去年，风险投资在医疗领域AI工具上的投入预计达到110亿美元，这一数字反映了业界对人工智能在关键领域发挥变革性作用的普遍坚信。
许多医疗AI初创公司正试图通过自动化行政工作来提高患者护理效率。总部位于汉堡的Elea从相对被忽视的病理实验室细分市场起步，开发了基于语音、由AI代理驱动的工作流系统。该系统旨在提高实验室生产力并实现全球影响力，未来计划将其专注于工作流的方法移植到其他医疗部门以加速产出。
Elea的初始AI工具旨在彻底改变临床医生和实验室员工的工作方式，作为传统信息系统及Microsoft Office等固定工作方式的完全替代品。它将工作流转向“AI操作系统”，部署语音转文本转录和其他自动化形式，“大幅”缩短诊断输出时间。
在与首批用户运营约半年后，Elea表示其系统已将实验室完成约一半报告所需的时间缩短至仅两天。
逐步自动化
Elea首席执行官兼联合创始人Christoph Schröder博士指出，病理实验室手动执行的逐步工作流程存在巨大的AI提效空间。“我们基本上扭转了这一切——所有步骤都更加自动化……[医生]向Elea说话，MTAs（医学技术助理）也向Elea说话，告知所见内容及意图操作，”他解释道。
“Elea作为代理执行系统中所有任务并打印物品——例如准备切片、染色等——使任务变得更快、更顺畅。”
他补充道：“它并没有增强任何东西，而是替换了整个基础设施。”这指的是他们希望取代实验室遗留系统及孤立工作方式的基于云软件。AI操作系统的核心理念在于协调一切。
该初创公司利用各种大型语言模型（LLMs），并通过专业信息和数据微调以启用核心功能。平台内置语音转文本功能用于转录语音笔记，以及“文本到结构化”功能，即将转录内容转化为主动指令驱动AI代理行动，包括向实验室套件发送指令以保持工作流运行。
Schröder介绍，Elea还计划开发自己的幻灯片图像分析基础模型以推进诊断能力，但目前专注于扩大初始产品规模。
数据显示，使用传统流程需两到三周完成的工作，在集成系统帮助下可在几小时或几天内实现。该系统通过取代手动输入报告等繁琐沟通，叠加并放大生产力增益，减少人工错误和工作流缺陷带来的摩擦。
实验室工作人员可通过iPad应用、Mac应用或Web应用访问系统，提供多种接触点以适应不同用户需求。
该公司成立于2024年初，于10月与首家实验室合作推出产品；此前在2023年处于保密状态以完善理念。Schröder曾在博世（Bosch）、Luminar和梅赛德斯-奔驰（Mercedes）从事自动驾驶AI项目工作。
另一位联合创始人Sebastian Casu博士担任首席医疗官（CMO），拥有临床背景。他曾在重症监护、麻醉科及急诊部门工作超十年，并曾任一家大型医院连锁机构医疗总监。
截至目前，Elea已与一家德国主要医院集团达成合作（未披露具体名称），该集团每年处理约7万例病例，系统目前已有数百名用户。
更多客户预计将“很快”上线。Schröder表示公司正考虑国际扩张，特别关注美国市场。
种子轮融资
该初创公司首次披露去年筹集的400万欧元种子轮融资，由Fly Ventures和Giant Ventures领投。资金已用于组建工程团队并将产品交付给首批实验室。
相比该领域每年数十亿美元的资金，这一数额较小。但Schröder认为，AI初创公司无需庞大工程师团队或数亿资金即可成功，关键在于聪明利用现有资源。在医疗保健领域，这意味着采取以科室为重点的方法，在转向下一应用领域前先成熟目标用例。
尽管如此，他确认团队将寻求进行一轮更大规模的A轮融资，可能在今年夏天。Elea将转变策略，积极营销吸引实验室采用，而非依赖初期口碑传播。
