AI大模型潮水中，医疗数字化加速「求解」

　　蝴蝶挥动翅膀，医疗行业每个角落开始连锁反应，曾经被忽视的问题也愈发明显。但与之对应的是，对数字化和AI大模型的价值认可，在中国医疗赛道也正在加速来临。

　　作者|斗斗

　　出品|产业家

　　重庆市某地方人民医院，IT负责人王楠(化名)正在急忙收拾东西赶往会议室。与以往不同的是，这次会议的主题是“如何借助科技赋能，推进医院信息透明数字化”。

　　“明显感觉到很多医院开始部署SDP系统，将医疗数智化提上新高度。”

　　二级市场也侧面验证了王楠这一猜测，浙江震元(000705)、塞力医疗(603716)等个股涨停，SPD概念走强。

　　过去数年时间里，医疗数字化、智慧医疗不断被提及、落地，然而在这个复杂的行业里，仍有许多环节、节点，让数字化“触不可及”。甚至有些环节的痛点，被刻意回避。

　　在他的言语中，产业家了解到，该医院构建了药品、耗材、医疗、医保四大智能化体系，形成一张数字化透明网。

　　“这一次好像是认真的。”王楠对产业家说，以前很多医院内部做数字化转型，不少是为了达成指标或是表面功夫。

　　这样的变化似乎预示着医疗数字化即将迈入一个新的阶段。

　　蝴蝶挥动翅膀，医疗行业每个角落开始连锁反应，曾经被忽视的问题也将愈发明显，机遇与挑战也随之而来。

　　一、数字断裂、卡点与非良性

　　医疗行业成为热点话题后，中国医疗数字化的难题，再次被摆到台面上。

　　“设备代理商从设备生产商处拿到的某医疗设备价格是579万元人民币，转手卖给医院，合同价能高达1170万元人民币，相当于翻了一倍……”这是反腐专题纪录片《零容忍》中的一段陈述。

　　这种非良性的医疗业态背后，则是诸多节点断裂下的不透明操作。

　　“谁领、谁用、反馈、回访……整个链路，一旦出现断裂，就意味着需要人工的参与操作，便很难责任到人。”

　　谢朝晖告诉我们，他是爱创科技CEO，爱创科技的主营业务是“一物一码”，它是医药行业产品追溯引领者，服务海内外药企超过3000家。尽管谢朝晖与医院打交道的机会并不是太多，但常年游走于医药行业，他对当下医疗数字化转型遇到的难点深有感触。

　　医疗产业数字化的核心是把医疗行业发展过程中积累的信息及资料，结构化形成数据，加以分析、利用，提高效率，反哺医疗业务发展。

　　但在医疗行业，数据收集、治理、应用难，使得数据价值难以体现，数据、业务之间的壁垒也难以打通，导致各个环节的断裂。

　　“医疗数据的沉淀和积累，与医疗数据的应用之间存在巨大的断点。”产业家与云知声的交流中也验证了这一点。

　　具体来看，在医疗领域，大部分信息涉及患者的健康状况、个人隐私等数据，如何保证数据安全是医疗机构面临的巨大难题。

　　据IBM Security的《2020年数据泄露成本报告》，仅2020年一年，全球医疗数据泄露平均成本高达713万美元，较2019年增长了10%以上。

　　而在国内，根据中国医院协会信息管理专业委员会发布的相关数据，在2018-2019年的调查中，参与的839家医院仅有43.95%通过等级保护测评，其中三级以下医院中 75%未开展过等级保护测评。

　　医疗数据安全问题较为严峻，所以为了确保医疗数据的安全，医疗行业大部分信息数据长期以来一直处于封闭环境。

　　加之由于医疗服务的特殊性，每个省的各区域医院，医院每个科室、版块都有各自的业务及需求，不仅数据整合难，同时也造成数据打通难。

　　相关数据显示，国内省、市、县区域卫生信息平台中建设率分别为63.3%、39.2%和23.8%;区域卫生信息平台与医保部门实现跨部门数据共享的比例，省、市、县分别为66.7%、30.5%和26.1%;没有实现区域内医疗机构间信息共享与交换的三级医院、二级医院分别占比29.6%、45.4%。

　　总体而言，医疗数据的非标性、异构性、孤立性，导致了数据应用的困难，这包括对数据的理解、分析和推理，难以发挥这些数据的价值。

　　正如医联相关负责人所言，“过去以互联网技术驱动的数字医疗主要解决了空间和连接的问题，但始终无法解决医生供给不足的问题。”在他看来，数字医疗数十年来，提升仍然有限。

　　对于医疗数字化而言，面临问题逐渐清晰。

　　二、SPD，是解法吗?

　　一个事实是，虽然5G、大数据、云计算、物联网等新兴技术已经逐渐应用于医疗数字化的各个场景，但由于医疗行业的复杂性，以及监管要求下，导致各个场景下的数字化进程不一。

　　医疗产业数字化场景应用进程

　　来源：2023年中国医疗产业数字化转型现况及能力研究报告

　　例如在药械场景，由于药品溯源的政策性要求，倒逼这一场景快速实现了全生命周期管理，爱创科技便是这一领域的头部厂商。

　　此外，由于早期互联网医疗的强势崛起，也拉动了门诊服务场景的数字化。医联的电子病历、智能审方等产品;以及云知声的医疗语音交互解决方案、智能随访系统都是次场景下的典型代表。

