人工智能初创公司 Conflixis 如何保护医院免受腐败医生的侵害TechCrunch

Aaron Narva（上图）曾在 Kroll 和 FTI Consulting 等风险管理公司担任事件调查员，之后在合规软件制造商 Exiger 与一家大型国际银行客户合作。十年前该客户因洗钱丑闻成为头条新闻后，他负责监控该客户的法律合规情况。

– 当我在 Exiger 时，我们收购了一些软件业务，包括帮助从非结构化公共记录中消除风险的人工智能软件工具。我们还开发了一个工具来帮助识别大型公司业务关系中的腐败和制裁风险。”Narva 告诉 TechCrunch。

那项工作给了他一个想法冲突。医院和其他大型医疗机构也面临着与银行类似的腐败风险。制药公司和设备制造商与医生的关系非常密切，以至于医生被要求披露利益冲突：中介费、咨询费、研究经费赞助等。

很多研究表明那些过于亲密的人更有可能开出这些药物和设备，无论它们是否会给患者带来更好的结果。风险如此之大，以至于政府运行了一个名为OpenPaymentsData.com，任何人都可以看到利益冲突披露。

然而，披露此类冲突并不能解决问题，这会使医院面临法律风险。一系列法律禁止医生的此类行为，一切从斯塔克法到反回扣法 (AKS)。

与此同时，商业利益确实需要与医生（医学专家）合作，帮助他们研究新药和制造设备。所以并不是所有的互动都是被禁止的。

纳尔瓦设想了一种人工智能驱动的软件作为一种服务，可以为医院和大型医疗机构识别使医院（如果不是患者）面临风险的实际情况。 

“一个大型医疗系统的医生、供应商和供应商之间可能有 20 万个关系，”纳尔瓦说。“这 200,000 种关系中，哪一种会受到六种风险中的任何一种的影响？” 

风险范围从违反法律到不利的医疗结果。联邦政府还提供数据库发布医院护理质量信息。 

纳尔瓦给他八年级时就认识的朋友、当时 BuzzFeed 的工程总监约瑟夫·伯根 (Joseph Bergen) 打电话，询问伯根对这个想法的看法。伯根非常喜欢它，因此辞去了工作并成为联合创始人。

Conflixis 的工作原理是从 OpenPaymentsData.com 获取数据、医院采购数据、索赔数据、患者结果记录、利益冲突表格和其他来源。它分析所有冲突点，以确定医院应该调查的冲突点。

“好吧，我们研究了所有 5,000 或 10,000 个关系，[并且]这里是您需要实际研究的七个关系，”纳尔瓦举例说明。“就像，我们煮沸了海洋，这是七个。”

Conflixis 更进一步，还可以预测医院的支出并提出减少支出的方法。例如，医院是否根据与该供应商有关系的医生的推荐购买更昂贵的设备，而不是更便宜的设备？

“我们可以让医院显着降低监管风险，提高患者的信任度和透明度，是的，同时还能就他们购买的产品做出更好的运营决策，”他说。

Narva 表示，该公司成立于 2023 年，已经拥有少数客户，收入不到 500 万美元。该公司刚刚宣布完成 420 万美元种子轮融资，由 Lerer Hippeau（该基金由 BuzzFeed 前董事长 Kenneth Lerer 创立）和​​ Origin Ventures 共同领投，Mark VC、Springtime Ventures 和种子期前投资者 Cretiv Capital 参与其中。

Conflixis 加入了 Compliatric 和 Symplr 等健康行业合规软件公司的行列，尽管其中一些公司更专注于保护患者数据，而不是腐败和采购。

Narva 表示，Conflixis 的与众不同之处在于它将员工的调查工作与法学硕士的职业生涯结合起来。他说，它修改了现成的模型，根据“我们在交易监控和大数据调查中的腐败方面的背景”来寻找数据模式。 

TechCrunch 有一份以人工智能为中心的时事通讯！ 在这里注册每周三将其发送到您的收件箱。