从国际视角看中国健康险市场：管理式医疗模式如何落地中国

健康险保费增速为什么从之前几年的20%、30%、40%、50%甚至70%跌至9%？2011年健康险保费增速仅有2%，说明2017年很可能是健康险的一个分水岭，市场挤出一些水分，要重新发展。

从渠道端而言，真正的健康险或者说最有意义的是团险。但中国的健康险个险渠道占比76%，增速84%；团险占比16%，增速是32%，远远弱于个险，确远超行业平均增速。

同时，健康险赔付支出持续增长，赔付率仅有25%，发达国家，比如美国，健康险的赔付率是80%左右。

这是中国健康险的一个困局——赔付率不但小，而且支付能力还有限，但上述数字也说明中国健康险仍有很大空间。

传统健康险的困局：高发病率+医疗险困局+如何介入医改

提前老龄化，癌症年轻化及“三高”常态化构成了当前中国消费者高发病率的现状，对于传统健康险是一个挑战。

医疗险方面，医疗和保险是脱节的，原因数据孤岛现象突出，数据互联，数据的获取渠道都有问题。

再有就是中国医改的不断推进，需要健康保险行业找到空间。

如7月24号上海出台上海健康服务业50条，我们看到“一个下沉，一个多元”的方向。具体为医疗资源的下沉，医疗服务在多元。

那么中国的保险、健康险如何帮助医疗产业更健康地发展？在这里，我们提出“精准医疗”的概念，需要商业主体的承载。

解读上海健康服务业50条

什么是医疗资源的下沉？

第一重意思：顶级医生和顶级医技的下沉。

即淡化整个三甲机构医院的评级而重视医生职业的资质，把一些好的医疗资源可以下放到底层的医院，让顶级医生可以下去。

第二重意思：医学高地需要充分发挥劳动积极性的诊所， 和社区卫生中心并行。

第三重意思： 解放医生生产力。

医生是医疗的主体，生产力、服务取决于我们的医生团队，大医院看病难，因为好医生都在顶级医院里，没有下沉。

为何不能下沉呢？因为有些制度在干扰。好医生不愿意去社区卫生中心。这该怎么办？需要制造一个机会，发挥顶级医生的劳动积极性。

什么是医疗服务的多元化？

多元，公立医院和社会办医合作。最合理的方式是竞争，竞争的基础是多元。上海的政策提到，公立医院和私立诊所合作。因为公立医院有最好的资源，这是鼓励多元。

品牌化，品牌化专科医疗集团。上海这次打的口号是做亚洲的医疗中心城市，做品牌的专科诊所。

放宽科目设置，鼓励全科医生开诊所。

放开高端诊所医保闸门。过去，患者在私立的高端诊所就诊百分之百自付，现在上海已经放开高端诊所医保的大门。

无论是下沉，还是多元，都将对全国的医改具有很大的促进作用。

这是大数据时代的健康险

健康险的时代，离不开大数据的支持。

传统健康险，比如再保险，用传统的医疗发病率作为参考标准，已经不适合新的时代。

这是无人驾驶、全球化、各种气候变化、老龄化的时代。同时，也有很多新的技术和获取数据的手段。

如运动手环，慕尼黑再保险美国的研究数据显示，影响医疗险费率定价的因素，每天有效运动量竟然排到第二位，仅次于年龄因素。

传统医疗险定价因素第一位是年龄，第二是性别。美国的研究数据对我们的定价因素产生了很大影响。

新的数据集成的大数据怎么应用，启发着我们如何进行新的定价。

慕再健康的实践：线上线下国内国际医疗资源的整合

首先，“慕再”在亚太区，提早布局医疗资源，做好服务，也做好医疗资源的整合。

我们在中东拥有一家Med net公司，可以覆盖全球的医疗网络，为客户提供无国界就医咨询和服务。

其次是着力用国际经验整合医疗资源。如我们提出了医疗资源无国界、医疗服务便捷化、医疗服务以人为本，立足于健康服务和医疗质量提升。

其实这也是医疗资源的下沉，是以人为本。我们要围绕人去设计保险，设计医疗服务。

如我们提供的美国顶级专家网提供视频线上和线下服务、覆盖全国10个中心城市的移动护士上门的服务举措，和即将启动的一线城市高端私立诊所提供全科医生服务等。

最后，我们希望把国际资源和服务经验能转化为本土服务，为中国健康消费升级提供有质量的服务和保障。

如何实现，需要线上、线下保险服务一体化。

