10月10日，掌上糖医宣布已于2016年年初完成B1轮融资，投资总额超过1亿元，投资方包括基石资本，IDG，经纬创投，和平安创投。这是掌上糖医对外公布的第3轮融资。掌上糖医表示，其总估值已经超过10亿。 

据介绍，成立于2014年的掌上糖医，三年实现近2亿元的营收，5倍的用户增长，并已在全国近500家医院完成新产品——医院信息化SaaS平台“医汇”的接入。

掌上糖医最初主要面向C端用户，APP定位为基于糖尿病数据的健康服务管理平台。患者在糖医上记录自身健康数据、获取健康指导，逐步改善自己的健康状况；入驻平台的医院团队得以透过可视化医疗健康大数据，为患者提供更高效、更精准的病情指导和治疗方案。

不过，医院对于糖尿病患者的诊疗和管理同样存在痛点。由于传统医院内，医生、护士、患者三者之间的沟通方式原始，很多医院采用纸质记录方式效率低下，且造成数据流失，更缺少重病患者回家后的数据同步以及跟踪。

因此，从2016年开始，掌上糖医在医院端提供信息化SaaS平台“医汇”，实现全程数据化诊疗；并在家庭端链接医院数据，完成后续跟踪。

掌上糖医触控式智能血糖监测设备

目前，掌上糖医的医院 SaaS 开放平台搭乘模块化可定制结构，适用不同医疗机构的不同需求。系统可根据各医院工作流程自定义权限模块、安装定制化功能、与指定不同品牌的血糖仪设备完成适配，掌上糖医可支持医院市场使用的主流血糖仪，并完成其智能化改造及对接。医生可以借助系统给护士派发血糖测量等“任务”。护士完成任务执行和数据收集后，系统将自动同步并结构化呈现数据结果，以帮助医生高效地完成诊断。进而达成从单科室到全院、从单一医院到分级诊疗的医联体、从独立系统到接入医院HIS等多模式数据互联管理和共享定义，系统性提升整体的诊疗和管理效率。

掌上糖医CEO匡明表示，目前在一些高渗透率的区域，掌上糖医的整体业务已经形成了正向的现金流。团队未来将从江浙沪几省，扩张到华中,华北,东北等多个区域。2018年，预计覆盖1500家医院，尤其是大量的头部医院。“北方更是重点的战场。”

接下来，掌上糖医还将继续优化医汇 SaaS 开放平台的硬件设备，同时,随着与传统血糖仪厂家合作的更深入开展，系统在医院的铺设也将大幅增速，以进一步拉升这一开放式院内管理系统的兼容性和数据处理能力。

此外，掌上糖医也在探索AI智能诊疗平台。由SaaS业务收集到的大量数据，正被团队应用到机器学习中，并已经初步构建出“AI辅助诊断系统”。

10月10日，掌上糖医宣布已于2016年年初完成B1轮融资，投资总额超过1亿元，投资方包括基石资本，IDG，经纬创投，和平安创投。这是掌上糖医对外公布的第3轮融资。掌上糖医表示，其总估值已经超过10亿。

据介绍，成立于2014年的掌上糖医，三年实现近2亿元的营收，5倍的用户增长，并已在全国近500家医院完成新产品——医院信息化SaaS平台“医汇”的接入。

掌上糖医最初主要面向C端用户，APP定位为基于糖尿病数据的健康服务管理平台。患者在糖医上记录自身健康数据、获取健康指导，逐步改善自己的健康状况；入驻平台的医院团队得以透过可视化医疗健康大数据，为患者提供更高效、更精准的病情指导和治疗方案。

不过，医院对于糖尿病患者的诊疗和管理同样存在痛点。由于传统医院内，医生、护士、患者三者之间的沟通方式原始，很多医院采用纸质记录方式效率低下，且造成数据流失，更缺少重病患者回家后的数据同步以及跟踪。

因此，从2016年开始，掌上糖医在医院端提供信息化SaaS平台“医汇”，实现全程数据化诊疗；并在家庭端链接医院数据，完成后续跟踪。

　　掌上糖医触控式智能血糖监测设备

目前，掌上糖医的医院 SaaS 开放平台搭乘模块化可定制结构，适用不同医疗机构的不同需求。系统可根据各医院工作流程自定义权限模块、安装定制化功能、与指定不同品牌的血糖仪设备完成适配，掌上糖医可支持医院市场使用的主流血糖仪，并完成其智能化改造及对接。医生可以借助系统给护士派发血糖测量等“任务”。护士完成任务执行和数据收集后，系统将自动同步并结构化呈现数据结果，以帮助医生高效地完成诊断。进而达成从单科室到全院、从单一医院到分级诊疗的医联体、从独立系统到接入医院HIS等多模式数据互联管理和共享定义，系统性提升整体的诊疗和管理效率。

掌上糖医CEO匡明表示，目前在一些高渗透率的区域，掌上糖医的整体业务已经形成了正向的现金流。团队未来将从江浙沪几省，扩张到华中,华北,东北等多个区域。2018年，预计覆盖1500家医院，尤其是大量的头部医院。“北方更是重点的战场。”

接下来，掌上糖医还将继续优化医汇 SaaS 开放平台的硬件设备，同时,随着与传统血糖仪厂家合作的更深入开展，系统在医院的铺设也将大幅增速，以进一步拉升这一开放式院内管理系统的兼容性和数据处理能力。

此外，掌上糖医也在探索AI智能诊疗平台。由SaaS业务收集到的大量数据，正被团队应用到机器学习中，并已经初步构建出“AI辅助诊断系统”。