就诊收尾工作包让临床医生在收件箱把这些活拖成下班后加班之前，就先把转诊、医嘱和随访工作批完。

1. Heidi 的 $340 million 融资——其中包括 $240 million 的 CVF 承诺——说明医疗系统和投资人现在都愿意为监督式临床智能体工作流出预算，而不只是给试验性质的病历工具买单。
2. 多家同日来源都说，这个品类正从文档记录走向围绕患者就诊的监督式动作执行，因此就诊收尾工作流软件突然变得更急迫。
3. 医嘱集预填、转诊起草和就诊前病历汇总，已经被点名为下一批由临床医生复核的任务，所以第一版工作包装什么，并不再是纸上谈兵。
4. 超过 10 million 次证据查询、约 62 个点的企业激活率，说明临床医生已经在用监督式智能体辅助；下一步就是把“给答案”推进到“把获批工作真正做出去”。
5. 监管和临床安全底座仍在决定上线节奏，而英国和欧盟的延后也说明，美国系统更需要一种临床医生在环、能先安全扩开的工作模式。

催化因素。 Heidi 的融资和企业级落地说明，环境式病历记录预算已经在向临床医生监督下的动作执行扩张，而医嘱集、转诊和就诊前病历正是下一步切口。

就诊收尾工作包卡在病历草稿之后、各项工作还没在 EHR 里分散流转之前。每次就诊，它会把相关证据、拟议医嘱、转诊措辞、病历调取请求、患者说明和员工任务汇成一个工作包，并标出风险分层、必签角色和下游负责人。临床医生不必再逐个点开多个队列，而是在一条流程里整包接受、修改或驳回；一旦签字，协调员立刻拿到锁定的上下文和可直接完成的任务。产品会按专科、临床医生和动作类型记录每一次修改，只有当本地无修改通过率足够高时，后续复核才会安全收敛成更轻的卡片。结果就是：临床医生下班后补工更少，转诊、排班和病历团队的交接漏项也更少。

差异化。 环境式病历记录厂商止步于病历记录，转诊接收工具只守一个队列，EHR 收件箱工具则逼着临床医生逐条把下游工作做完。这个概念拿下的是病历完成与运营执行之间的那一刻——把每个下一步都装进一个就诊收尾工作包，证据齐全、下游责任人明确。真正的护城河在于本地无修改通过率遥测：哪些专科、哪些任务类型、哪些证据排布，能稳定通过临床医生签字而不用修改，从而让复核时间随着时间推移安全地塌下来。

待完成任务

flowchart LR
  Visit[Completed visit] --> Packet[Visit-close packet]
  Packet --> Signoff[Clinician sign-off]
  Signoff --> Queues[Referral, order, and follow-up queues]
  Queues --> Outcome[Less after-hours work]

高管要点

• 痛点是当下就有、而且已有预算：下班后 EHR 工作、病历记录、提醒和转诊协调，仍在吃掉大量临床医生和员工时间；与此同时，医疗系统已经在为企业级环境式 AI 掏钱，想把这部分负担压下来。
• 这个机制不算常见，但也不是纯无人区：公开厂商已经给出病历草拟、医嘱捕获、患者消息草拟、患者说明和 EHR 交接，但还没有谁公开把“厂商无关的就诊收尾工作包 + 跨队列本地无修改通过率数据”当成产品主叙事。
• 竞争是真实存在的，而且正在逼近。Abridge、Heidi、Epic、Microsoft 级 Copilot、Suki 和 Nabla 都在从转录往更广的工作流环节走，所以切口不能只停在“智能体化临床行政”这么宽泛的说法。
• 可触达市场站得住，但比泛化的临床 AI 故事更窄：第一块真正的滩头市场，是那些拥有雇员制门诊团队、已经部署环境式 AI、并且下游运营集中化的美国多院区医疗系统。
• 如果现有厂商很快把等价的跨队列签字放行打包进现有合同，或者试点没能把编辑负担降到足以减少而不是增加临床医生复核工作，这个概念就会被证伪。