　　而反观院内场景的数字化渗透率，则反之。

　　例如，院内的SPD追溯系统具体落地现状并不理想。就目前来看，国内部署这套软件的医院占比仅有个位数。“3%到5%左右，且有的还是局部应用。”谢朝晖对产业家说。

　　爱创科技的模式是，通过“一物一码”的方式帮助医药企业连接经销商、医院、药店、医生、医保、患者等核心医疗产业环节，打造全产业的数字生态。“但医疗行业想要走向良性发展，建立院内的SPD追溯系统，是必须要解决的根源问题。”

　　值得注意的是，近几年SPD软件应用趋势也愈发明显。中物联医疗器械供应链分会统计的一项数据也显示，仅 2022 年前十个月开展的 SPD 项目，已接近 2019-2021 年三年实施数量的总和。

　　来源：众成数科，东吴证券研究所

　　通俗来讲，SPD是一款医用物资一体化管理系统，通过采用现代化供应链管理方式，帮助医院降本增效。是院内数字化转型至关重要的一环。

　　要知道，药耗成本是医院最大的成本要素，通常占总成本的 50%以上。以三甲医院为例，一般配备不超过 1500 个品规的药品，但所用耗材却可能有上万种，且不同耗材管理要求不同。在 SPD 模式下，医院内管理耗材所需的场地、人力、运营等成本均可转移至 SPD 服务商，做到物流与临床分离。

　　来源：众成数科，东吴证券研究所

　　在SPD的管理模式，可以使得院内医械与院外医械，以及患者之间的透明度，得到较大的改善。

　　这不是一件容易的事情。

　　“很多医院的系统又旧又复杂，基本上就像纸糊的一样，碰碰就出问题。”在谢朝晖看来，这是一个巨大的工程，难题很多，需要时间。

　　所以，如果依靠院内的自发性驱动转型，大部分医院的动力难以维系。

　　业内普遍认为，解题的思路在于两方面，一是在院内制定如同医药溯源的硬性政策;二是SPD厂商推动行业奔向良性发展。

　　目前来看，前者虽已有部分地区将 SPD 纳入三级医院评审，但见效慢、周期长。对比前者，后者短期内效果或将更加明显。

　　在国内，SPD厂商的商业模式分为存在业务经营行为，以及不存在业务经营行为，前者通常以医药企业为主体，为院内提供服务;后者则是纯第三方服务模式。

　　而第三方服务模式不存在业务经营行为，一方面生存状态更加透明，降低了医院的管理压力和风险。另一方面，在这种服务模式下，医院可借助 SPD 系统真实数据对供应商进行评价，促使医院利益实现最大化。或将推动行业奔向更加良性的发展。

　　不过，正如上文所言，目前部署SPD 医院仅为个位数，所以就当下而言，如何利用新技术、不断优化、打通其他节点，仍是医疗数字化的重心。

　　在此转型路径下，新的医疗业态正在走来。

　　三、AI大模型下，再看医疗数字化

　　医疗服务行业有一个特殊性，即患者往往不知道看一次病要花多少钱，或者治疗过程各个环节的费用。

　　在很多地区，医疗保险的参保者甚至见不到自己的医疗账单。于是，患者很难了解自己的医疗费用明细。

　　数字化可以帮助患者建立具有成本效益的医疗合作网络，形成以患者为中心的激励机制，鼓励医疗保健提供者向患者提供最好的治疗。

　　一个理想的业态，逐渐显现。

　　监管、医院、制药、器械、医保等全流程打通下，小到一针麻醉剂亦可实现原料厂、采购原料的负责人、制药厂、采购麻醉药品的负责人、采购的院方、麻醉剂的患者、负责打麻醉的医生等，所有参与方的可追溯。

　　此外，在未来，那些不能提供高质量服务的人将很难在行业内生存下去。

　　例如医生的治疗效果不佳，或者患者对其评价非常负面，亦或是治疗费用无故地高于平均水平，那么医疗保险公司就可以将其从他们的医疗合作网络中移除。

　　另外，以往的激励机制鼓励医疗服务提供者对患者进行尽可能多的检查，而有些检查完全没有必要，这些检查并不一定满足患者的实际需要。

　　一组数据显示，仅在美国，不必要的治疗和检测费用总计高达6000亿美元;而在瑞士，这个数字为20亿瑞士法郎。

　　而数字化下的新激励机制将带来更合理、更精简的治疗过程。

　　在数字时代，治疗方式还可以从标准化的治疗方法向个性化的治疗方法转变。云知声认为，“AGI可以通过分析大量的个人健康数据。”

　　这种个性化治疗是基于已保存的患者全部真实世界数据(血液检测数据、X射线影像、CT影像、MRI影像、组学数据、微生物组和生命体征数据等)而制定的。

　　在这种趋势之下，有关患者及其疾病、治疗方法的数据将发挥关键作用。这些数据将不再仅仅是治疗过程的副产品，它具有与诊断和药物治疗同等重要的地位，是影响有效治疗的重要因素。很多医学研究也将围绕患者数据展开，这将加快研究进展，并降低研究成本。

　　医疗数据和数字基础设施将成为21世纪智慧医疗系统的命脉。

　　目前，这种趋势在AI大模型爆发之际，已然显现。

　　例如医联发布了医疗大语言模型MedGPT，旨在解放医生生产力，真正实现医疗资源平衡;而云知声则是基于AGI实现数据的理解、分析和推理，为疑难杂症“出谋划策”。

　　医疗数字化走到今天，虽然仍面临诸多难题，但在业内诸多参与者以及兴欣技术的赋能，正在逐渐被重塑。就像医联负责人所说的那样，解决“有效、可及、便宜”的医疗不可能三角的终局在MedGPT到来后终将显现。