大数据如何开辟千亿元级“市场蓝海”

Part 6 大数据医疗：重构互联网医疗新商业路径

大数据如何开辟千亿元级“市场蓝海”

大数据又称巨量资料，是一种数量巨大、增长率高、类型多样的信息资产，这种资产必须经过新的处理模式，才能表现出强大的洞察力、决策力和流程优化能力，这个概念最早提出于2008年出版的《大数据时代》一书。

资料来源：易观智库。

图6-1 移动医疗大数据的十大分析应用

随着商业场景的丰富，商业活动产生的数据类型和数量激增，从而推动了大数据技术的发展。企业在应用大数据技术之前，应该抓住最合适的时机以及最适合的领域。之前，大数据已经广泛应用于互联网公司，为互联网行业创造了许多价值。现在，医疗行业在数据处理方面遇到的问题已经越来越明显，同时政府对医疗信息化的支持给医疗行业提供了大量的资本，因而医疗行业已经具备了大数据应用的理想环境。

从新品研发、付款/定价、临床操作，到公众健康以及创新商业模式，大数据技术都可以创造出巨大的价值，提高医疗服务效率，降低医疗服务成本。

研发

大数据技术应用于医疗产品的研发，可以大大提高新品研发效率，从而创造出更多的价值。以美国医疗产品市场为例，每年大数据应用可以在医药研发领域创造至少1000亿美元的价值。

（1）预测建模

在新药研发过程中，医药公司通常会采用数据建模的方式，计算分析出最优的投入产出比例，按照这个比例配备各类资源，避免研发过程中的资源浪费，降低研发成本。产品研发出来之后，需要根据临床试验之前和早期阶段的大数据，尽快计算分析出最终的临床结果。到了这个阶段，医药公司就可以停止次优药物的研究，节约研发成本。

通过使用大数据预测建模，医药公司可以缩短药品研发周期，更快地将产品推向市场，将资源集中于更有针对性、疗效更好的药品研发，获取更高的市场回报。通过预测建模，医药公司至少可以将新品研发周期缩短3～5年。

（2）统计工具和算法

所有高水平的临床试验在设计阶段一定避免不了统计工具和算法的使用，它们不但可以提高试验设计水平，在参与试验的患者的招募工作中也能起到巨大的作用。使用统计工具和算法，可以迅速判定招募对象是否符合试验条件，从而提高招募工作的效率，加快试验进程。通过对患者数据的挖掘，也可以发现更适合的临床试验基地，比如拥有更多潜在患者的基地，或者找到症状更明显、更符合条件的试验对象。

（3）临床实验数据的分析

通过对临床试验数据的分析，可以发掘产品更明确的疗效，确定更多的适应证，也能够发现其可能造成的负面反应。根据得到的分析结果，医药企业可以调整药品的原本定位甚至营销策略。

通过对临床数据中不良反应信息的收集和分析，可以有效地促进药物警戒体系，保证药品使用的安全。即便有些可能出现的反应并没有在临床试验中得到足够的数据证明，也可以通过大数据分析得出确切的结论。这类分析对于医药企业非常重要，如果这类分析项目做得不好，药品上市之后暴露出新的问题而导致撤市，不但会给医药公司带来巨大的经济损失，还会对企业的信誉造成毁灭性的打击。

（4）个性化治疗

大数据应用对于医疗服务行业的另一个贡献，也是最有前途的创新之一，就是通过大数据计算发展个性化治疗。这种应用需要对大型数据集进行分析，综合考虑个人的遗传变异因素、易感疾病和过敏成分等各种因素以及它们之间的关系，在此基础上进行药物研发和处方开具。

个性化治疗是一种更先进的医疗模式，能够为用户提供更高水平的医疗健康服务效果。比如在疾病发生之前就能做出明确的诊断，提前进行治疗，从而大幅度提高治疗效果，降低治疗成本；对于患有同一病症的不同个体采取个性化诊疗方案，甚至适当减少处方药量。

（5）疾病模式的分析

大数据计算也可以用于分析疾病的模式，预测疾病发展的趋势，为医药企业的战略决策提供参考，使企业制定的研发重点和资源配置方案得到进一步优化。

付款/定价

对于医疗卫生服务支付方而言，付款/定价是一个复杂的问题，牵扯到很多因素的平衡，而大数据分析可以帮助他们更好地对服务进行定价。应用大数据分析，每年可以为美国政府大幅度节约医疗支出，为整个医疗服务市场创造500亿美元的价值。