市场定义

面向美国医疗系统、带服务交付的临床工作流自动化：把环境式 AI 病历记录产出，转成已签字放行的就诊后执行动作，覆盖转诊、医嘱、患者说明和员工跟进队列。

用户与买方

一线操盘手主要是由 CMIO 牵头的信息化团队、门诊运营负责人、转诊或收件箱经理，以及美国多院区、雇员制门诊体系里的专科业务线管理者。真正拍预算的，通常是 CMIO、首席医疗官、门诊运营 VP，或已经对环境式 AI ROI 和临床体验负责的数字医疗负责人。

购买触发点

• 即便环境式 AI 已经铺开，下班后病历记录和跟进负担依然看得见，这会逼着团队继续解决“病历写完之后还发生什么”。 [1][3][4]
• 医疗系统已经在做企业级环境式 AI 投入，后续扩张的压力自然会转向医嘱、转诊、编码和下游工作流 ROI。 [5][6][7][19]
• Epic 原生 AI 和类似工具，正在让临床医生习惯于在 EHR 里直接拿到医嘱草稿、患者说明、后续跟进和消息回复，这也把就诊后执行软件的门槛抬高了。 [9][10]

支付意愿

付费意愿站得住，因为医疗系统已经在为大规模环境式 AI 部署和后续扩张掏钱。Abridge 表示其产品已进入 100 多个医疗系统；Heidi 则披露 ARR 增长很快、企业激活也在提升，并公开列出每位临床医生每月 $150 的方案，而团队版和企业版仍走定制化销售。 [5][6][7][19]

品类动态

增长信号 虽然没有保留干净的公开 CAGR，但从厂商的 ARR、部署和使用信号看，这个品类的增速明显高于常规医疗 IT 水平。

验证信号

• Abridge 表示，它已部署到 100 多个医疗系统，并正向更广的临床和财务工作流扩张。
• Geisinger 的 Abridge 用户已超过 1,000 人；病历时间少了约 45 分钟（按每 8 个排班小时计）；初级保健中的自报倦怠也下降了。
• Heidi 披露，已支持 175 million 次患者就诊，企业激活率约 62%，并明确从病历记录扩展到监督式执行。
• Epic 公开表示，Art 可以起草病历、医嘱、诊断、患者说明、消息回复和转诊上下文，这说明病历完成后的这些环节已经开始产品化。
• 大型初级保健体系里的转诊协调员，本来就在管审批、排期、EMR 记录和转诊闭环，这说明要被替代的人工流程是具体存在、而且有预算支持的。

监管与技术约束

• ONC 的 HTI-1 规则要求厂商提供的预测模型具备预测型 DSI 透明度、持续维护和风险管理实践。
• FDA 的 CDS 指南让一部分面向临床医生的支持功能留在器械范围之外，但对仍属受监管器械的软件功能，器械政策义务依然存在。
• HIPAA Security Rule 的 NPRM 直接点出违规泄露、网络攻击和常见合规缺陷增加，这说明买方对涉及 ePHI 的工作流会提更高要求。
• 临床医生仍必须复核、编辑并签字，所以医嘱、转诊和患者说明在早期能往自动化推进多远，天然有上限。
• 去向队列、医嘱录入规则和转诊闭环流程，在不同机构之间差异很大，这会抬高实施工作量。

这个市场分成四层、而且彼此重叠：想往下游走的环境式 AI 病历记录平台；在同一套栈里起草病历和相邻动作的 EHR 原生 AI 套件；提供结构化数据和 EHR 交接原语的集成优先厂商；以及仍靠人工完成转诊和后续跟进的既有协调员体系。拟议中的创业公司横跨这四层，它要抢占的，就是把就诊收尾工作包定义成临床医生复核与运营放行的基本单元。

