刘宗宇作者

三家医疗企业今日在美国IPO,这一家凭借AI+大数据为医院节省数亿美元,现年入1.126亿美元

今天,有三家医疗健康企业在美国纳斯达克上市,分别是慢病数字化管理企业Livongo、医疗大数据企业Health Catalyst和生物制药公司Castle Biosciences。Livongo的商业模式和发展过往,已经于前段时间在动脉网《迎来IPO热,慢病管理数字医疗模式在美国跑通了吗?一文中进行了介绍。今天我们要聊的,是美国医疗大数据领域的领导企业——Health Catalyst。

Health Catalyst于美国时间7月25日在纳斯达克上市,发行200万股的股票,此次发行占总股本的17.6%,筹集约1.587亿美元。

Health Catalyst的发行价为26美元,美国时间7月25日收盘大涨50.65%,价格为39.17美元。

专注临床数据分析和处理

美国医疗保健系统投入了数十亿美元来收集大量的医疗健康数据,包括数字化临床信息(例如电子健康记录EHR系统、药房、实验室、影像、患者满意度和医疗保健信息交换)、财务信息(例如总帐,成本核算和计费)和运营信息(例如供应链、人力资源、时间和出勤、IT支持和患者参与)。

这些全方面的数字化改造,导致医疗保健数据的激增,预计到2025年将超过10ZB。未来还会包括社会经济、基因组和远程患者监测信息。

收集、存储和使用不同来源、不同深度、不同格式的医疗保健数据,会使得数据变得相当复杂。许多医疗机构已经尝试开发自己的分析解决方案,但发现它们的开发和维护成本太高。而Health Catalyst就专注于对医疗机构的数据进行处理和分析,解决客户在临床、财务和运营方面的问题。

联合创始人史蒂文·巴洛(左),现任客户运营和董事会高级副总裁。联合创始人汤姆·伯顿(右),现任产品开发高级副总裁。

丹·伯顿是Health Catalyst现任的CEO

Health Catalyst由汤姆·伯顿和史蒂文·巴洛在2008年创立,两位创始人全都来自于一家美国顶尖的医疗保健系统——山间医疗保健公司。

汤姆·伯顿拥有杨伯翰大学的工商管理硕士和计算机科学学士学位,在山间医疗保健公司医疗保健服务研究所的高级培训课程中讲授丰田生产系统、敏捷软件开发和关键过程分析课程。史蒂文·巴洛拥有犹他大学的健康教育和推广学士学位,曾是美国医疗数据仓库协会的创始成员和前任主席。

汤姆·伯顿和史蒂文·巴洛,拥有丰富的公司流程改进和IT经验,领导了山间医疗保健公司的护理质量提高和成本降低等方面的改进。HB Ventures在早期投资Health Catalyst之后,其联合创始人丹·伯顿于2011年加入Health Catalyst董事会,2012年10月起任CEO。

Health Catalyst的核心业务包含三个方面:

  • 数据平台:基于云的数据操作系统(DOS)是一种针对医疗保健机构的开放、灵活且可扩展的数据平台,为客户提供单一的综合环境,以集成来自不同软件系统的数据,从而实现全面的数据分析

  • 分析应用:Health Catalyst的的软件分析应用程序构建于数据平台之上,以提供基础或特殊的分析,从而提高客户的临床、财务和运营绩效。同时还提供广泛的预建数据模型和可视化数据,可根据客户的特定需求进行定制,Health Catalyst将其称为分析加速器;

  • 服务:Health Catalyst组建了分析专家团队,利用该公司的技术帮助客户缩短实现价值的时间,并实现可持续的、可衡量的改进方案。

到2018年年底,Health Catalyst为126个客户提供服务,有50个客户采购了DOS。目前,Health Catalyst在美国市场的渗透率约为4%。2018年,公司业务收入有非常大的增长,从2017年的7308万美元提升到了1.126亿美元,净亏损6198万美元。

