重點摘要

醫療產業的結構性壓力　不同於其他產業，醫療的行政成本逐年上升、生產力卻沒有跟上，醫院利潤薄、醫師過勞，是 Abridge 從病歷紀錄切入的背景。

從病歷紀錄走向臨床智慧　Abridge 先靠幫醫師自動寫病歷打入市場，下一步要把整個看診流程串起來，看診前建議討論主題、看診後自動產生病人摘要、病歷與醫囑，全部圍繞醫病對話展開。

醫療是 agent 產品的困難模式　任何 agent 產品都要顧品質、延遲、成本，但醫療的容錯率極低，答錯會直接失去病人信任，也不像其他領域可以事後修正。

用臨床醫師打造 LLM 評審　因為臨床問題往往沒有單一正確答案，Abridge 讓獨立醫師制定評分準則（rubric），再用 LLM 依準則比對 agent 回答，取代單一「標準答案」。

拆解成小模型控制成本　與其用一個大模型處理整份病歷，Abridge 針對病歷不同段落個別訓練小模型，靠每年上億筆對話的資料優勢維持品質，同時壓低成本與延遲。

醫囑擷取要抓對時機　醫師看診時常口頭提到用藥或檢查醫囑，系統得抓對時機才觸發較貴的大模型做比對確認，不能每隔幾秒就跑一次昂貴的模型。

值得記的話

the core thesis of the company is that everywhere in healthcare, everything is around the conversation.

Abridge 認為醫療裡所有行政流程，源頭都是那場醫病對話

08:28

You have to be right, because the downside is extremely high when you're wrong.

醫療情境答錯的代價太高，容錯空間幾乎是零

11:45

For us, we really treat evals as the operating system, the life's blood of the company.

評測系統就是公司的作業系統與命脈

12:47

If I had a really, really good generator, verifier, then that would just be my generator itself.

如果真做得出夠好的驗證器，那套邏輯乾脆拿來當生成器就好，這正是臨床決策支援評測的難題

16:08

You don't need Fable 5 to actually solve all of your clinical notes.

病歷裡每個段落都是範圍明確的小問題，不必動用最頂尖的前沿模型

18:30

時間軸　12 段

名詞與人物　10 個

提到但沒有展開

• 講者提到的「臨床試驗配對」與「計費編碼」只在內部評測範圍裡帶過一句，沒有展開細節。
• Demo 影片裡 Abridge 直接語音下醫囑、準備隔天病歷的功能，只示範畫面，沒談背後怎麼串接 EHR 的技術細節。
• 訓練病歷各段落小模型用的是自建模型還是既有的開源或商用模型，演講中沒有點名。