大数医达邓侃:医疗大数据可解健康险三大痛点

2016-09-07 17:53
作者:袁园
来源:每日经济新闻

这是一个巨大的悖论:一方面,整个保险业都非常看好健康险的前景,因为这是一个规模达万亿元的蓝海市场,未来令人遐想;另一方面,众多险企眼看着机会摆在面前却难以下咽,甚至目前已开展的健康险业务都陷入持续亏损,现实如此尴尬。

总的来看,健康险经营困难,主要是存在三大痛点:第一是产品设计上不够科学,缺乏大量长期的发病率数据支撑,以及患病后不同治疗方案的效果和费用评价;第二是单笔健康险保费较小,难以承受高昂的推广费用,目前的人海战术并不实用;第三是有效核保和防止骗保,这需要大量的专业人员,也将产生巨额的成本。

如何破解三大痛点?近日,《每日经济新闻(博客,微博)》记者寻访相关领域各类企业,集思广益。今天的报道,是来自医疗大数据领域的建言。

京大数医达科技有限公司,是一家专注于医疗大数据的企业,目前已与北京、江苏、广东等地的多家三甲医院合作,用一亿多份电子病历进行数据挖掘,并使用深度学习等最前沿的人工智能方法,对常见病的诊断和治疗进行建模分析。

日前,《每日经济新闻》记者(以下简称NBD)专访大数医达的创始人邓侃博士,他是美国卡内基梅隆大学(CMU)计算机学院博士,专攻人工智能和数据挖掘,历任美国甲骨文公司(Oracle)主任系统架构师、百度高级总监主管网页搜索等职位。针对健康险与医疗大数据面临的问题,邓侃博士逐一回答了记者提问,并坦率地提出了他的建议。

健康险面临“一点三面”问题

NBD:目前很多健康险公司都是亏损的,您认为是什么原因造成的?

邓侃:首先是保险产品设计的问题。保险产品的设计,有两个维度:一个是产品为用户提供哪些服务;另一个是如何定价。价格定高了不行,老百姓(603883,股吧)买不起,定低了也不行,保险公司赔不起。

其次是获客的问题。如何大规模低成本地在茫茫人海中,找到需要健康险但又不是逆选择的用户?

第三是风控的问题。如何有效审单核保和防范骗保?

这三个方面做不好,健康险就难以成功。

要做好这三个方面,必须先做好一个基本点。这个基本点是,险企必须与医院结成共同利益体。如果赔付金额降下来,不仅险企受益,医院也应该相应受益。反之,如果赔付金额超标,不仅险企受损,医院也会相应受损。

这个基本点是先决条件,也就是说如果先决条件做不到,那么前面说的三个方面也就很难做到。

从目前看,“一点三面”的问题,似乎都没有解决好。所以,健康险没能做起来。

NBD:为什么“一点”是基本点,是“三面”的前提,而不是平行的四个方面?

邓侃:因为只有当险企和医院结为利益共同体,达到这个基本点以后,保险产品的设计才更有依据,获客的成本更低而且更精准,风控更有保障。

先说保险产品的设计。什么样的医疗服务,对哪些人有吸引力,人均成本多少,人均收益多少,这些统计数据,对于保险产品的设计来说,至关重要。假如险企和医院结为利益共同体,假如医院帮助险企设计保险产品,甚至医院和险企共同设计产品,相信双方共同智慧的结晶,会更成功。

再分析医院的获客能力。每个城市的中心医院,为数不多。但如果把这几家为数不多的中心医院就诊病人的基本资料,汇总在一起,基本上可以与这个城市的人口普查相媲美。不过,要注意的是,在用户没有主动询问的时候,主动去兜售保险产品,不仅效率低,而且令人反感。

至于风控,更需要医院的配合。如果医院的利益与险企的利益脱钩,医院势必希望多卖药,多做检查,多做手术,把小病当大病治。

所以说,要推行健康险,首先要制定一个好的制度,这个制度把医院的利益与险企的利益绑定。只有先做到这个基本点,医院才会有内在动力,协助险企把产品设计好,找到最合适的用户,并在医疗过程中防范骗保行为,而不是在医疗过程后审查骗保行为。

离开了医院的配合,险企能否把健康险做好呢?似乎看不到这种可能性。医院与险企的利益绑定,健康险就大行其道,反之,就门庭冷落。中外各国的经验,正反两方面的案例都有,都支持这个结论。

医院积极配合险企很关键

NBD:医院积极配合险企,这是健康险成功的充分条件,还是必要条件?换句话说,如果医院积极配合险企,健康险就一定能成功?

