2025年6月，美国医疗AI创业公司Tennr宣布完成1.01亿美元C轮融资。本轮融资由IVP领投，a16z（Andreessen Horowitz）、Lightspeed、GV（前Google Ventures）等老股东持续加注。融资完成后，Tennr估值达6.05亿美元。

近年AI在医学影像、药物研发等领域已开始攻城略地，Tennr则瞄准了另一块长期被忽视、却影响亿万人就医体验的角落——转诊系统。

在美国，每年大约有1亿次转诊请求被发起，但有研究指出，超过50%的转诊未能最终完成^[1]。传真、纸质表格、手写记录、反复电话沟通，这些在今天看来略显“原始”的操作，依然广泛存在于转诊流程中，极大影响了患者的就医效率，也增加了医疗系统的资源浪费。

在这片“效率洼地”里，Tennr以AI为引擎，重构转诊流程。Tennr打造的转诊系统正逐步成为美国医疗服务体系的基础设施之一。

Tennr的故事，始于一群斯坦福大学工程系学生对现实医疗系统的深度“感同身受”。

公司联合创始人兼CEO Trey Holterman出生于一个医生家庭，母亲是一位执业多年的家庭医生。在诊所工作中，她每天要处理大量传真、手工表格和重复电话。光是完成一个转诊，就可能涉及数十个步骤、多个环节，效率低下且出错率高。Holterman曾将这一现象称为“black hole”（转诊黑洞）——即医疗系统中看似简单、实则暗藏系统性低效的灰色地带。

联合创始人Diego Baugh则为这种“转诊黑洞”付出过代价：一次普通的胃肠科转诊因流程延误导致他被迫等待六周。

另一位联合创始人 Tyler Johnson 对解决“转诊黑洞”问题同样保持高度关注，主导平台核心架构设计与模型开发，现任公司首席技术官（CTO）。他在斯坦福攻读计算机科学期间，专注于人工智能与大型语言模型（Large Language Models，LLM）的研究，是将先进AI能力转化为可部署产品的关键推动者。

三位创始人正是带着“临床痛点+工程背景”的双重视角，于2021年在纽约共同创立Tennr，利用AI重塑繁复低效的医疗转诊流程。

Tennr的起点看似微小，却直指美国医疗系统长期存在的底层“连接缺口”。

图1：创始人画像，左：Trey Holterman、中：Tyler Johnson、右：Diego Baugh（图源：Tennr官网）

自2021年创立以来，Tennr先后完成三轮融资：2024年3月完成由Andreessen Horowitz领投的A轮融资1800万美元；同年10月再获B轮融资3700万美元，估值升至2–2.5亿美元；2025年6月，公司C轮融资金额达到1.01亿美元，估值升至6.05亿美元。至此，Tennr总融资额达1.62亿美元。

表1：Tennr融资情况一览

快速上涨的不只是资本信心，还有实际业务规模。据Fierce Healthcare报道，截至2025年初，Tennr平台每月可处理超1000万份医疗文档，服务范围覆盖初级保健、专科转诊和居家护理等多个典型应用场景，年营收自B轮以来增长3倍。

在传统的医疗转诊流程中，信息难以追踪、结构化率低、易出错且高度依赖人工操作。这不仅拖延患者的就诊进程，也使医疗机构面临患者流失、保险拒付等系统性风险。

传真、纸质单据与电话沟通依然是转诊中最常见的信息载体，也是最难被AI处理的非结构化数据。面对这一现实困境，Tennr直击核心痛点——通过自研AI模型，将其逐步转化为可追踪、可分析、可自动处理的结构化数据，并最终构建出一个能够无缝接入医院现有系统、快速部署至一线流程、并支持跨机构大规模应用的医疗后台操作系统。

Tennr的技术核心是RaeLM（Radiology-Aware Extraction Language Model），这是一个自研的、参数规模达70亿（7B）的多模态模型。它的训练数据包含超过1亿份医疗文档、23亿个结构化字段和8000类标准表单样式。

与通用大语言模型（LLM）相比，RaeLM在医疗场景中的优势是可精准“读懂”扫描件、传真、手写表单上的临床信息。例如，RaeLM能够识别诸如“rule out PE”（排除肺栓塞）等手写医嘱，并自动映射至CPT（Current Procedural Terminology，当前诊疗编码），支持预审与支付流程。

更关键的是，RaeLM无需医院更换现有电子病历系统（Electronic Medical Record，EMR），也不改变原有操作习惯。医疗服务提供方只需将平台接入原系统或将文件上传至平台，即可自动完成文档分类、字段提取、信息结构化与审计准备。

