医疗保健成本的多十年上升趋势预计不会在短期内逆转。为寻找解决方案，Adun Akanni 和 TJ Ademiluyi 于 2020 年联合创立了 Alaffia Health。作为 TechCrunch Disrupt Battlefield 200 参赛初创企业之一，该公司利用机器学习技术识别医疗索赔中的欺诈、浪费及滥用行为。
核心洞察与技术应用
联合创始人 Ademiluyi 表示：“创立 Alaffia 时，我们充分利用了家族医疗账单公司的关键洞察。发现系统中的大部分浪费源于自然人为错误、理赔处理缺乏透明度，以及医疗服务提供者与支付方激励措施不一致。Alaffia 旨在基于深厚的医疗健康领域专业知识，利用新兴机器学习和人工智能技术解决这些问题。”
Alaffia 主要面向健康保险支付方及为员工提供健康保障的企业销售服务。该平台利用 AI 从医院账单中提取并标准化数据（含医疗计费程序代码和服务日期），通过发现账单错误和超额收费来降低支付方支出。
医疗账单错误的成因与影响
医疗账单错误通常源于重复计费、错过提交截止日期及患者信息记录不准确。此外，诊断代码不具体导致的高编码（upcoding）和低编码（undercoding）也是常见问题：前者指报告的服务级别高于实际接受或未接受的服务；后者指计费代码未能涵盖医生工作的全部范围。
据美国医疗保险和医疗补助服务中心数据，预计医疗费用将从 2021 年到 2030 年平均增长 5.1%，达到 6.8 万亿美元，其中相当一部分源于理赔错误。估计美国约 80% 的理赔至少包含一个医疗账单错误，每年因提供者欺诈、浪费和滥用造成的损失高达 3000 亿美元。
Ademiluyi 指出：“由于医疗系统缺乏数据标准化，这是一个极具挑战性的技术问题，因此我们使用内部标注团队生成的训练数据对机器学习模型进行了严格训练。”
审核机制与市场竞争
Alaffia 审查设施账单中的“拆分计费”（unbundling）等错误，并检查植入物和手术等复杂理赔的准确性。公司聘请注册护士、认证编码员和认证计费员交叉验证 AI 发现，并由临床审查团队复核每份理赔及其对应医疗记录。
在竞争格局方面，Ademiluyi 将手动处理和审核索赔的传统行业参与者视为主要对手。但该领域亦有其他 AI 初创公司入局：Anomaly 提供检测医疗账单异常的 AI 平台；Nym 的技术可将医生咨询中的医疗图表和电子病历自动转换为可审计的计费代码。
业务进展与未来展望
Alaffia 已逐渐获得关注与资金支持。目前服务覆盖参保成员总数超 30 万，并从 Anthemis、1984 Ventures、Aperture Venture Capital、Tau Ventures、Twine Ventures、Plug and Play Ventures 及 ERA Remarkable Ventures Fund 等投资者处筹集了 660 万美元风险投资。
Ademiluyi 透露，2022 年收入有望实现同比翻倍以上。近期计划是扩大商业足迹和产品 offerings，首先从直接向患者提供医院账单审核服务开始。公司目前雇佣略多于 20 人，预计年底前再招聘 5 人。
Ademiluyi 强调：“幸运的是，我们所在的行业具有抗衰退性。无论疫情、宏观趋势或利率前景如何，人们仍需就医治疗。当患者接受治疗时会导致更多医疗支出，这有利于我们的业务，因为我们审查生成的医院账单中的错误。随着市场进入放缓阶段，大型企业——包括我们支持的保险公司和雇主——实际上正在寻找降低支出的方法，我们通过减少医疗支出来直接支持这一点。因此，我们认为疫情和当前经济放缓对业务总体上是积极的。”