谈及与医疗保健AI解决方案竞争格局的区别时，他表示：“最大的区别在于这是一种定点解决方案，而非垂直整合。”
“许多工具是现有系统（如电子健康记录系统）之上的附加组件……这意味着用户需在另一个工具和界面外额外操作，增加了不愿使用数字硬件者的负担，限制了潜力。”
“而我们将其深度集成到自己的实验室信息系统——即‘病理操作系统’中。最终结果是用户无需使用不同界面或工具，只需与Elea通信告知所见内容及意图，Elea便在系统中完成任务。”
“此外，你不再需要成千上万的工程师——真正需要的只是十几名、二十几名极其优秀的工程师。”他指出团队约有二十几名工程师，“能够创造出令人惊叹的成果。”
“如今发展最快的公司拥有并非数百名工程师，而是一两名、十几名能构建非凡产品的专家。这也是我们的理念，因此最初并不需要筹集数亿美元。”他补充道，“这确实是一种范式转变……改变了构建公司的方式。”
扩展工作流思维
Elea选择从病理科实验室起步是一项战略决策。Schröder称这不仅因为可触达市场规模达数十亿美元，且病理领域“高度全球化”。全球性实验室公司和供应商正提升SaaS业务可扩展性，与分散的医院供应市场形成鲜明对比。
“这对我们非常有趣，因为开发一个应用程序就能实现规模化扩张——从德国到英国、美国。”他建议，“大家的思维方式、行为模式和工作流程相同。若用德语解决了问题，借助当前大语言模型，同样能用英语（及西班牙语等）解决……打开了众多机会。”
他还称赞病理科实验室是“医学中增长最快的领域之一”。分子病理学和DNA测序等医学科学进展正推动更多类型及更高频率的分析需求，增加了实验室工作量及提效压力。
他表示，一旦完善实验室用例，可能会转向支持医院医生记录患者互动等典型医疗AI应用领域，但其他应用也将紧密聚焦于工作流。
“我们希望引入一种工作流思维，即一切被视为工作流任务并最终生成待发送的报告。”他说，在医院环境中不会涉足诊断领域，而是“真正专注于将工作流操作化”。
图像处理是Elea感兴趣的另一未来应用领域，例如加快放射科数据分析速度。
挑战
准确性是关键挑战。医疗保健场景敏感，AI转录中的任何错误（如癌变组织活检相关）若与医生说法不匹配，可能导致严重后果。
Schröder表示，目前通过观察用户在AI报告中修改字符数来评估准确性。目前有5%到10%的案例需手动交互，可能表明存在错误（尽管医生也可能因其他原因更改）。团队正致力于降低手动干预比例。
他认为责任最终落在审查和批准AI输出的医生及其他人员身上。这表明Elea工作流与传统流程无异：过去由人工整理语音笔记也可能出错，现在“只是初始创建由Elea AI完成，而非打字员”。
然而，自动化提高吞吐量可能对审查环节造成压力，人类员工需处理更多数据和报告。
Schröder承认潜在风险，但表示内置了“安全网”功能。AI会尝试发现潜在问题并通过提示鼓励医生重新审视。“我们称之为‘第二双眼睛’，”他补充，“会将之前的发现报告与医生当前陈述进行评估对比，并提供评论和建议。”
患者隐私是另一担忧。Schröder声称通过分离患者身份与诊断输出来解决“数据隐私”问题，依靠伪匿名化满足合规要求。
“在整个过程中数据始终匿名——每一步只执行单一操作——然后在医生查看时于设备端整合。”他说，“处理步骤中使用临时伪ID，之后删除；仅在医生查看患者信息时在设备上整合。”
他还表示：“我们与欧洲服务器合作确保合规。主要客户是一家公有医院连锁机构——在德国被视为关键基础设施。我们需要从数据隐私角度确保安全，并已获认可。”
“最终可能超出了必要工作范围，但始终谨慎为上——尤其是在处理医疗数据时。”