السوق التي تركز عليها الشركات الكبرى، حققها طبيب واحد بدخل سنوي يبلغ 100 مليون دولار

اسأل الذكاء الاصطناعي · كيف حقق خلفية “الطبيب” معجزة تجارية في مجال الطب المدعوم بالذكاء الاصطناعي؟

تنتمي هذه الصورة إلى إنتاج بالذكاء الاصطناعي

إنتاج｜مجموعة HuXiu Tech

المؤلف｜SnowyM

التحرير｜Chen Yifan

الصورة الرئيسية｜إنتاج بالذكاء الاصطناعي

“AI الأصلي 100” هو برنامج مبتكر خاص أطلقته مجموعة HuXiu Tech موجهًا للابتكار “الأصلي للذكاء الاصطناعي”. وهذه هي المقالة رقم 「47」 ضمن هذه السلسلة.

لا تفتقر شريحة الطب المدعوم بالذكاء الاصطناعي إلى القصص، لكن القليل فقط من يصل فعلًا إلى تشغيل دورة العمل التجارية بشكل كامل. Abridge واحدة من هذه الحالات.

ليست مجرد قصة تمويل، بل إنها تحقق بالفعل أرباحًا: أكثر من 150 مؤسسة طبية تستخدمها، وتجاوزت إيراداتها السنوية 1 مليار دولار، كما تضاعفت قيمة الشركة تقريبًا من نهاية 2024 إلى منتصف 2025. وفي الوقت الذي لا يزال فيه كثير من شركات الطب بالذكاء الاصطناعي في مرحلة إثبات المفهوم، كانت Abridge قد أنجزت القفزة من المنتج إلى النطاق.

وراء ذلك يوجد اتجاه صناعي يحدث الآن: وفقًا لتقرير The Information، تبلغ قيمة محرك البحث المدعوم بالذكاء الاصطناعي Perplexity 170 مرة من الإيرادات السنوية، وAnthropic 58 مرة، وOpenAI 43 مرة. علاوة المستثمرين على شركات تطبيقات الطبقة العليا تتجاوز، بشكل منهجي، شركات نماذج الأساس. رأس المال “يصوت بالمال”: فالذكاء الاصطناعي العمودي الذي يفهم حقًا صناعة ما، ويتوغل بعمق في سير العمل، يكون أثمن من بيع “مجرفة” الإكسسوارات. Abridge هي النسخة الطبية لهذا الحكم.

وتسير قصة تمويل هذه الشركة بسلاسة أيضًا: خلال 7 سنوات، وصلت إلى تقييم 5.3 مليار دولار، وجمعت 760 مليون دولار. خلف هذه الأرقام المتتابعة توجد قصة قلب طبيب بدأ من كتابة “ملاحظات السهرة” لمدة ساعتين يوميًا إلى تأسيس شركة ذكاء اصطناعي.

في الولايات المتحدة، قضاء ساعة في العيادة يعني كتابة السجل الطبي لساعتين. كثير من الأطباء بعد انتهاء الدوام ما زالوا يعكفون في المنزل على تكملة الملاحظات، وهذه الفترة تُسمى “وقت البيجاما”. ما تفعله Abridge هو استعادة هاتين الساعتين للأطباء؛ إذ بعد أن يتحدث الطبيب مع المريض، يتم خلال ثوانٍ توليد ملاحظات سجل طبي مُهيكلة تلقائيًا.

فريق البحث والاستثمار لدى UpHonest Capital، شركة رأس المال المغامر في وادي السيليكون، قال لـ HuXiu إن جوهر Abridge هو إنشاء مدخل لسير العمل الإداري الطبي باستخدام الذكاء الاصطناعي. وتتمثل قيمتها طويلة الأجل في ما إذا كانت ستترقى من أداة لخفض التكاليف إلى نظام يولد الإيرادات (تسجيل أوامر الطبيب - ترميز التأمين - استئناف المطالبة). كما أن الرهان هو بناء مكان لا يمكن الاستغناء عنه داخل نظام EHR. ومن منظور الوضع الحالي، تبني Abridge حواجز في ثلاثة جوانب: إغلاق دورة البيانات والتكيّف العميق مع السيناريوهات السريرية؛ تصميم ذكاء اصطناعي موثوق؛ وأخيرًا دمج EHR. وتتمثل مساحة التخيل الأكبر مستقبلًا في الانتقال من “الأداة التي تحتاج إلى إنفاق” إلى “محرك يولد قيمة”.

