“大数医达邓侃：医疗大数据可解健康险三大痛点”

本篇文章5655字，读完约14分钟

经过记者袁园

这是一个大悖论。 另一方面，整个保险业非常看好健康保险的前景。 因为这是万亿元规模的蓝海市场，可以预见未来。 另一方面，许多保险公司看到机遇迫在眉睫而无法下咽，甚至目前正在进行的健康保险业务也持续亏损。 现实就是这么不自然。

总的来看，健康保险经营困难，首要的是存在三大痛点。 第一，产品设计不科学，缺乏大量长时间发病率数据的支撑，患病后不同治疗方案的效果和费用评估。 第二，由于健康保险的保险费小，无法承受高额的宣传费，目前的人海战略不实用； 第三，比较有效的拥核和防止诈骗。 这需要很多专家，也会产生巨额的价格。

怎么解读三大痛点？ 最近，《每日经济信息》记者找了相关行业的各类公司，集思广益。 今天的报道是来自医疗大数据行业的建言。

北京大数医达科技有限公司是一家专注于医疗大数据的公司，目前与北京、江苏、广东等多家三甲医院合作，通过1亿多份电子病历进行数据挖掘，采用深度学习等先进的人工智能方法，对常见病的诊断和治疗进行建模分析

日前，《每日经济信息》记者(以下简称nbd )是美国卡内基梅隆大学( cmu )计算机学院博士，专业是人工智能和数据挖掘，担任美国甲骨文企业( oracle )主任系统架构师、百度高级管理人员网络检索等职 对比健康保险和医疗大数据面临的问题，邓侃博士逐一回答了记者的提问，并坦率地提出了他的建议。

健康保险面临着“几个三面”的问题

nbd :现在很多健康保险企业都亏损了，你认为原因是什么？

邓:首先是保险产品设计的问题。 保险产品的设计有两个维度。 一是产品为客户提供那些服务。 另一个是如何定价。 定高了价不行，老百姓买不起，定低了也不行，保险企业赔不起。

其次，是招揽客人的问题。 如何在大规模、低价格、广阔的人海中，找到需要健康保险但不是逆向选择的客户？

三是风控问题。 如何比较有效的评审单核保和反诈骗保？

这三个方面搞不好，健康保险就很难成功。

要搞好这三个方面，首先要把基本的一点做好。 其基本要点是保险公司必须与医院结成共同的利益体。 如果赔偿金额下降，不仅保险公司，医院也应该相应地受益。 相反，如果赔偿金额超标，不仅保险公司会受损，医院也会相应受损。

这个基本点是前提条件。 也就是说，如果前提条件不成立，上述三个方面也不会简单。

目前，“几个三面”的问题，似乎处理得不好。 所以，没能进行健康保险。

nbd :为什么“几个”是基本点，是“三面”的前提，不是一个平行的四个方面？

邓:因为保险公司和医院成为优势共同体，达到这个基本点后，保险产品的设计更有根据，客户的价格更低，更准确，风控更有保障。

首先谈保险产品的设计。 什么样的医疗服务对他们有吸引力，人均价格是多少，人均收益是多少，这些统计数据对保险产品的设计至关重要。 如果保险公司和医院成为利益共同体，如果医院帮助保险公司设计保险产品，甚至如果医院和保险公司共同设计产品，我相信双方共同智慧的结晶会更加成功。

重新分析医院的客流量能力。 各城市的中心医院数量很少。 但是，将这些为数不多的在中心医院就诊的患者的基本资料汇总在一起，基本上与这个城市的人口普查没有太大的差别。 但是，在客户没有主动咨询的时候，主动去推销保险产品，不仅效率低，而且令人讨厌。

关于风控，需要医院的协助。 如果医院的好处和保险公司的好处脱节，医院肯定会愿意卖很多药，做很多检查，做很多手术，把小病当做大病来治疗。

所以，要推行健康保险，必须先制定好的制度。 这个制度把医院的好处和保险公司的好处联系起来。 首先，只有实现这个基本点，医院才能有内在的动力，让保险公司设计产品，找到最佳客户，在医疗过程中防止欺诈行为。 不是在医疗过程之后审查欺诈行为。

离开医院的合作，保险公司能搞好健康保险吗？ 似乎看不到那个可能性。 医院与危险企业的利益挂钩，健康保险大行其道，相反，门庭冷清。 有中外各国的经验、正反两方面的榜样，都支持这个结论。

医院积极协助危险企业是很重要的

nbd :医院积极协助保险公司是健康保险成功的充分条件还是必要条件？ 换言之，如果医院积极协助保险公司，健康保险一定会成功吗？

邓:不是充分的条件，而是必要条件。 换言之，光靠医院的协助是不能保证健康保险成功的。

比如赢得客人。 如果身体跑得好，锻炼得好，向这样健康的人出售重大疾病保险，他不会买。 必须在合适的地方、合适的时间、合适的人和合适的产品进行推荐。 right timing (正确的时间)、right location (灯光位置)、right people (灯光产品)、right product (灯光产品)，这四个r不是完全可以在医院进行的。

