每次我舉辦醫療101課程時，我都會結束於我想投資的領域。一個例子：為醫療帶來更多標準化 醫療在很大程度上已經落入了一個觀點，即解決方案應該根據最終用戶進行定制。 有一個很大的機會可以創建更多標準化的解決方案，這些解決方案最終由於規模效應而變得更便宜。它們也成為一個有價值的分發渠道，因為合作夥伴解決方案可以快速分發給客戶（無需昂貴的實施） 在我看來，AI在這裡扮演著重要角色——它的非確定性特性實際上非常適合處理定制所產生的邊緣案例 例子： 1）測量疾病的尺度——許多都是非常主觀的，您能否利用技術使其在執行的臨床醫生之間更加標準化？（例如，Cognoa和其他數字診斷就是這樣做的） 2）將定制流程轉變為更標準的“即插即用”版本（例如，Redox為EHR集成所做的） 3）將混亂的非結構化數據轉化為標準化、易於使用的數據（例如，Tuva Health為醫療數據所做的） 如果您想參加醫療101課程，我會討論6-7個我感興趣的主題，它將於9月22日開始（請在下一條推文中註冊）