فكرة قديمة تم تفعيلها بواسطة النماذج الكبيرة

هناك نقطة زمنية سهلة الإغفال في هذه القصة: تأسست Abridge في 2018، وظهر ChatGPT في 2022.

Shiv Rao، مؤسس Abridge، طبيب قلب في مركز جامعة بيتسبرغ الطبي، وفي الوقت نفسه يشغل منصبًا تنفيذيًا في قسم رأس المال المغامر لدى UPMC، مسؤولًا عن تقييم التقنيات الطبية في الطليعة. في 2018 بدأ ريادة الأعمال، مستخدمًا أفضل التقنيات المتاحة في ذلك الوقت—نماذج مُسبقة التدريب مثل BERT وBioBERT وLongformer. يمكن لهذه النماذج ضبطها دقيقًا للمهام المحددة، لكنها لا تملك القدرات نفسها مقارنة بالنماذج اللغوية الكبيرة التي ظهرت لاحقًا.

من 2018 إلى 2022، استغرق الفريق 4 سنوات لتطوير المنتج دون استعجال طرحه في السوق. كانت دورة المبيعات طويلة حتى 18 شهرًا، إذ كانت قرارات الشراء في المستشفيات بطيئة وحذرة.

في 2021، شارك Shiv في مأدبة عشاء صناعية حول الذكاء الاصطناعي التوليدي. بعد سنتين، تلقى عددًا لا يحصى من الاتصالات من أشخاص عادوا من تلك المأدبة: “الآن فهمت الأمر، وسأحاول أيضًا.”

ظهور النماذج الكبيرة لم يكن يعني تغيير ما كانت Abridge تفعله، بل تغيير فهم الجميع لهذه المسألة. العملاء الذين كانوا يحتاجون 18 شهرًا لإقناعهم بدأوا، تقريبًا بين ليلة وضحاها، بالتوجه للمحادثة بأنفسهم. وصف Shiv هذه العملية بأنها “تحويل الطاقة الكامنة إلى قوة اندفاعية.”

المنطق الأساسي لدى Abridge—فهم دلالات الحوار وتوليد نص مُهيكل—هو بالضبط ما تجيد النماذج اللغوية الكبيرة القيام به. لذا عندما ظهر GPT، لم تكن Abridge تسعى خلف التقنية، بل إن التقنية أخيرًا لحقت بتصميم منتجها.

Shiv، خريج جامعة كارنيغي ميلون في بكالوريوس، لا يعتمد في حكمه التقني على الحدس. كان في فريقه أستاذ ذكاء اصطناعي من CMU يشغل منصب CSO. وتستخدم الشركة في الوقت نفسه نماذج لغوية كبيرة على نطاق الإنترنت ونماذج مفتوحة المصدر للضبط الدقيق (بما في ذلك DeepSeek وغيرها). ومن وجهة نظره، في كل مرة يحقق نموذج الأساس تقدمًا جديدًا، فهذا خبر إيجابي لشركات طبقة التطبيقات: الشركات التي تعرف كيفية تحويل هذه التقنيات إلى حالات استخدام محددة ستستفيد بالقطع.

من الحوار إلى السجل الطبي: كيف يعمل المنتج

يبدو ما تفعله Abridge بسيطًا: تسجيل محادثات الطبيب والمريض، وتوليد ملاحظات السجل الطبي تلقائيًا. لكن الصعوبة الفعلية تكمن في أن بيئة الحوار الطبية صاخبة، وتمتزج فيها اللهجات، وتتشابك المصطلحات الطبية مع اللغة اليومية. وقد تم تدريب محرك التعرف على الصوت لدى Abridge خصيصًا لمثل هذه السيناريوهات.

والأهم من ذلك هو أن Abridge لا تكتفي بالنسخ الحرفي؛ بل يجب عليها أيضًا فهم محتوى الحوار وتوليد ملاحظات مُهيكلة وفق المعايير الطبية—أي بصيغة SOAP: الشكوى الرئيسية، الفحص الموضوعي، التقييم، والخطة. بعد أن يستلمها الطبيب، يحتاج فقط إلى تعديل بسيط ثم توقيعها.