在患者到医院就诊的过程中，销售健康保险，显然不是正确的时间，也不是正确的地方。 因为病人要去医院就诊，首要需求是处理目前的疾病，而不是安排未来的财务支出。

另外，就像风控一样，即使将医院的好处和保险公司的好处联系起来，医生的好处也不一定与医院的好处一致。 怎么医生处方时会偏向某制药公司的药？

对此，只有审查诊断和治疗的全过程，核对患者的症状、检查结果和检查报告，是否与医生的诊断结果一致、是否与处方一致，才能更彻底地进行反欺诈，实行风评管理。

nbd:right timing、right location、right people、right product，对比这四个r，大数据有什么用呢？

邓:不，不是机器。 客户的需求不同。 综上所述，患者要去医院就诊，首要需求不是安排未来的医疗费，而是应对当前的疾病。 购买健康保险的最佳时机是客户有征兆可能生病的时候，而不是已经病了之后。 如果没有生病的恐惧，就没有买健康保险的强烈动机。 已经生病了，去买保险，对保险公司来说，错过了销售的最佳时机。

当客户有征兆而可能生病时，客户会做什么？ 医疗咨询。 客户咨询时，推荐保险的是right timing。

客户在哪里做医疗咨询？ 最方便的地方是在网上咨询。 所以，在移动网络大流量入口，提供免费医疗咨询，强势推荐健康保险的，就是right location。

大数据如何帮助保险公司的产品？ 大数据可以提供医疗咨询，通过医疗咨询，收集客户的健康状况和病情，准确推荐健康保险，向right people推荐right product。

医学图像实现高精度的风控

nbd :大数据和医疗咨询有什么关系？

邓)医疗大数据，最重要的数据来源是医院病历。 病历记录了患者的健康状况和病情，也记录了医生诊断病因的全过程，治疗方案包括药物处方和手术方案，还记录了病情变化的过程。 通过对病历的数据挖掘，可以整理出生命体征、症状、检测指标、影像检测标记、与疾病的相关关系、与药品和手术等治疗手段的相关关系。 这些相关关系称为医疗知识图谱。 医疗图像可以用于医疗咨询。

nbd )医疗知识地图也可以用于核保吗？ 实现风控吗？

邓:是的。 医疗影像可以根据患者的生命体征和症状，核对诊断中进行的检查和检查，有无过量检查。 也可以根据检查结果和影像检查标志，检查诊断结果是否合理，用药和手术是否合理。 实现诊断和治疗全过程的核保，高精度地实现风控。

nbd :在设计健康保险产品的时候，也可以通过大数据来提高设计的质量，对吧？

邓:是的。 如上所述，健康保险的产品设计有两个维度。 一个维度是提供那些服务，另一个维度是如何定价。

健康保险提供的服务可以包括今年看病的总费用，健康保险可以报销多少，也可以包括单一病种的报销额。 也就是说，投保人罹患某种疾病时，健康保险可以报销多少手术、药品、住院费用？ 在决定报销额度之前，必须推算在不同的当前健康状况下，将来罹患某种疾病的概率和各类疾病的平均诊疗费用。

从庞大的病历中，不仅可以统计各类疾病的平均诊疗费用，还可以通过跟踪多位患者病情的快速发展，统计疾病转化的概率。

制度设计必须兼顾社会伦理和保险价格

nbd :从社会伦理上讲，保险公司有权以辨别逆向选择的名义检查投保人的病历吗？ 你有权根据投保人的健康状况和病史制定不同的健康保险保险价格吗？ 会引起疾病歧视、年龄歧视、性别歧视等道德争论吗？

邓:在设计健康保险制度时，不能回避社会伦理问题。 例如生命宝贵吗？ 就我个人而言，如果自己的生命有危险，当然不会在意价格而拯救生命。 但是，从整个社会来看，不在意价格而拯救所有生命并不容易。

在设计健康保险制度时，必须兼顾社会伦理和保险价格。 如果保险公司破产，人们哪儿也不能投保。 这是更大的道德风险。

大数据在各种制度下，可以准确测算保险价格和受益者，为保险制度的设计提供数据依据。

nbd :医院会把病历交给大数据企业吗？ 如果病历泄露了，要怎么保护患者的隐私呢？ 另外，在大数据企业拿到的病历只是脱掉敏感的病历，不知道如何联系患者的情况下，大数据企业如何实现准确的营销呢？

邓:首先必须强调的是，大数据企业不需要向医院索取病历。 所有病历都存放在医院内网的私有云上。 大数据不过是在医院的私有云上对病历进行了数据挖掘。 也就是说，大数据企业的程序读了所有的病历，但大数据企业的员工没有直接接触病历。