招股书数据显示,选择了Health Catalyst服务的客户,获得了不同程度的成本控制效果。

Allina Health在使用Health Catalyst的解决方案一年后,在财务和运营改进项目中节省了高达1.25亿美元。同时在另一个项目中,提高了对败血症治疗的依从性,实现超过100万美元的成本节约和严重脓毒症和脓毒性休克死亡率降低了30%。

匹兹堡大学医学中心利用Health Catalyst的解决方案,在几年时间内实现了3800万美元的临床、财务和运营改进。

Mission Health通过Health Catalyst的解决方案改进流程,以优化其责任关怀组织(ACO)的Medicare共享储蓄计划(MSSP),为医疗保险节省超过1100万美元并实现100个目标,成为全美最佳ACO之一。

成立11年,共获8次3.77亿美元融资

回顾Health Catalyst的融资历史,从2011年至今共获得8次融资,累积融资金额3.77亿美金。每轮融资中,基于对Health Catalyst业绩的信心,都可以看到很多机构在重复投资。

特别是Norwest Venture Partners,参与8次融资中的6次。2016年2月的E轮中出手之后,还在2017年10月单独投资了5500万美元。红杉资本出手四次,Kaiser Permanente Ventures出手三次。出手两次的有CHV Capital、Sands Capital Ventures、Sorenson Capital、BYU Cougar Capital和UPMC。

投资机构里面出现了UPMC匹兹堡大学医学中心,作为Health Catalyst的客户,一定是感受到了其解决方案对业务带来的显著效果,才会选择投资该公司。UPMC在Health Catalyst的融资中出手两次,在E轮和F轮中进行了投资。

在Health Catalyst的股东里面,投资次数最多的Norwest Venture Partners并不是最大的股东,占股比例为21%。红杉资本是最大股东,占股比例为21.9%。匹兹堡大学医学中心拥有Health Catalyst 6.3%的股份。

本次IPO上市之后,Health Catalyst将获得的资金投入到业务的扩展中,同时也会考虑将其中一部分资金用于收购,辅助公司业务的快速成长。

创建数据库到分析数据,为医疗机构实现管理的优化

Health Catalyst公司创立之初,主要业务是为诊所和医院创建医疗健康数据库。虽然大多数大型医疗保健机构已经实现了信息化管理,跨越了第一个以电子方式获取医疗记录的障碍,但这些数据如何才能为业务带来真正的改进,医疗机构的管理人员并不明确。

几乎每个医院和医院系统都需要一个数据仓库来存储、可视化和利用医疗健康数据,并用数据来解决美国医疗系统中7500亿美元的浪费(数据来自healthcarefinancenews的一篇报告)。过去,缺乏数据阻碍了医疗护理质量的提升。现在的情况正好相反,医疗机构有了很多数据,但是如何正确使用这些数据没有很好的方法。

汤姆·伯顿和史蒂文·巴洛在创立Health Catalyst之前,一直在山间医疗保健公司负责成本管理和流程优化。他们敏锐的看到了市场的机会,意识到位客户建立医疗保健数据仓库是不够的,需要能够帮助客户发现问题,制定计划并实施流程和组织变革。

在基础的数据管理之上,Health Catalyst提供了更深层次的解决方案来满足这一日益增长的需求。该公司的平台能够帮助大型综合医院和小型医院提高管理质量,整合和分析医疗保健系统中复杂的运营、财务、临床和研究数据,对数据进行分析,提升管理水平。

通过数据的分析,可以改善患者的住院时间、再入院率,减少不必要的手术和预防患者伤害等方面的成本,让医院实现数百万美元的成本节约。除了节省医院的管理成本外,还可以满足合规需求,最重要的是,改善患者的健康状况。正如公司的名字一样,Health Catalyst想要成为改善医疗质量的催化剂。