تم دمج Abridge في Epic، وهو نظام السجلات الطبية الإلكترونية الذي يغطي 42% في الولايات المتحدة. بعد انتهاء الاستشارة، تظهر الملاحظات داخل Epic خلال دقائق. حاليًا، يدعم أكثر من 55 تخصصًا وأكثر من 28 لغة، بما في ذلك سيناريوهات تبديل اللغة في منتصف الحوار، أو عند وجود تدخل للترجمة.

أهم ميزة في Abridge تُسمى Linked Evidence (الأدلة المرتبطة): كل جملة يولدها الذكاء الاصطناعي تكون مرتبطة بالجزء المقابل في الحوار الأصلي. عندما يرى الطبيب “ألم صدر لدى المريض مستمر لمدة ثلاثة أيام”، يمكنه النقر ليستمع إلى تسجيل تلك اللحظة. يجيب هذا التصميم مباشرة عن أكبر شك لدى المجال الطبي تجاه الذكاء الاصطناعي—ماذا لو اخترع الذكاء الاصطناعي محتوى؟ تُظهر البيانات أن نظام Abridge قادر على التعرف على 97% من محتوى الأخطاء الذي يولده الذكاء الاصطناعي؛ بينما هذا الرقم لدى النماذج العامة الكبيرة هو 8% إلى 90%.

وراء دقة كهذه توجد بنية تقنية ليست بسيطة. لتوليد ملاحظة سريرية تبدو عادية، قد تستدعي Abridge في الخلفية وتنسق بين 15 إلى 20 نموذجًا مختلفًا؛ بعضها مسؤول عن استخراج المحتوى المطلوب لمراجعة شركة التأمين، وبعضها مسؤول عن توليد نسخة قابلة للقراءة للمرضى، وبعضها متخصص في التعامل مع الترميز الطبي. وبحسب كلمات Shiv، فهذا “محرك استدلال موجه بالسيناريو” وليس “غلافًا” عامًا لنموذج واحد.

وتؤكد تطورات المنتج هذا أيضًا. كان البداية تطبيقًا مجانيًا موجهًا للمرضى، يتيح للمرضى تسجيل حوار غرفة الفحص والحصول على ملخص. في هذه المرحلة تم تجميع أكثر من 1.5 مليون سجل محادثات طبية، لتصبح أساسًا لتدريب النماذج. ومنذ 2022 انتقلت الأولوية إلى العملاء من الشركات، وتم دمج المنتج مع أنظمة السجلات الطبية الإلكترونية في المستشفيات. في 2023 إلى 2024، أصبحت شريكًا رسميًا ضمن الدفعة الأولى مع Epic، كما تم تضمين قاعدة المعرفة السريرية الأكثر موثوقية عالميًا UpToDate داخل عملية الملاحظات. في 2025، تم التوسع إلى المستندات التمريضية، والتعاون مع Mayo Clinic لتطوير نسخة مخصصة للممرضات.

حاليًا، ما تزال Abridge تعمل على الترميز الطبي ومراجعة الفواتير. أثناء توليد الملاحظات، تقترح Abridge تلقائيًا الأكواد، مما يساعد المستشفيات على تحسين نسبة سداد التأمين. وهذا يجعلها بالنسبة إلى مدير المالية لدى المستشفى (CFO) أداة من “خفض التكاليف” إلى “تحقيق تدفق نقدي إيجابي.”

بيانات النتائج: الأطباء الذين يستخدمون Abridge يوفرون نحو ساعتين يوميًا من وقت المكاتبات. 86% من الأطباء خفضوا وتيرة كتابة الملاحظات بعد الدوام. تُظهر دراسة KLAS لعام 2024 أن تقييم رضا المستخدمين لـ Abridge يبلغ 95.3%، وهو أعلى بكثير من متوسط الصناعة.

منطق التمويل داخل “ثقب” تريليون دولار

تصل Abridge إلى ما هي عليه اليوم بسبب سبب هيكلي: إنها تقع في مساحة ألم كبيرة بما يكفي، لم تُحل فعليًا على المدى الطويل.

