Synapxe

Synapxe 的角色非常独特：它不是医院、不是研究机构，而是所有公立医疗机构的"共享 IT 部门"。这意味着：

• 统一数据平台：所有公立医院的电子病历都进入同一个国家系统（NEHR），AI 模型可以基于全国数据训练
• AI 产品自研：Synapxe 不只买商业 AI，还自研覆盖筛查、影像、行政流程的 AI 工具
• 统一部署：AI 模型一旦验证通过，可以同时部署到所有公立医院

代表性 AI 产品：

• ACE-AI：AI 健康筛查工具，预测糖尿病和高脂血症风险，2027 年起推广到所有 Healthier SG 诊所
• Clinical Note Summarizer：基于 LLM 的电子病历摘要工具
• 影像 AI：放射科 AI 辅助诊断（与 NUH、SGH 联合开发）
• 行政自动化：处方处理、保险结算的 AI 自动化

Synapxe 与 AI Singapore、NUS Medicine、各公立医院（NUH、SGH、TTSH 等）有大量合作，是国家医疗 AI 的中心节点。

Synapxe 在医疗 AI 领域的核心创新是"国家级数据 + 国家级部署"。

全球大多数医疗 AI 创业公司面对的两个最大难题：

• 数据：医疗数据分散在不同医院、不同 EMR 系统，难以做大规模训练
• 部署：每家医院的 IT 系统、合规流程都不一样，单家产品落地都要数月

Synapxe 的体制把这两个难题都消解了：它直接拥有全国统一的医疗数据（NEHR），它的 AI 工具一旦做好可以同时部署到 46 家医院和 1400+ 诊所。这种"国家级数据 + 国家级部署"的优势在全球都罕见——只有英国 NHS、丹麦的医疗系统能与之相比。

技术上，Synapxe 的 AI 路线偏务实：

• 不追前沿模型架构
• 重视部署可靠性、合规性、可解释性
• 大量采用"AI + 人工审核"的混合工作流
• LLM 应用上谨慎（目前主要用在病历摘要、表单处理等低风险场景）

Synapxe 在新加坡 AI 战略里是"行业 AI 落地的样板"——医疗是唯一一个"国家级 AI 基础设施 + 国家级数据 + 国家级部署"全打通的行业。

在「七条传导杠杆」里：

• 杠杆 3（产业应用）：医疗 AI 落地的执行主体
• 杠杆 5（政府自用）：公立医疗系统的 AI 化是政府自用的最大场景

观点：Synapxe 的体制是新加坡作为"小国家"的天然优势变现——人口只有 580 万，全国医疗系统集中度高，IT 体制统一。这让它能做美国、日本这种大国做不了的事：用国家级数据训国家级模型，用国家级部署服务全国民众。

ACE-AI 是最典型的案例：用全国糖尿病/胆固醇筛查数据训练模型，2027 年部署到所有 Healthier SG 诊所，理论上可以让全国 580 万人都受益。这种规模的医疗 AI 落地，只有"小国 + 集中体制"才能跑通。

但 Synapxe 也面临挑战：医疗 AI 的安全审慎要求让它的迭代速度慢于商业 AI、与商业 AI 公司的边界需要厘清（Synapxe 自研 vs 采购商业产品）、数据治理的国际合作受 PDPA 约束。