为什么现有厂商不会默认胜出

• 环境式 AI 平台. 它们先赢下病历采集，也正往相邻动作延伸，但公开定位仍更多围绕病历记录、编码或宽泛的助手叙事，而不是围绕一个可衡量无修改通过率的跨队列就诊收尾工作包。
• EHR 原生 AI 套件. 它们在工作流里的卡位最深，但公开功能集合仍更像是在单一 EHR 里堆叠草稿、摘要和单点自动化，而不是面向下游团队和多个队列的厂商无关编排层。
• 人工协调员与收件箱团队体系. 它仍是默认替代方案，因为它能处理本地例外、支付方怪异规则和各诊所自定义的分流方式；但这套体系人力密集、难以放大，也让临床医生和员工继续陷在复核与闭环收尾工作里。

就诊收尾工作包一开始应只做美国市场，服务对象是已上线环境式 AI 病历记录、但病历起草完后仍要让医生在不同队列里分别收尾转诊、医嘱、患者指导和后续跟进任务的 5-15 家医院区域型医疗系统。眼下最痛的点在于，环境式 AI 病历记录减轻了写病历负担，却没把下班后的就诊收尾工作拿掉，CMIO 和门诊运营负责人因此面对清晰可见的 ROI 缺口，以及持续不退的医生倦怠。MVP 应先把低风险的就诊后任务汇成一个需要医生签署的工作包，把获批任务直接路由到现有协调员工作清单，并在提高自主放行比例之前，按专科和动作类型记录无修改通过率。相比泛化的临床智能体套件，这个滩头市场更窄、也更容易更快跑出证据，因为首轮验证要在一个主导 EHR 和两条可复用服务线上证明医生复核时间更短、下游澄清回路更少，而不是展示笼统的 AI 广度。研究支持的 TAM 约为 "$515.0M"，滩头市场 SAM 约为 "$126.0M"，初始 SOM 约为 "$11.9M"，但这些数字建立在价格锚和雇佣制医生假设上，而不是披露出来的品类支出。公司要赢，前提是赶在现有厂商把同类跨队列签署能力打包进产品之前，先成为环境式 AI 病历记录厂商、EHR 和转诊运营之间与厂商无关的放行层。最大的证伪风险有两个：医生修改率始终太高，工作包省不下时间；以及实施长期过度依赖服务，人力占比太重，毛利率始终拉不回正常水平。由于输入材料没有披露真实客户预算，前 12 个月必须验证三件事：付费试点需求、可复用的实施模板，以及低风险工作包要素的无修改通过率门槛。

问题

• 环境式 AI 病历记录把病历先起好后，医生仍要在分散的 EHR 队列里分别收尾转诊、医嘱、患者指导和工作人员后续任务，因此下班后的补工和碎片化复核一个都没消失。
• 转诊和排班团队接手的常是半成品草稿、上下文又不全，只能反复重开任务、追着补澄清，也让门诊负责人更难证明环境式 AI 的 ROI。

解决方案

• 把每次就诊里的转诊草稿、医嘱建议、患者指导、病历调取请求和后续跟进任务，汇成一个有证据支撑、带风险分层、明确下游责任人的工作包。
• 继续由医生做最终签署人，把获批工作立刻送进现有协调员队列，并随着本地无修改通过率上升，逐步判断哪些工作包要素可以从完整复核转向更轻量的签署。

为什么我们会赢

• 这个切口比泛化临床智能体的故事更窄：只做一个就诊收尾放行层，卡在病历草稿和多队列运营执行之间。
• 按专科、医生和动作类型积累的无修改通过率遥测，能滚成护城河，而病历生成器和单队列工具天然不掌握这层数据。
• 现有厂商已经能起草这条流程里的部分环节，但公开定位仍围绕病历、医嘱或消息展开，而不是厂商中立的工作包放行层加下游完成度基准。

里程碑

flowchart LR
  Wedge[Visit-close packet wedge] --> MVP[Low-risk packet MVP]
  MVP --> Proof[Lower review time and fewer clarification loops]
  Proof --> Expansion[More service lines and benchmark moat]

创始团队

实验路线图

风险评估

必须成立的条件

• 至少有 3 家、且位于前 10 个合格医疗系统名单里的客户，愿意直接出钱做付费试点，而不是等 Epic 或现有环境式 AI 厂商的路线图。
• 初级保健和心内科的低风险工作包要素，无修改通过率能做到至少 60%，并在 60 天内达成。
• 在医生仍为最终签署人的前提下，每次符合条件就诊的医生复核时间中位数能压到 90 秒以下。
• 获批工作包能显著减少下游澄清回路或转诊闭环延迟，让门诊运营能算出足以立预算的 ROI。
• 前 2 次部署之后，实施足够模板化，规模化时目标毛利率仍能守在 70% 以上。