تصل الإنفاقات على الإدارة الطبية في الولايات المتحدة سنويًا إلى ما بين 600 مليار إلى 1 تريليون دولار، أي 15% إلى 25% من إجمالي الإنفاق على الرعاية الصحية. وبالنسبة للطبيب الفردي تحديدًا: يخصص في المتوسط 15.5 ساعة أسبوعيًا للمهام الإدارية، ويقضي 6 ساعات في يوم عمل واحد على السجلات الطبية الإلكترونية. يعاني 93% من الأطباء غالبًا من الاحتراق المهني، وينسب 62% ذلك إلى العبء الإداري. الخسائر التي تتسبب فيها استقالة الأطباء بسبب إرهاقهم في الولايات المتحدة سنويًا تقدر بنحو 4.6 مليارات دولار، ويصل تكلفة تعويض شاغر مباشرة إلى 1 مليون دولار.

هذه ليست مشكلة كفاءة، بل اختناق في الموارد البشرية. يمكن لـ “كاتب ذكاء اصطناعي” أن يعمل 24 ساعة، وأن يوسع بسرعة دون الحاجة إلى تدريب، لذلك يصبح خيارًا بديلًا وليس مجرد أداة مساعدة.

منطق المستثمرين مبني على هذا الأساس. مسار تمويل Abridge هو خط تسريع شبه بلا توقف: 5 ملايين دولار في جولة البذور في 2018، ثم نحو 27 مليون دولار تراكميًا بحلول 2022. في نهاية 2023، 30 مليون دولار في جولة B. في فبراير 2024، 150 مليون دولار في جولة C. في فبراير 2025، 250 مليون دولار في جولة D (تقييم 2.75 مليار دولار). بعد 4 أشهر فقط، في يونيو 2025 تم إتمام جولة E بـ 300 مليون دولار، لتتضاعف التقييم إلى 5.3 مليار دولار.

قامت a16z بقيادة جولة E، بمشاركة Khosla Ventures وLightspeed وRedpoint وIVP وSpark Capital وUSV وBessemer. وعلى صعيد الشركاء الاستراتيجيين في مجال الرعاية الصحية، شارك أيضًا: رأس المال المغامر لدى UPMC، وMass General Brigham AIDIF، وKaiser Permanente Ventures، وCVS Health Ventures. ليست استثمارات هذه المؤسسات الطبية مجرد تأييد، بل التزامات مسبقة بنشر فعلي.

ومن ناحية الإيرادات فهي حادة أيضًا. بنهاية 2024، كانت ARR لدى Abridge حوالي 60 مليون دولار. وبحل الربع الأول من 2025 وصلت إلى 117 مليون دولار، وتضاعفت خلال بضعة أشهر.

الاختراق في ظل ظل العمالقة

دخلت Abridge مبكرًا، لكن المسار لم يعد بحرًا أزرق.

هناك سؤال يستحق إجابة مباشرة: تمتلك OpenAI وGoogle وAnthropic قدرات تحويل الكلام إلى نص، فلماذا لا تستخدمها المستشفيات مباشرة؟

جواب Shiv هو بنية طبقية واضحة: في الأسفل شركات نماذج الأساس، توفر المواد الخام التي يمكن للجميع استخدامها؛ في الوسط طبقة البنية التحتية، مسؤولة عن تنسيق نماذج مختلفة؛ وفي الأعلى طبقة التطبيقات، تركز على حل مشاكل محددة لمستخدمين محددين، وتتعمق في سير العمل بالاعتماد على مجموعات بيانات خاصة. شركات نماذج الأساس هي شركات أفقية تخدم عددًا لا يحصى من الصناعات؛ بينما شركات طبقة التطبيقات هي رأسية، تعمل في صناعة واحدة فقط لكنها تصل إلى العمق. لا يمكنها تغطية جميع المجالات والتعمق في كل مجال. هذه ليست مشكلة حجم، بل مشكلة بنية.