Health Catalyst在发展的前三年中,每年的业务规模都在翻番,同时将其产品线从八个独立的解决方案扩展到一个包含40多个集成产品的大平台。

Health Catalyst的初期业务完成了诸多医院和诊所的数据平台建设,包括Allina Health、印第安纳大学医学院、MultiCare健康系统、北纪念医疗保健、普罗维登斯健康与服务、斯坦福医院、德克萨斯儿童医院,服务了2000万患者。2011年,Health Catalyst获得了来自红杉资本的A轮投资。

随后的两年里,Health Catalyst成长得非常快,2013年的营收增长了5倍多,达到4500万美元。“平价医疗法案”对美国电子病历EHR的推动,使得医疗机构更关注数据平台的搭建。在这段时间里,Health Catalyst在和传统的软件巨头IBM、甲骨文的竞争中,获得了较好的发展机会,进入了135家医院和1700家诊所。Health Catalyst宣称能够比大公司提供更快、更灵活的数据解决方案。

人工智能技术在后期辅助公司业务快速提升

Research and Markets的一份报告中显示,从2015年开始,全球医疗分析市场正在以惊人的速度增长,复合年增长率为26.2%。到2021年,全球医疗保健分析市场预计将达到184亿美元。大数据分析的重要性日益增加,推动了市场的发展,也使得Health Catalyst的发展遇到了前所未有的机遇。

2016年12月,Health Catalyst推出了第一个针对医疗保健的开源机器学习软件库healthcare.ai。通过开源,Health Catalyst希望通过整个医疗大数据行业的合作,来促进人工智能在这个领域的应用,使医疗机构能够轻松地一起学习和使用这些工具分析数据。

很多医疗机构在数据分析方面并不擅长,借助healthcare.ai,医疗机构能优化分析结果和流程,建立预测模型,以减少再入院率,确定患者支付的可能性以及优化临床医生的时间表。

Touchstone系统

2018年,Health Catalyst在经过人工智能技术的探索之后,推出了名为Touchstone的人工智能支持的医疗基准测试和性能改进解决方案,这是一个突破性的分析应用程序。

Health Catalyst在对100名医院和卫生系统高管进行的调查数据显示,在对机构进行改进时,如何确定全国性能最佳的机构进行基准对比是一个难题。医疗机构需要在临床、财务和运营方面取得可持续的改进,但以往都是在黑暗中摸索。

Touchstone通过梳理来自电子健康记录、索赔、成本核算数据集、运营和外部基准的数据,解决了医疗机构领导者面临的这些问题,让医院的非数据分析人员也能够轻松找出绩效不佳的具体原因,找到改进方向。

2018年,Health Catalyst收购了国最大的人口健康管理公司之一Medicity,公司的客户数量几乎翻了一番。基于医疗大数据的基础上,Health Catalyst可以做很多事情。

从2019年的新闻中,我们看到了该公司通过闭环分析解决了医生职业倦怠问题,也看到了针对人口健康的基础解决方案。

甚至,Health Catalyst和MedRhythms通过合作,开始尝试数字治疗方案。该项目是Health Catalyst新生命科学业务的第一个项目,想要通过人工智能算法,使用音乐疗法来修复中风者的受损神经。

招股书披露的Health Catalyst收入数据

2018年,Health Catalyst的表现可以用强劲来形容。在这一年中,Health Catalyst的营收增长超过50%,其毛利润增长超过80%。该公司还在2018年增加了16个新的医疗系统客户,比公司10年历史上的任何一年都多。

Health Catalyst还在2018年增加了200多名团队成员,到今年年底,全美有近750名团队成员。同样在这一年中,Health Catalyst的客户实现了250多项记录在案的临床、财务和运营改进,这是该公司历史上任何一年中最多的。而2019年一季度已经达成3521万美元的收入,更是远超2018年同期。

Health Catalyst除了在营业收入上持续高速增长,行业分析师也给予该公司很高的评级。行业领头羊KLAS Research在针对Health Catalyst客户的调查中,因为其高客户满意度和高客户保留率,授予Health Catalyst其商业智能“KLAS最佳”排名。