邓侃:是必要条件,而不是充分条件。换句话说,单靠医院的配合,还不能保证健康险的成功。

比如说获客。如果一个人经常跑步、经常锻炼,向这种很健康的人推销重大疾病保险,他很大程度不会买。必须在合适的位置,在合适的时间,跟合适的人,推荐合适的产品。Right timing(对的时间)、Right location(对的地点)、Right people(对的人)、Right product(恰当的产品),这四个R,不完全是医院能够做到的。

在病人到医院就诊的过程中,推销健康险,显然不是对的时间,也不是正确的地方。因为病人到医院就诊,主要的诉求是解决当下的病痛,而不是安排未来的财务支出。

又如风控,即便绑定了医院的利益与险企的利益,但是医生的利益,未必与医院的利益一致。如何防范医生在开处方的时候,明显偏向某一家药厂的药?

对此,只有审核诊断和治疗全过程,核对患者的症状、化验结果和检查报告,与医生的诊断结果是否一致,与处方是否一致,才能更彻底地防范骗保,落实风控。

NBD:Right timing、Right location、Right people、Right product,针对获客的这四个R,大数据能提供什么帮助呢?

邓侃:不同时机,用户的诉求是不同的。前面说过,病人到医院就诊,主要的诉求是解决当下的病痛,而不是安排未来医疗支出。购买健康险的最佳时机,是用户有征兆可能会患病的时候,而不是已经患病了以后。没有患病的恐惧,就不会有强大动机去买健康险。已经患了病,再去买保险,对于险企来说,已经错过了销售的最佳时机。

用户有征兆可能会患病的时候,用户会做什么?医疗咨询。在用户咨询的时候,推荐保险,是Right timing。

用户在哪里做医疗咨询?最方便的地方,是在网上咨询。所以,在移动互联网大流量的入口,提供免费医疗咨询,顺势推荐健康险,是Right location。

大数据如何帮助险企产品呢?大数据能够提供医疗咨询,通过医疗咨询,收集用户的健康状况和病情,从而精准推荐健康险,向Right people 推荐Right product。

医疗知识图谱可实现高精度风控

NBD:大数据与医疗咨询有什么关系?

邓侃:医疗大数据,最重要的数据来源,是医院的病历。病历中不仅记录着患者的健康状况和病情,而且记录着医生诊断病因的全过程,而且记录着治疗方案包括用药处方和手术方案,而且记录着病情变化的过程。通过对病历做数据挖掘,可以整理出体征、症状、化验指标、影像检查标志物,与疾病之间的关联关系,与药品和手术等治疗手段之间的关联关系。我们把这些关联关系,称为医疗知识图谱。医疗知识图谱可以用于医疗咨询。

NBD:医疗知识图谱也能用于核保,实现风控吗?

邓侃:是的。医疗知识图谱能够基于患者的体征和症状,核对诊断过程中所做的化验和检查,是否有过度检查。也能根据化验结果和影像检查标志物,核对诊断结果是否合理,核对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:在设计健康险产品的时候,也能够通过大数据来提高设计质量,是吗?

邓侃:是的。前面说过,健康险的产品设计,有两个维度:一个维度是提供哪些服务,另一个维度是如何定价。

健康险提供的服务,可以包括今年看病的总费用,健康险能报销多少,也可以包括单病种的报销额度,也就是如果投保人患上某某疾病,健康险能报销多少手术、药品、和住院费用。在制订报销额度之前,必须测算在不同的当前健康状态下,未来罹患某种疾病的概率,以及各类疾病的平均诊治费用。

从海量病历中,不仅能够统计出各类疾病的平均诊治费用,而且也能够通过跟踪多位患者的病情发展,统计出疾病转化的概率。

制度设计须兼顾社会伦理和保险成本

NBD:从社会伦理讲,险企是否有权以甄别逆选择的名义,查验投保人的病历?是否有权根据投保人的健康状况和病史,制定不同的健康险投保价格?是否会引起疾病歧视、年龄歧视、性别歧视等等道德争议?

邓侃:在设计健康险制度的时候,绕不开社会伦理问题。譬如生命是否无价?从个人来讲,如果自己的生命面临危险,当然要不计成本抢救生命。但从社会整体来讲,很难做到不计成本地挽救每一个生命。

在设计健康险制度的时候,必须同时兼顾社会伦理和保险成本。如果险企都破产了,老百姓无处投保,这是更大的道德风险。

大数据能够精准测算各种制度之下,保险成本和受惠人群,为保险制度的设计,提供数据依据。

NBD:医院会把病历,交给大数据公司吗?如果病历外泄了,如何保护患者隐私?同时,如果大数据公司拿到的病历,仅仅是脱了敏的病历,不知道患者的联系方式,那么大数据公司如何实现精准营销呢?