（1）自动化系统

医疗索赔环节存在着大量的欺诈或者不合理行为，这些行为占到全部医疗索赔事件的2%～4%，所以对于保险公司和其他医疗支付机构而言，对欺诈性索赔的检测非常重要，这就应用到了自动化系统。

自动化系统在索赔数据库的基础上设计了相应的算法，按照这个算法，系统可以计算出索赔行为的准确性，在支付赔偿之前检测出是否有欺诈行为，从而避免支付方因欺诈索赔而遭受损失。

（2）基于卫生经济学和疗效研究的定价计划

在定价方面，大数据应用可以帮助制订更好的定价策略。

在医疗服务定价方面，欧美地区已经有一些医疗支付方开始利用大数据分析来衡量医疗服务的质量，并根据分析结果来制订医疗服务的定价计划。比如根据医疗效果进行支付，先制定一个医疗服务基准，然后利用大数据分析判断医疗服务是否达到基准水平，根据分析结果来决定支付价格。

在药品定价方面，出现了一些基于卫生经济学和疗效的药品定价试点项目，越来越多的药企开始分担治疗风险，借此追逐更高的市场准入资格，也可以根据定价方案推出有针对性的特定药品种类，博取更高的利润。实行基于疗效的定价策略，患者也可以从中得到实惠，以合理的价格获得效果更好的药物。同时，这种策略也使得医疗支付方对于医疗健康支出的控制更为容易。

临床操作

在临床操作领域，大数据技术可以应用于比较临床疗效、帮助制定临床决策、提高医疗数据透明度、远程监控病情、分析健康档案等。如果大数据技术在这些场景得到充分的应用，将大幅度降低医疗服务行业的开支。仅仅在临床领域，大数据应用就可以为美国医疗行业每年减少165亿美元的支出。

（1）比较效果研究

针对同一种疾病，甚至是同一个患者，不同的医疗机构采用不同的疗法治疗，取得的疗效不同，并且花费的医疗成本也不同。如何才能选择出效果最好、成本最低的治疗方法呢？这就需要应用大数据技术做比较效果研究，即通过对患者的健康数据、疗效数据和花费数据做全面的比较分析，找出最适合的治疗手段。通过比较效果研究，医生能够找到疗效最好、成本最低的治疗方案，从而可以更好地掌控治疗进度，避免治疗不足和过度治疗。

在欧美地区，已经有很多知名的医疗机构利用大数据开展了比较效果研究，并且已经取得了不俗的成果。在美国，2009年通过的复苏与再投资法案为比较效果研究专门设立了联邦协调委员会，并投入4亿美元用于支持比较效果研究，所有研究项目的协调以及资金的分配全部由该委员会负责。

比较效果研究涉及因素众多，在项目进行过程中会逐渐暴露出大量的潜在问题，这些问题都将为比较效果研究带来重重阻力：

在临床数据方面，医疗系统还没有制定统一的电子健康档案标准，因而现存的海量健康档案类型多样，给数据的提取造成了极大的困难。同时，临床数据与保险数据也不一致，双方的数据难以整合。

在隐私保护方面，数据的使用需要在保护患者隐私的前提下进行，同时大数据应用又要求尽可能翔实的数据资料才能保证结果的正确与有效。然而，保护隐私就难以保证数据足够详细，而追求数据的详细势必会影响到病人的隐私，这个问题也难以解决。

更严重的问题出现在医疗体制方面，美国法律不允许依照成本/效益比例制定报销决策，因此，即便以上的数据问题全都得到解决，保险公司和医疗服务支付机构研究出了更好的问题解决方案，也难以真正推行。

（2）临床决策支持系统

所谓临床决策支持系统，是指一种为医生制定医疗决策提供协助的人工智能系统。医生将患者的信息输入系统，系统就会自动比对现有的临床知识，生成个性化的信息供医生参考。这种方式可以提高医生的诊疗效率，同时提醒医生避开可能出现的错误，减少因为错误的决策导致的药物不良反应、医疗事故等负面临床结果。

大数据技术的发展大大提高了对非结构化数据的分析能力，从而使临床决策支持系统变得更加智能。通过对图像分析和识别技术的使用，临床决策支持系统能够自动读取医疗影像数据，也可以从医疗文献中挖掘相关数据，建立独立的专家数据库，还可以将更多的工作分流给医生助理和护理人员，将医生从辅助性的工作中脱离出来，投入更重要的诊疗工作。