长期以来,Health Catalyst还被顶级医疗保健和技术出版物公认为“最佳工作场所”,并在2018年吸引了数名世界级专家加入团队。

带给国内创业者的思考

在动脉网之前对医疗大数据企业和人工智能企业的梳理中,我们看到国内有大量的医疗大数据公司涉及信息化平台、数据库,也就是数据的创建、存储部分。而在对数据进行加工、清洗和分析环节,很少有企业能参与。即使有企业涉及数据整理和分析的相关业务,也多偏向医生科研和临床层面。

人工智能公司的应用场景中,更多的是基于临床数据和影像数据去提升医生的诊疗能力,也很少能看到有企业专注于医疗机构的成本控制、结构和流程优化。之前在动脉网对人工智能企业的商业模式分析中,部分人工智能企业没有合适的买单方,商业闭环建立困难。

而美国Qventus(AnalyticsMD)、Health Catalyst等企业,能够在诸多数据中找到提升医院管理水平,降低成本的方法,让医院能够愿意为产品付费,最终实现营业收入的大幅度增长。我们也希望国内的医疗大数据和人工智能领域,能够有更多类似的企业涌现,在医院管理领域发挥大数据和人工智能的价值。

*封面图片来源:https://www.123rf.com


动脉网
动脉网

专注医疗产业服务平台

产业数据科学大数据技术数据分析智慧医疗Health Catalyst
相关数据
IBM机构

是美国一家跨国科技公司及咨询公司,总部位于纽约州阿蒙克市。IBM主要客户是政府和企业。IBM生产并销售计算机硬件及软件,并且为系统架构和网络托管提供咨询服务。截止2013年,IBM已在全球拥有12个研究实验室和大量的软件开发基地。IBM虽然是一家商业公司,但在材料、化学、物理等科学领域却也有很高的成就,利用这些学术研究为基础,发明很多产品。比较有名的IBM发明的产品包括硬盘、自动柜员机、通用产品代码、SQL、关系数据库管理系统、DRAM及沃森。

https://www.ibm.com/us-en/
相关技术
数据分析技术

数据分析是一类统计方法,其主要特点是多维性和描述性。有些几何方法有助于揭示不同的数据之间存在的关系,并绘制出统计信息图,以更简洁的解释这些数据中包含的主要信息。其他一些用于收集数据,以便弄清哪些是同质的,从而更好地了解数据。 数据分析可以处理大量数据,并确定这些数据最有用的部分。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

基准技术

一种简单的模型或启发法,用作比较模型效果时的参考点。基准有助于模型开发者针对特定问题量化最低预期效果。

商业智能技术

商业智能(Business Intelligence,BI),又称商业智慧或商务智能,指用现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析以实现商业价值。

数据管理技术

数据管理是利用计算机硬件和软件技术对数据进行有效的收集、存储、处理和应用的过程,其目的在于充分有效地发挥数据的作用。

数据库技术

数据库,简而言之可视为电子化的文件柜——存储电子文件的处所,用户可以对文件中的数据运行新增、截取、更新、删除等操作。 所谓“数据库”系以一定方式储存在一起、能予多个用户共享、具有尽可能小的冗余度、与应用程序彼此独立的数据集合。

敏捷软件开发技术

敏捷软件开发(英语:Agile software development),又稱敏捷开发,是一種從1990年代開始逐渐引起广泛关注的一些新型软件开发方法,是一种应对快速变化的需求的一种软件开发能力。

操作系统技术

操作系统(英语:operating system,缩写作 OS)是管理计算机硬件与软件资源的计算机程序,同时也是计算机系统的内核与基石。操作系统需要处理如管理与配置内存、决定系统资源供需的优先次序、控制输入与输出设备、操作网络与管理文件系统等基本事务。操作系统也提供一个让用户与系统交互的操作界面。

数据仓库技术

暂无评论
暂无评论~