xié)同，更真正打破了轉(zhuǎn)診石沉大海的困境，為醫(yī)療服務(wù)提供方后臺管理帶來前所未有的流程透明性與可觀測性。

■ 一體化平臺：拒單率降低98%，文檔處理效率提升超6倍

Tennr的產(chǎn)品并非由多個(gè)功能拼湊而成的工具箱，而是圍繞醫(yī)療文檔流轉(zhuǎn)與轉(zhuǎn)診協(xié)同構(gòu)建的“操作系統(tǒng)式平臺”。整個(gè)系統(tǒng)以文檔為中心，將轉(zhuǎn)診、授權(quán)、計(jì)費(fèi)、合規(guī)等一系列后臺流程整合進(jìn)一套自動化路徑中。

平臺可自動識別傳真、掃描件等輸入內(nèi)容，并根據(jù)患者信息、文檔類型及緊急程度進(jìn)行智能分類。即便一份表單中涉及多個(gè)患者，Tennr的“Multi Patient”模塊也能精準(zhǔn)拆分歸檔，確保信息準(zhǔn)確分發(fā)至對應(yīng)流程。

平臺還可將復(fù)雜的訂單、轉(zhuǎn)診申請和賬單信息自動填入EHR，大幅減少手動輸入負(fù)擔(dān)。并且，系統(tǒng)能實(shí)時(shí)判斷患者資格與資料完整度，并在必要時(shí)發(fā)出提醒，幫助機(jī)構(gòu)更快完成預(yù)審流程。其“健康編碼提取器”（THCE）模塊還能從文本中提取臨床要點(diǎn)，自動映射為ICD、CPT、HCPCS等標(biāo)準(zhǔn)醫(yī)療編碼，打通從轉(zhuǎn)診到報(bào)銷的關(guān)鍵鏈條。同時(shí)，所有文檔管理過程均可審計(jì)回溯，確保合規(guī)性要求得到滿足。

識別傳真、理解語音、追蹤狀態(tài)——Tennr所解決的，正是醫(yī)療系統(tǒng)中那些日復(fù)一日、重復(fù)低效卻又至關(guān)重要的后臺操作冗余問題。它沒有試圖顛覆流程，而是在不改變流程的前提下，使其運(yùn)轉(zhuǎn)得更順暢、更智能、更具可持續(xù)性。

此外，Tennr并非停留在技術(shù)試驗(yàn)層面，而是已通過多個(gè)真實(shí)場景驗(yàn)證其落地能力與系統(tǒng)價(jià)值。Tennr已服務(wù)包括Norco Inc.、HomeMedix、MPOWER Health等多家醫(yī)療機(jī)構(gòu)，覆蓋居家護(hù)理、骨科轉(zhuǎn)診等高頻服務(wù)場景。

醫(yī)療客戶反饋顯示，平臺每周可幫助其節(jié)省數(shù)百小時(shí)人工操作，將轉(zhuǎn)診確認(rèn)周期從3–5天壓縮至24小時(shí)，并有效減少紙質(zhì)表單帶來的重復(fù)錄入問題。而據(jù)官網(wǎng)披露，Tennr幫助客戶將拒單率降低了98%，文檔處理效率提升超過6倍，真正實(shí)現(xiàn)了“無感部署、實(shí)效可見”的AI賦能。

03

“流程智能”將成為醫(yī)療AI的長期應(yīng)用場景

Tennr的落地路徑為醫(yī)療AI打開了新的想象空間。相較于聚焦臨床、試圖輔助醫(yī)生診斷等路徑，Tennr選擇了另一條更具普適性的切口——從“流程智能”切入，專注于文檔處理、數(shù)據(jù)結(jié)構(gòu)化與轉(zhuǎn)診追蹤等后臺環(huán)節(jié)，成為提升醫(yī)療系統(tǒng)運(yùn)行效率的關(guān)鍵“潤滑劑”。

“流程型AI”正日益成為行業(yè)中實(shí)踐性最強(qiáng)、使用頻次高、擴(kuò)展?jié)摿Υ蟮膽?yīng)用之一。

中國的醫(yī)療AI賽道也正在呈現(xiàn)出類似的“流程智能”趨勢。越來越多企業(yè)不再將AI能力局限于影像診斷等單點(diǎn)任務(wù)，而是將目光投向醫(yī)保審核、患者管理、醫(yī)患溝通等高頻但非結(jié)構(gòu)化的信息流轉(zhuǎn)環(huán)節(jié)。國內(nèi)多家企業(yè)正在加快“流程型AI”的拓展。

例如，訊飛醫(yī)療推出的“醫(yī)保智能審核系統(tǒng)”，已在多地落地，通過自然語言處理與知識圖譜技術(shù)，實(shí)現(xiàn)了病歷審核的自動提示與智能稽核，幫助醫(yī)院提升醫(yī)保合規(guī)性與運(yùn)營效率；百度健康則以大模型驅(qū)動“多病種患者管理”平臺，通過語音識別、對話式AI等手段，將醫(yī)生與患者之間的日常溝通記錄轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)，用于隨訪、預(yù)警與健康管理。

這些探索表明，AI正從“輔助診斷”進(jìn)一步向“賦能運(yùn)營”延展，中國醫(yī)療AI企業(yè)正走出“點(diǎn)式智能”，向系統(tǒng)型協(xié)同邁進(jìn)。Tennr與本土企業(yè)的探索路徑也為更多創(chuàng)新企業(yè)提供了借鑒思路——在流程冗余、信息孤島與低效協(xié)同之間，AI依然大有可為。

* 參考文獻(xiàn)：

[1] Becker's Healthcare. "Nearly half of referrals go uncompleted" https://www.beckershospitalreview.com/patient-safety-outcomes/nearly-half-of-referrals-go-uncompleted.html

如果您想對接文章中提到的項(xiàng)目，或您的項(xiàng)目想被動脈網(wǎng)報(bào)道，或者發(fā)布融資新聞，請與我們聯(lián)系；也可加入動脈網(wǎng)行業(yè)社群，結(jié)交更多志同道合的好友。

聲明：動脈網(wǎng)所刊載內(nèi)容之知識產(chǎn)權(quán)為動脈網(wǎng)及相關(guān)權(quán)利人專屬所有或持有。未經(jīng)許可，禁止進(jìn)行轉(zhuǎn)載、摘編、復(fù)制及建立鏡像等任何使用。文中如果涉及企業(yè)信息和數(shù)據(jù)，均由受訪者向分析師提供并確認(rèn)。