如慕再的重疾关爱网络版和手机版，可以把任何一个人的健康档案变成美国制式的健康档案，跟美国90%的医院直接对接。

这样做的意义在于就医时效。如果在海外遭遇重疾，送到医院很及时，但是不是万事大吉？

不是，只是医生抢救生命的开始。紧急情况下，医生对你的健康档案一无所知，无法进行快速有效的诊断。如果云端有一个跟国外接轨的健康档案就一目了然帮助医生掌握病患情况，这就是这项服务的意义。

多学科诊疗团队的以人为本—— MDT，医疗界很时髦的词汇。起源于上世纪90年代美国的整合医学。他们认为医学是一个系统，因此改变单个科室、单个医生看病的模式，现在已经变成癌症治疗的流程。

这个过程怎么实现？

第一，我们把患者的病例匹配至相关美国专家。因为美国已经收录相关数据，随后我们推荐两个有治疗这方面疾病的专家给患者。72小时之内，美国医生可以完成讨论，对患者进行治疗建议。

第二，护士上门服务。我们设有移动体检工具箱，包括血、B超、尿检测等所有监测设备。同时配备专业护理人员上门服务。 

医疗无国界VMT案例：治疗白血病患儿菌血症案例

管理式医疗的初探：美国经验VS中国模式

先看一组数据：中国传统的员工福利计划医疗险赔付率

如上图所示，传统医疗险自保单生效日算起，基本第16个月全部赔出去。以蓝线为例，作为中位数16个月的赔付率高达85%，如果计算运营成本、中介成本，保险公司压力可想而知。

实际上，25%以上的保险公司第16个月传统医疗险赔付率超过99%。

如果团险如此发展，怎么可能健康成长。

可持续的健康险该如何发展，看美国的团险例子

为什么美国团险可以做到那么大，中国为什么做不了？

经验一：美国商业团体健康险是保障型保险的主体，而团体承保也是解决保证续保的最佳途径，团体平台是服务结合保障的最优载体。

医疗服务方面，做到了高端诊所就医体验+全流程健康管理就诊辅助服务。

结果就是：美国团险既往症承保，无需个人健康告知；保证续保方面也可以做到无缝对接后续治疗。即便员工离职也可以将团体健康险转到个人。

期间最主要的原因，美国商业团体健康险有医疗方面的大数据、可以进行风控，中国没有。

经验二：美国管理式医疗中国市场的落地 – 企业的“全科诊所”

洞察客户需求：五大痛点

第一，使用率低的高额的社保外医疗费用是一个极大的痛点。

第二，就是员福计划很少覆盖私立诊所，这也是一大痛点

第三，中国企业员工日常就诊排队误工的问题。

第四，驻点医生经验欠缺的问题。

第五，医疗体制中全科医师的缺失问题。

以中国百万医疗为例，为什么成为网红产品，解决了哪些痛点？

2017年中国健康险保费增速9%，有一家公司增长172%，靠的是什么？爆款产品。

它解决的是社保无法解决的问题，是焦虑的问题，它比重疾更好地解决焦虑问题。

再如三甲医院的繁忙程度是众所周知的，CBD或者是金融街的白领、金领有补充医疗保险，但往往也不愿意去三甲医院排队。因为时间成本太高，会误工、耽误事，形成买点药扛过去的普遍现象。

这就是日常就诊、日常咨询问题没有解决。背后的原因是，中国没有全科医生，或者企业驻点医生水平有限，医学专家又难驻场。这需要解决医生的赋能问题。

上述问题相继牵扯到就诊排队误工、驻点医生经验欠缺、全科医师的缺失等系列痛点。

中国模式是什么？

四个特点：

高端医疗市场进入瓶颈多年，私立诊所产能过剩；

增量优质客户的边际成本较低；

北京和上海的商业区客户相对集中，诊所覆盖便利；

员工自付的福利升级越来越普遍；

如找合作伙伴，保险公司总是认为难以打通医院渠道，原因是医院本身产能很足，不需要保险公司提供更多病患。

我们曾涉足高端医疗市场，进入多年依旧没有增长，过剩的产能集中在私立诊所。很多诊所租金也付了，医生也请了，高端医疗也与保险对接了，但是产能还是明显过剩。事实上，诊所的医生每天可以看15个病人，往往只有两个病人。如果再让他看十个，他是愿意的。因为诊所的医生是工资制的，这不会增加医疗资源的成本。如果增加优质客户，将发挥边际效应，也会增加保险的性价比。

