时间:2026年10月7日(TechCrunch 独家披露;当日被 Yahoo Finance、RuntimeWire、ByteTech Lab 等多家媒体跟进)
地点:美国宾夕法尼亚州费城(Penn Medicine 等客户医院);加州洛杉矶(Cedars-Sinai);犹他州盐湖城(Intermountain Health);德州休斯顿(Houston Methodist);佐治亚州亚特兰大(Emory Healthcare);公司总部位于南非开普敦(2022 年创立)
人物:CEO 兼联合创始人 Josiah Meyer;联合创始人 Jemima Meyer(注册营养师、首席产品官);投资人 Sequoia Capital、First Round Capital、Hummingbird Ventures
事件详情:
TechCrunch 10月7日报道,AI 住院筛查平台 Healthleap 完成 3800 万美元融资,由 800 万美元种子轮与 3000 万美元 A 轮组成。种子轮由 Sequoia Capital 与 First Round Capital 联合领投,A 轮由 Hummingbird Ventures 领投。公司未披露估值。Healthleap 的核心产品是一款可对接医院电子病历(EHR)的 AI 风险识别引擎:每天夜间扫描所有成年住院患者的病历数据——包括化验、生命体征、体重、用药、医嘱、诊断与临床医生手写记录——利用语言模型从叙述文本里提取临床信号(近期体重减轻、肌肉流失、吞咽困难等肯定或否定表述),结合结构化数据喂入风险模型,第二天早晨把风险评分写回临床医生的工作流仪表盘。
公司联合创始人 Jemima Meyer 是注册营养师,最初为同行营养师开发了一款名为 NutriLeap 的工具,目的是在人手不足的医院里尽早识别需要营养干预的患者;后来她的兄长 Josiah 加入,把底层数据抽取能力抽象为通用诊断支持平台。Josiah 表示,Healthleap 的平台不替代医生诊断,只把可能值得复核的信号送到临床团队面前,"我们对每一个成年住院患者每晚一整夜做完整分析,第二天早上把风险评分推到医生已经习惯的工作流里"。该平台目前已部署在超过 50 家医院,覆盖 Penn Medicine、Cedars-Sinai、Intermountain、Houston Methodist、Emory Healthcare 等头部医疗体系,合作医院数量较一年前的 3 家增长超 10 倍,企业软件营收同步增长十倍以上。
Healthleap 已对 166,841 次住院、106,449 名患者的数据完成同行评议研究,发表于《Applied Clinical Informatics》:模型在住院首日的 AUROC 为 0.92,整个住院期间最高预测风险的 AUROC 为 0.95,对营养不良的灵敏度比护士版营养筛查工具(MST)高出 88%,且平均比营养师文档记录早 1.5 天。在宾夕法尼亚大学医院(HUP)单点运营中,Healthleap 营养不良项目带来 2380 万美元年化财务影响——其中 630 万来自更准确的临床文档与新增医保赔付,1750 万来自住院时长缩短释放的床位;公司公开表示,每位客户至少实现 5 倍硬性投资回报,顶尖医院超过 20 倍。
下一步,团队将把同样的"日扫 + 早预警"机制扩展到吸入性肺炎、压力性损伤、充血性心衰再入院等 40 余种主要疾病,并尝试进入门诊、康复与居家护理场景,让 Healthleap 从"院内营养筛查工具"成长为覆盖整个护理连续体的临床 AI 平台。
背景:
Healthleap 业务模式的核心创新在于"按床位计价 + 硬性 ROI 对赌":三年期合同根据医院许可床位定价,并以医院方认定的可归因财务回报作为衡量基准,"按合同约定我们保证交付合同价格的多倍回报,到目前为止每个客户都至少看到 5 倍、有些超过 20 倍的硬性投资回报率"。这一定价模式在 EHR 嵌入式 AI 领域仍属少数,与传统按席位或按调用的定价相比,更符合美国医院 CFO 对"支出必须有量化回报"的采购偏好。
更宏观的背景是,美国住院患者营养不良率在 20% 至 50% 之间,但当前实际诊断率不到 9%,是医院最被低估的临床与财务风险之一。Cedars-Sinai 公开案例显示,部署 Healthleap 后医院每年单点新增约 1050 万美元收入与节省,营养不良(E43)相关编码量提升 39%。在 CMS 越来越重视"真实病情严重度反映"的医保赔付改革背景下,把营养不良等隐性风险"早识别、早编码",正成为美国医院改善 O:E 比、住院时长与赔付净额的现实抓手。
影响:
- **医疗 AI 商业化路径跑通**:以可量化临床 + 财务 ROI 作为对赌基础,把 AI 从"实验性 PoC"推到"刚需采购"位置,给同类 EHR 嵌入式 AI 创业公司立下可复制的标杆。