待尽调问题

• 在一家初级保健门诊和一家心内科门诊里，哪些工作包要素——转诊、医嘱建议、患者指导、病历调取请求，还是工作人员任务——复核通过得最快？
• 当环境式 AI 厂商扩张方案和第三方工作包层同时可选时，目标买方更常偏向哪一种？
• 什么基线指标最能推动预算负责人拍板：下班后 EHR 时间、转诊闭环率、澄清回路，还是协调员生产率？
• 哪些 EHR 与环境式 AI 组合占据滩头市场，这些组合之间的实施模板到底有多可复用？
• 在批准打包化的医嘱和转诊草稿之前，CMIO、合规和法务委员会各自要看哪些治理材料？

模型合理性

• 收入引擎. 基准情景收入来自 7 个付费医疗系统客户（Q4Y3）；首批 3 个共创客户会跑出 6 个正式生产系统，其中 4 个再扩成更高价值的多服务线合同。
• 必须跑通的环节. 前两次部署必须把无修改通过率推到 60% 以上，同时明显压缩实施时间，毛利率才有可能从试点式的 35% 爬到 70% 以上。
• 模型最脆弱处. 模型最脆弱的是销售周期：只要大致晚一个季度，敏感性表里会先少掉约 $255K 的 Y3 收入，期末现金再少约 $369K。
• 下一轮融资证明点. seed 轮故事要站住，得先拿到 2 个正式生产转化、低风险要素 60% 的无修改通过率、50% 的审阅时间下降，以及第一套 EHR 和环境式 AI 病历记录模板上看得见的实施工时压缩。

情景

敏感性

flowchart LR
  Targets[Qualified target systems] --> Assessments[Workflow assessments]
  Assessments --> Pilots[Paid design-partner pilots]
  Pilots --> Production[Production packet subscriptions]
  Production --> Expansion[More clinics and service lines]
  Expansion --> Revenue[Revenue]
  Revenue --> GrossProfit[Gross profit]
  GrossProfit --> Cash[Cash runway]

警示项: 这套计划到 7 个付费系统（Q4Y3）就收官，所以只要有一家医疗系统采购或上线延后，全年结果就会明显变样。 · 只有前两次部署之后，每新增一条服务线的实施时间明显下降，毛利率才过得了长期 70% 目标；如果服务继续保持定制化，下行情景里的现金会被压到约 $0.2M。 · 正式生产 ACV 按部分服务线覆盖而不是全系统铺开计算，所以每个已落地系统内部仍得继续扩张，研究里的 SOM 才谈得上。 · 业务到 Y3 也只是接近 EBITDA 盈亏平衡，下一轮融资能不能讲通，靠的是证明里程碑，不是单看盈利。 · 现金直接按 EBITDA 建模，不包含回款时点、递延收入、资本开支和任何后续融资。

• 工作流差异. 每家医疗系统对医嘱、转诊和下游员工队列的配置都不同，这会拖慢上线，也会削弱可复制性。 缓解措施: 先在常见 EHR 和环境式厂商组合上，拿两到三条可复用的服务线模板；只有当工作包结构真正稳定后，再往外扩。
• 医生信任起不来. 如果工作包还是需要改太多，临床医生就会把它当成又一个收件箱，而不是实打实的省时工具。 缓解措施: 先从低风险任务类型起步，只有无修改通过率达到门槛后，才缩短复核或扩大自主比例。
• 厂商挤压. 环境式病历记录厂商或 EHR 厂商一旦看见这个工作流有价值，可能很快把自己的就诊收尾任务包补上。 缓解措施: 坚持对病历来源保持厂商中立，并把无修改通过率和下游完成基准数据握在自己手里——这是单一厂商工具不容易拼出来的。