医疗转诊中的另一个常见场景是电话沟通。患者或护士通过电话提供保险号、主诉、既往病史等关键信息，但这些内容往往被手写记录或口头转述，极易出错。

Tennr推出的T3（Transcript Translation Technology）模块，能够实时抓取通话内容中的结构化字段，如姓名、保单号、主诉描述等，并自动填入EHR或计费平台，减少人工录入，提高准确性。

长期以来，传真发出之后的医护接收、确认、预约等流程缺乏透明度，因此被医生形象地称为“信息黑箱”。

Tennr打造的Tennr Network正是为了解决这一长期存在的“流程断点”。它以一张实时可视化的流程地图，贯通了转诊从“发送、接收、确认”到“患者入诊”的每一个关键节点：系统能够明确呈现转诊是否已成功送达目标机构、对方是否完成接收与确认，以及患者是否已经接受预约并完成入诊。

借助这一可视化界面，医疗机构不仅能够实现部门间、机构间的高效协同，更真正打破了转诊石沉大海的困境，为医疗服务提供方后台管理带来前所未有的流程透明性与可观测性。

Tennr的产品并非由多个功能拼凑而成的工具箱，而是围绕医疗文档流转与转诊协同构建的“操作系统式平台”。整个系统以文档为中心，将转诊、授权、计费、合规等一系列后台流程整合进一套自动化路径中。

平台可自动识别传真、扫描件等输入内容，并根据患者信息、文档类型及紧急程度进行智能分类。即便一份表单中涉及多个患者，Tennr的“Multi Patient”模块也能精准拆分归档，确保信息准确分发至对应流程。

平台还可将复杂的订单、转诊申请和账单信息自动填入EHR，大幅减少手动输入负担。并且，系统能实时判断患者资格与资料完整度，并在必要时发出提醒，帮助机构更快完成预审流程。其“健康编码提取器”（THCE）模块还能从文本中提取临床要点，自动映射为ICD、CPT、HCPCS等标准医疗编码，打通从转诊到报销的关键链条。同时，所有文档管理过程均可审计回溯，确保合规性要求得到满足。

识别传真、理解语音、追踪状态——Tennr所解决的，正是医疗系统中那些日复一日、重复低效却又至关重要的后台操作冗余问题。它没有试图颠覆流程，而是在不改变流程的前提下，使其运转得更顺畅、更智能、更具可持续性。

此外，Tennr并非停留在技术试验层面，而是已通过多个真实场景验证其落地能力与系统价值。Tennr已服务包括Norco Inc.、HomeMedix、MPOWER Health等多家医疗机构，覆盖居家护理、骨科转诊等高频服务场景。

医疗客户反馈显示，平台每周可帮助其节省数百小时人工操作，将转诊确认周期从3–5天压缩至24小时，并有效减少纸质表单带来的重复录入问题。而据官网披露，Tennr帮助客户将拒单率降低了98%，文档处理效率提升超过6倍，真正实现了“无感部署、实效可见”的AI赋能。

Tennr的落地路径为医疗AI打开了新的想象空间。相较于聚焦临床、试图辅助医生诊断等路径，Tennr选择了另一条更具普适性的切口——从“流程智能”切入，专注于文档处理、数据结构化与转诊追踪等后台环节，成为提升医疗系统运行效率的关键“润滑剂”。

“流程型AI”正日益成为行业中实践性最强、使用频次高、扩展潜力大的应用之一。

中国的医疗AI赛道也正在呈现出类似的“流程智能”趋势。越来越多企业不再将AI能力局限于影像诊断等单点任务，而是将目光投向医保审核、患者管理、医患沟通等高频但非结构化的信息流转环节。国内多家企业正在加快“流程型AI”的拓展。

例如，讯飞医疗推出的“医保智能审核系统”，已在多地落地，通过自然语言处理与知识图谱技术，实现了病历审核的自动提示与智能稽核，帮助医院提升医保合规性与运营效率；百度健康则以大模型驱动“多病种患者管理”平台，通过语音识别、对话式AI等手段，将医生与患者之间的日常沟通记录转化为结构化数据，用于随访、预警与健康管理。

这些探索表明，AI正从“辅助诊断”进一步向“赋能运营”延展，中国医疗AI企业正走出“点式智能”，向系统型协同迈进。Tennr与本土企业的探索路径也为更多创新企业提供了借鉴思路——在流程冗余、信息孤岛与低效协同之间，AI依然大有可为。

参考文献：

[1] Becker's Healthcare. "Nearly half of referrals go uncompleted" https://www.beckershospitalreview.com/patient-safety-outcomes/nearly-half-of-referrals-go-uncompleted.html