事实上，合作的主体有危险企业和医院两个，大数据企业只不过提供了数据挖掘能力。

例如，如果一位顾客购买了健康保险，根据制度的规定，保险公司有权审查他的病史。 以前，浏览病历需要去医院的病房，人工费和价值成本很高。 这时，大数据技术的作用就显现出来了。 大数据技术可以帮助医院的病历室，在1秒内浏览患者的所有既往病史，自动阅读这些病历，整理该患者的病史，评价他的健康现状。 也就是说，大数据技术提高了医院病房的业务效率。

例如，投保人申请报销医疗费的。 按照传统方法，保险公司必须组织大量人员，人工核查所有申报单。 对危险企业来说，工作量是巨大的。 对投保人来说，清算并不及时。 这时，大数据技术的作用就显现出来了。 大数据自动智能地全面核对申报表和医院保管的病历。 不仅精度高，而且效率高。

严格意义上说，大数据只是提高了数据解决的效率。 但从实际效果来看，对技术进行了大数据处理，实现了高精度和高效率。 以前不可能发生的事件，现在通过大数据实现了，大数据引起了革命。

预计12个月内第一批产品将上线

nbd :国外的健康保险有那些先进的例子和合作模式吗？

邓)医疗领域和医疗保险，与各国国情密切相关。 美国各种医疗机构的组织安排和财务安排，深受医疗保险企业的影响。 甚至许多医疗机构都直接隶属于医疗保险企业。 英国的医疗保险制度和美国不同，日本也不同。 每个国家都有各自的特色。

例如，美国重视pbm、pharmacy benefit management和药品福利管理。 保险公司从各医院收集各类药品诉求，然后向制药公司团购以获得批发折扣价。

但是，中国现在的问题不是药品的价格，而是胡乱配药。 pbm对中国也非常重要，但似乎不是当务之急。

nbd :国外在医疗大数据方面有那些探索？ 与国外相比，中国在医疗大数据方面的成果如何？

邓:国外在医疗大数据方面，目前成果突出的有三家公司。 第一个是ibm dr watson。 ibm在癌症界，特别希望比较几种疾病，收集优质的病历，对它们进行数据挖掘，对相关论文进行智能语义分析。 通过双管齐下的方法，细化这些疾病的病程，更详细地推荐各种治疗方案。

其次是谷歌旗下的deepmind，也就是下围棋的那个alpha go。 他们与英国卫生部合作，收集了全英国的170万份病历，并与常见病进行比较，开发了家庭医生的计算机助手。 英国整个医疗系统中，任职人数最多的是家庭医生，但家庭医生的临床水平参差不齐，deepmind试图借助家庭医生的计算机助手，实现常见病的标准化诊断和治疗。

也有一家叫做flatiron healthcare的美国公司。 主要工作是从全世界收集病历，现在的主要目标是收集癌症病历。 各地医院病历由于格式不统一、语义术语不规范，flatiron试图加热全球病历进行平整整理，实现病历的标准化、结构化，实现全球病历的互联互通。

世界各国都在尝试医疗大数据，许多大数据专家一致看好中国。 中国不仅人口世界第一，电子病历储量世界第一，因此中国具有医疗大数据丰富的特点。

另外，中国政府的行政能力也很优越。 如果中国在政府的指导下，尝试医疗保险改革，实践基于大数据的健康保险，实现弯道超车的可能性很高。 对世界各国来说，医疗保险是头痛的问题。 如果中国探索医疗保险的新做法·新产品，卖给海外，应该会很受欢迎吧。

nbd :到目前为止，世界上似乎还没有成熟的健康保险产品。 对于这些正在探索中的公司，要完全完成技术和商业模式并使之卓越，需要多长时间？

邓:常见病数量很少，不过几百人。 常见的智能诊断和治疗系统，无论是面向医生的智能临床助手还是面向患者的智能自我诊断工具，预计12个月内首批产品将上线。

要将大数据和机器学习技术应用于医疗领域，实现智能诊断和治疗系统，相关的研究课题非常多，产品形态非常多，盈利模式非常多。 密切注视上百种常见病，缩短战线，加快冲刺，12个月内，就能开发出满意质量的产品。 面对蓝海，面对一望无际的商机，创业公司最大的挑战就是保持观察力的集中。 避免分兵出击，到处出击，到处遭遇抵抗。

12个月内，技术方面将取得重大突破。 其次，第二个里程碑是实现盈利模式的闭环，特别是实现医疗大数据、智能诊疗与健康保险的紧密结合。 有价值，就有顾客，有顾客，就有盈利的模式。 我相信未来2~3年内，一定会有几家企业走出路子。

极好的观点

●保险公司和医院成为优势共同体，达到这个基本点后，保险产品的设计更有根据，客户的价格更低更准确，风控更有保障。

●如果医院的好处和初创企业的好处相背离，医院一定会愿意卖很多药，做很多检查，做很多手术，把小病当做大病来治疗。