Conflixis
在风险管理和合规软件领域有着丰富经验的Aaron Narva，在Kroll和FTI Consulting等公司担任过事件调查员。之后，他在合规软件制造商Exiger工作期间，负责监控一家国际大银行客户的法律合规情况，这家银行早些时候因为洗钱丑闻而上了头条。
“在Exiger工作时，我们收购了一些软件业务，包括一款能够从非结构化公共记录中提取风险的人工智能软件工具。我们还开发了一款工具，用于帮助大型企业识别商业关系中的腐败和制裁风险，”Narva表示。
这项工作激发了他创建Conflixis的想法。医院和其他大型医疗机构面临着与银行类似的腐败风险。制药公司和设备制造商与医生之间关系过于亲密的现象非常普遍，以至于医生被要求披露利益冲突：旅行邀请、咨询费用、研究资助赞助等。
大量研究表明，那些关系过于亲密的医生更可能开具这些药品和设备的处方，无论这些处方是否能为患者带来更好的治疗效果。这种风险如此之大，以至于政府运营了一个名为Open Payments Data的数据库，任何人都可以在其中查看利益冲突披露信息。
然而，披露此类利益冲突并不能解决所有问题，这使医院面临法律风险。许多法律禁止医生的此类行为，从《斯塔克法》到《反回扣法》等。
与此同时，商业利益确实需要与医师——即医疗专家——合作，以帮助他们研究新药和制造设备。因此，并非每一次互动都是非法的。
Narva设想了一种基于人工智能的服务，该服务能够识别出哪些情况会使医院——而非患者——面临风险。
“一个大型健康系统可能有200,000个医生与供应商之间的关系，”Narva说。“这些关系中哪一部分会给你带来六种风险之一？”
风险范围从违反法律到不良的医疗结果不等。联邦政府还提供了一个数据库，发布医院护理质量信息。
Narva联系了他的老朋友Joseph Bergen，当时Bergen是BuzzFeed的工程总监，向他征求对该想法的意见。Bergen非常喜欢这个想法，以至于辞去了他的工作，成为了联合创始人。
Conflixis通过整合来自Open Payments Data的数据、医院的采购数据、索赔数据、患者结果记录、利益冲突表单以及其他来源的信息来运作。它分析所有的冲突点，以识别医院应该调查的情况。
“我们检查了所有5,000或10,000个关系，这是你需要真正关注的七个。”Narva以举例的方式解释道。“就像，我们把所有的问题都梳理了一遍，这是最关键的七个。”
Conflixis更进一步，还可以预测医院的支出，并建议减少支出的方法。例如，医院是否基于与供应商有关系的医生的推荐购买了更昂贵的设备，而不是选择成本较低的选项？
“我们可以确保医院大幅降低监管风险，提高与患者的信任和透明度，当然，也可以做出更好的运营决策，关于他们的采购决策，”他说。
成立于2023年的Conflixis已经拥有了几位客户，收入不足500万美元，Narva说。该公司最近宣布完成了420万美元的种子轮融资，此轮融资由Lerer Hippeau（BuzzFeed前董事长Kenneth Lerer创立的风险基金）和Origin Ventures共同领投，mark vc、Springtime Ventures以及pre-seed投资者Cretiv Capital也参与了投资。
Conflixis加入了众多医疗行业合规软件公司的行列，如Compliatric和Symplr，尽管有些公司更专注于保护患者数据，而非腐败和采购。
Narva说，Conflixis的不同之处在于将员工在调查工作方面的职业生涯与大型语言模型相结合。他们修改了现成的模型，以基于“我们在大数据调查中的交易监控和腐败背景”寻找数据模式。