为什么高端医疗进入瓶颈期？因为性价比的问题。价格太高，作用有限，不值。如果是在北京、上海商业区形成相应覆盖是可行的，因为这里商业区相对比较集中，覆盖比较容易。还能见美国的医生，可以随时请专家进行会诊，具有吸引力。只要价格合理，风险可控，员工也是愿意付费享受高性价比的服务的。

会有那些挑战？

集中在五个方面：

保险公司和医疗机构的风险分担机制；

保险公司和医疗机构的数据对接和数据赋能；

全科医生的培训和“赋能”；

远程医疗的应用；

与其它医疗险的衔接；

第一，保险公司和医疗机构应该有风险分担机制。增加客户，如何计算成本、多少都需要计算，如何算？

其次，保险公司和医疗机构数据对接和赋能？当前的支付多是假支付，是垫付，不是支付。

什么是支付？你在诊所系统里输入，保险公司系统就显示了，这叫直接的实时对接。如果不能当天解决问题，还要隔一晚上解决问题，这不叫实时对接。

第三，全科医生的赋能；第四，远程医疗的应用；第五，跟医疗保险公司的衔接。

这几点做的只是一块业务，只解决了一个痛点，不追求大而全，应该是可控的，可以管理的。

关于医疗数据和数据医疗的赋能

都在讲大数据，数据赋能就那么简单吗？

首先，什么是医疗数据和数据医疗？什么是大数据呢？跑跑跳跳计算步数，吃多少饭，在什么地方，做了几次公交，走几步，买什么东西了，这些都是大数据；

什么是传统数据？传统数据是门诊去了多少次，体检的结果，这是传统数据。两者有什么关系？就是数据挖掘的关系。

第二，结构数据和数据堆。我们现在讲有数据，也都连接了，那是数据堆吗？是一堆数据，重复的、错误的、缺失的、不完整的。

结构数据是什么？结构数据是可以应用于判断风险的数据。这是需要加工的，是需要整理的。谁来做？必须是由保险精算人员做。数据如果不变成结构数据，没什么用，因为数据不会告诉你任何故事，就是一堆数。

大数据分析是什么呢？Regression、Machine、Text Mining，这些数据有什么意义呢？是在搜集了相关数据之后，通过模型的转换，跟传统数据产生对应关系。我们为什么敢说有效步数可以比你的性别、用药量更有用？因为我们做对比、做研究，变成了结构数据，是可信的。

第三，数据决策。什么是数据医疗？精准医疗的基础是数据医疗，是求证医学，就是通过这些数据发现哪个临床应用性最好，省钱、效果好。

什么是精准医疗？精准医疗是我知道应该看哪个专家。针对病症，不是找什么医院，而是找这个领域的专家，并进行沟通，这叫精准医疗。

数据保险是什么呢？有数据科学家，有IT工程师，但这两类群体必须由精算师统筹安排，否则数据没有意义。

所以，数据赋能是一个相当复杂的过程，需要各个机构、各个单位和保险公司、再保公司合作，才能产生能量，而不是某一个说我有数据堆了就可以产生，这没太多用处。

第四，数据赋能的流程。结构化的数据图，需要有一个非常规整的数据，有一个能够把各个数据连接起来的东西。

低风险、高风险、中间风险，是通过多样化风险分析出来的。高风险不是买产品，是买服务，以服务为主。

通过各种渠道建立一个模型，模型是循环的。所以，这是一个简单的风控模型，可以演化成很多样式。

我曾问我12岁的儿子，怎么解释信息孤岛？他给了我一个词，叫盲人摸象。

我们都想数据云端共享，都想流程无缝对接，都想资源合理分配，为什么做不到？

因为我们每个人都是瞎子，我们只看到了自己那一块数据，认为它是无价之宝，其实我们没有看整体，因为我们没有合作，我们没有互联互通。

怎么解决信息孤岛？我们需要合作，没有人可以把整体吃下，所以要建立一个诚信社会，实现数据共享，实现流程对接。