（3）医疗数据透明度

透明的医疗数据可以让医疗行业的绩效收入更加透明，进而提高医疗服务行业的服务质量。医疗结构可以对已有的绩效数据进行分析，根据这些数据设置标准、透明的操作流程图和仪表盘，通过流程图来查找临床变异和医疗资源浪费的源头，根据分析结果进一步调整现有的流程。通过将发布成本、质量和绩效数据透明化，可以促进医护人员以及医疗机构提高绩效，提升竞争力，也能够帮助患者做出更好的医疗健康决策。

通过透明的医疗数据分析，可以创建出透明的、精简的业务流程，从而大量节约不必要的成本，也能够发现高绩效的医护人员，给病患群体提供更好的服务，带来更好的就诊体验，另外促进了医疗机构的业绩增长。

美国疾病控制和预防中心已经着手将所有的医疗数据公开发布，包括具体的业务数据也完全透明化处理，保险公司和医疗补助提供商也在积极测试仪表盘，建设主动、透明、开放、协作的医疗体系。

（4）远程病人监控

在远程病人监控方面，大数据可以用于收集慢性病患者的健康数据，然后对这些数据进行系统的分析，根据分析结果来调整治疗护理方案。

慢性病发病慢、病程长而且病情迁延不愈，需要长期的医疗服务。慢性病患者是一个规模很大的群体，他们占用了大量的医疗资源，给整个医疗体系造成了庞大的负担。美国慢性病患者已经超过1.5亿人，花费在他们身上的医疗成本占到全国医疗卫生系统总花费的八成。而使用远程监控系统对慢性病患者进行病情的监控，可以缩短患者在医疗机构的时间，进而降低慢性病患者占用的医疗资源。

对于慢性病患者而言，远程监护系统提供的长期医疗服务方便而且有效，系统通过心脏监测设备、血糖仪、芯片药片等家用设备，对患者的身体情况实施监控，同时将设备采集到的数据实时传输给后台系统，系统一旦发现异常数据就会立刻联系医疗机构采取干预措施，防止情况恶化。

（5）对病人档案的先进分析

病人的健康档案里面隐藏着很多重要的信息，大数据技术的应用可以将这些信息分析出来，比如帮助病人识别自己易患的疾病，然后帮助病人采取相应的预防措施，也可以从现有的数据中发掘最优的疾病治疗管理方案，进行大规模推广。

公众健康

在公众健康领域，大数据分析也有极大的用武之地。通过对公众电子病历数据库的海量电子病历进行大数据分析，卫生部门可以实时监控公众健康水平，全面监测全国范围内发生的各类传染病。一旦出现疫情征兆，可以在第一时间启动相应的监测程序，采取应对策略。

大数据应用可以在全国范围内有效降低传染病感染概率，更迅速地发现新的传染病和疫情，更及时地做出应对和控制。卫生部门能够迅速为公众提供对应的健康咨询服务，大规模宣传防治措施，促使公众提高健康风险意识，注意卫生防范，降低患病风险。

新的商业模式

大数据分析的应用催生了医疗服务行业更多创新型商业模式，主要包括临床数据集和网络平台两种形式。

（1）汇总患者的临床记录和医疗保险数据集

临床诊疗记录和医疗保险数据之中隐含着巨大的商业价值，通过对这些数据的汇总与计算分析，可以帮助医疗服务产业链上的各个主体进行更好的决策。比如医药企业可以根据分析结果推出有针对性的疗效更好的产品，在营销方面也能够根据大数据分析实现精准营销。虽然这种模式还处于起步阶段，相关的市场才刚刚开始形成，但是随着电子病历的推行和循证医学的发展，未来这一模式的发展前景将十分乐观。

（2）网络平台和社区

大数据应用的商业模式还存在于众多线上医疗服务平台，比如患者分享求医经验的网站PatientsLikeMe、医生群体探讨医学见解的平台Sermo、激励病患坚持治疗的非营利性网站Participatory Medicine等。这些网站都已运营多年，积累了海量的临床数据，这些数据都蕴含着巨大的经济价值，网站可以通过将数据售卖给保险公司、医药企业等机构来实现价值变现。

比如Sermo就向医药企业开放自己的会员信息和互动信息，作为交换条件，企业则需要向网站交付一定的费用。