邓侃:首先得强调一下,大数据公司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里。大数据只不过在医院的私有云里,对病历进行了数据挖掘。也就是说,大数据公司的程序,读过每一份病历,但是大数据公司的员工,没有直接接触病历。

实际上,合作的主体,是险企和医院两家,大数据公司只不过提供了数据挖掘的能力。

举例来说,如果有一位用户购买健康险,如果按制度规定,险企有权审核他的病史。以往调阅病历,需要去医院的病案室,人力成本和时间成本都很高。这个时候大数据技术的作用就体现出来了。大数据技术能够帮助医院病案室,在一秒内调阅病人所有既往病历,甚至可以自动读解这些病历,整理该病人的病史和判断他的健康现状。也就是说,大数据技术提高了医院病案室的工作效率。

又比如说,如果有投保人申请医疗费用报销。以往做法,险企要组织大量人力,人工核查每一份报销单。对险企来说,工作量巨大。对投保人来说,报销不及时。这个时候大数据技术的作用就体现出来了。大数据自动地智能地,全面核对报销单与存放在医院里的病历。不仅高精度,而且高效率。

从严格意义上来讲,大数据只是提高了数据处理的效率。但从实际效果上来讲,大数据技术同时做到了高精度和高效率。以前不可能做到的事情,现在通过大数据做到了,大数据促成了一场革命。

预计12个月内首批产品上线

NBD:国外健康险有哪些先进的案例或者合作模式可用来借鉴吗?

邓侃:医疗行业和医疗保险,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,深受医保公司影响。甚至很多医疗机构,直接隶属于医保公司。英国的医疗医保制度与美国不同,日本也不同。各个国家各有特色。

譬如美国重视PBM,Pharmacy Benefit Management,药品福利管理。保险公司从各家医院收集各类药品的需求,然后向药企团购,以便获得批发优惠价。

但是中国目前更突出的问题,不是药品的价格,而是乱开药。PBM对于中国也很重要,但是似乎并非当务之急。

NBD:国外在医疗大数据方面还有哪些探索?跟国外比,中国在医疗大数据方面的成就如何?

邓侃:国外在医疗大数据方面,目前成就比较突出的有三个企业。第一个是IBM Dr Watson。IBM想在癌症领域,尤其想针对某几个疾病,收集高质量的病历,并对它们进行数据挖掘,同时对相关论文做智能语义分析。通过双管齐下的办法,细分这几个疾病病程,更精细地推荐各种治疗方案。

其次是Google旗下的DeepMind,也就是下围棋的那个AlphaGo。他们跟英国卫生部合作,收集了全英国170万份病历,针对常见病,研发家庭医生电脑助手。英国整个医疗体系中从业人数最多的是家庭医生,但是家庭医生的临床水平参差不齐,DeepMind想借助家庭医生电脑助手,实现常见病的标准化诊断和治疗。

还有一个美国公司叫Flatiron Healthcare,它的主业是从全球各地收集病历,目前首要目标是收集癌症病历。各地各医院的病历,格式不统一,语义用词不规范,所以Flatiron想把全球的病历烫平整理,实现病历的标准化、结构化,实现全球病历的互联互通。

全球各国都在尝试医疗大数据,而且很多大数据专家一致看好中国。因为中国不仅人口全球第一,而且电子病历储量全球第一,所以中国在医疗大数据有得天独厚的优势。

另外,中国政府的行政能力,也是得天独厚的。如果中国在政府引领之下,尝试医疗医保改革,实践基于大数据的健康险,那么很有可能实现弯道超车。对于全球各国来说,医疗医保都是头痛的问题。如果中国摸索出医疗医保的新方法新产品,那么卖到国外去,将会十分受欢迎。

NBD:看来到目前为止,全球还没有出现成熟的健康险产品。对于这些正在探索的企业,大概需要多长时间,才能完善技术,完善商业模式,并脱颖而出呢?

邓侃:常见病的数量不多,几百个而已。常见病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诊工具,估计在12个月之内,会有第一批产品上线。

把大数据和机器学习技术,应用到医疗行业,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,赢利模式非常多。如果目标紧紧盯住几百个常见病,缩短战线,快速冲刺,12个月内,是能开发出质量令人满意的产品。面对蓝海,面对一望无际的商机,创业企业最大的挑战,是保持注意力的专注。切忌分兵出击,处处出击,处处遭遇阻力。

12个月内,技术方面会取得重大突破。接下去,第二个里程碑,是实现赢利模式闭环,尤其是实现医疗大数据、智能诊疗与健康险的紧密结合。有价值,就有用户,有用户,就有赢利模式。相信在未来2~3年内,一定会有若干家公司,探出路子来。

精彩观点

●只有当险企和医院结为利益共同体,达到这个基本点以后,保险产品的设计才更有依据,获客的成本更低而且更精准,风控更有保障。

●如果医院的利益与险企的利益脱钩,医院势必希望多卖药,多做检查,多做手术,把小病当大病治。