- **临床叙述文本价值被重新定价**:Healthleap 模型选择基于结构化 + 叙述文本双路输入,意味着医院沉淀多年的手写临床笔记开始成为高价值 AI 训练语料,"未结构化的金矿"正在被快速变现。
- **营养风险筛查只是入口**:从营养不良到吸入性肺炎、压力损伤、再入院风险等 40 余种疾病,平台型扩展路径意味着 Healthleap 一旦站稳头部医院,就具备向其他诊断类别"横向扩张"的天然优势。
- **风险与监管并存**:公司承认多个新适应症仍在临床验证阶段,在护士与营养师短缺、医保合规与审计要求更高的美国医院体系里,"工具不替代诊断"的边界若被突破,将面临 FDA 监管与医疗责任诉讼的双重压力。
- **AI 医疗竞争升级**:在 Abridge、Ambience Healthcare、Regard 等同类临床文档与决策支持公司快速融资的背景下,Healthleap 用结果付费 + 头部医院背书的组合,把竞争维度从"功能堆叠"拉到"量化结果",对全行业产品策略产生示范效应。
总结:
Healthleap 用 3800 万美元把"每天夜里扫描病历、第二天早上把风险评分送到主管医生手里"这个临床 AI 故事讲到了 Sequoia 与 Hummingbird 愿意共同买单的位置。5 倍起步、最快首日预警的硬性 ROI,配合 50 家头部医院部署和 23.8M 美元级别的真实财务数据,把 EHR 嵌入式 AI 从"是否能做"推进到"做了之后能否交付合同对赌回报"的新阶段。对医疗 AI 行业而言,这不仅是一笔资本相对充裕的病例,更是一份可被同行评议、可被 CFO 验证、可被采购复制的落地范本——下一代医疗 AI 的竞争核心,正在从"AI 模型能否识别风险"转向"医院能否把识别出的风险变成可计量的临床与财务结果"。
参考来源:
1. TechCrunch(独家):Healthleap raises $38M for its AI that flags hospital patients who may need a closer look:https://techcrunch.com/2026/10/07/healthleap-raises-38m-for-its-ai-that-flags-hospital-patients-who-may-need-a-closer-look/
2. Yahoo Finance / Healthcare:Healthleap raises $38M for its AI that flags hospital patients who may need a closer look:https://finance.yahoo.com/healthcare/articles/healthleap-raises-38m-ai-flags-150708755.html
3. RuntimeWire:Healthleap raises $38M to expand its hospital screening software:https://runtimewire.com/article/healthleap-38m-ai-hospital-screening
4. ByteTech Lab:Healthleap Secures $38M to Supercharge Inpatient Clinical AI and Early Diagnosis:https://www.bytetechlab.com/blog/2026/healthtech/healthleap-secures-38m-to-supercharge-inpatient-clinical-ai-and-early-diagnosis
5. GoKawiil:Healthleap raises $38M to scale AI tool spotting at-risk hospital patients:https://gokawiil.com/article/352595
6. Healthleap 官网:Prioritize patients who may need additional attention:https://www.healthleap.ai/
7. Penn Medicine 案例研究:HealthLeap Malnutrition Screening Case Study:https://www.healthleap.ai/results/penn-medicine-case-study
8. 同行评议研究(Applied Clinical Informatics)链接入口:https://www.healthleap.ai/