في قطاع الرعاية الصحية، تكون الحواجز الرأسية مرتفعة بشكل خاص. الامتثال للخصوصية شرط قانوني، وعندما تخرج البيانات من نظام المستشفى فإن ذلك يطلق خطًا أحمر تنظيميًا. “الجدارة بالثقة والموثوقية هي العملة النهائية للصفقات”—هذا هو شرط القبول في هذه الصناعة. حتى إن كانت شركة ذكاء اصطناعي عامة قوية، فمن المستحيل أن تقوم كل المستشفيات معها بإنجاز تدقيق امتثال HIPAA، وربط مخرجات النموذج في الحقول المحددة داخل Epic، ثم إجراء ضبط دقيق باستخدام بيانات رعاية من Mayo Clinic.

أهم منافس هو Nuance التابعة لشركة Microsoft. هذه الشركة الرائدة في التعرف على الصوت، تأسست في تسعينيات القرن الماضي. في الولايات المتحدة كان Dragon Medical يصل إلى أعلى نسبة اختراق في المستشفيات بلغت 77%. في 2022، استحوذت Microsoft عليه مقابل 19.7 مليار دولار، وأطلقت Dragon Ambient eXperience (DAX)، ثم تمت إعادة تسميته حاليًا إلى Microsoft Dragon Copilot. شكل المنتج مشابه تقريبًا لشكل Abridge: تسجيل، تعرف، وتوليد ملاحظات SOAP. تتمثل الميزة الأساسية لـ Microsoft في القناة: في 2025، قامت Epic بتضمين Dragon Copilot رسميًا، فأصبحت 42% من المستشفيات في الولايات المتحدة ضمن نطاق وصول محتمل له. لكن مشكلة Nuance واضحة أيضًا: الإصدارات المبكرة تحتاج إلى مراجعة بشرية، ما يؤدي إلى تأخير توليد المستندات لساعات عدة؛ ويصل التسعير إلى نحو 600 دولار لكل طبيب شهريًا، أي ثلاثة أضعاف Abridge.

أكبر تهديد للشركات الناشئة هو Ambience Healthcare، التي تأسست في 2020. تغطي أكثر من 100 تخصص، وفي يوليو 2025 أنهت جولة C بقيمة 243 مليون دولار، بتقييم 1.25 مليار دولار، لتستهدف مباشرة سوق المستشفيات الكبيرة لدى Abridge. Suki AI تركز على العيادات الصغيرة والمتوسطة، ولديها وظائف أكثر ثراءً لكن بسعر أعلى. أما التهديد الأبعد فيأتي من Epic نفسها: في 2025، طرحت ميزات المستندات Art، وAI للترميز Penny، ومساعد المرضى Emmie. بمجرد أن تنضج وظائف لدى موردي EHR، يصبح تقليل الاعتماد على طرف ثالث نتيجة طبيعية. حاليًا، تتقدم Abridge بمقدار “خطوة واحدة”، لكن المنافسة لم تبدأ بعد.

على خط زمني أطول، لا تكمن أهمية Abridge فقط في “الكتابة التلقائية للسجلات الطبية”. بل إنها واحدة من أوائل الحالات التي يدخل فيها الذكاء الاصطناعي فعلًا إلى سير عمل عالي المسؤولية، مرتفع العتبة، وخاضع لرقابة شديدة في جوهر العمل.

لكن قصتها تحتوي على هيكل آخر: يمكن لشركة أن تجعل الفكرة والبيانات راسخة قبل ظهور النماذج الكبيرة، ثم عندما تصبح التقنية جاهزة، يكون الانفجار أسرع بكثير من البدء من الصفر. استخدمت Abridge 4 سنوات في تراكم 1.5 مليون سجل محادثة طبية، و4 سنوات في التحقق من مسار تكامل سير العمل، و4 سنوات في بناء علاقة ثقة مع المستشفيات. وعندما ظهر ChatGPT، كانت هذه التراكمات هي خط البداية الحقيقي لها.

المنافسة بدأت للتو. Microsoft، عمالقة EHR، وشركات ناشئة أصيلة للذكاء الاصطناعي كلها تزيد من الاستثمار. خلال السنوات القليلة المقبلة، من المرجح أن يتحول هذا المسار من “التسجيل التلقائي بالذكاء الاصطناعي” إلى “دورة سريرية كاملة يشارك فيها الذكاء الاصطناعي”. أول من سيبقى فعليًا هو من يستطيع تعميق قدرات النماذج، والمعرفة الطبية، وتكامل النظام، وآليات الثقة في الوقت نفسه.