
微医集团大数据分诊的颠覆
在这个数字时代,我们身边的一切都被“数字化”了。只有一处,也许是由于其本身的根深蒂固,也许是由于它天然地排斥新鲜事物,医学,却从未被数字化浪潮所影响。从挂号网到微医集团,廖杰远是否能开荒成功?
在国内,不同来源的“误诊率”估计在50%~90%,临床诊治本身的有效性堪虞。在“互联网+时代”似乎所有的产业只要与互联网相加就会变得神奇起来。然而,在互联网医疗爆发的年代中,我们也看到太多互联网的固化思维和医疗界的筒状视野貌合神离的案例。大数据分诊的颠覆性创新带来了新的契机。“医疗机构无疑是最大的医疗数据集散地,但因体制、技术等因素,这些数据并未发挥太大作用,但未来的数据共享将对整个互联网医疗实现对用户的健康管理,将是极具价值的政策突破”,微医集团CEO廖杰远对21世纪经济报道称。
与强大的传统医疗体系相比,互联网医疗本身还处于弱势。而进入下半场的移动医疗,市场也更关注其商业模式、未来的盈利可能性。刚拿下4亿美元融资的廖杰远如何撬动难啃的分诊医疗?微医集团意欲深耕医疗资源配置和运用范畴。
医疗资源重置
挂号网初衷是想解决医疗服务过程当中的两个痛点,一个是信息对称,另一个医疗资源的配置。然而类似挂号网提供的挂号等医疗外围服务,医院同样可以提供,事实上目前已经有很多医生推出了自己的专属APP、微信就诊等。在2015年国庆期间,北京协和医院等三甲医院也陆续推出了APP,使挂号等更为便利。
2015年11月份出炉的《2014年卫生和计划生育事业发展统计公报》显示,基层医疗卫生机构门诊量占比由2013年的59.1%下降到2014年的57.4%。中国的三甲医院所拥有的医生数量占总量的10%,但承担的门诊量却是46%,与此同时,中国首诊准确率仅有60%。国家相关部门也意识到资源配置的问题,也一直在鼓励分级诊疗。2015年9月,国务院办公厅印发了《关于推进分级诊疗制度建设的指导意见》,“十三五”规划也明确表示要实行分级诊疗。
“现在探索的分级诊疗多数是隔靴搔痒。我认为分级诊疗的难点在三个方面:分级诊疗本质是‘双下沉、两提升’。中国基层医生参差不齐,谁来帮助他们提升专业水平?如何提升老百姓(68.91, 1.10, 1.62%)对基层医生的信任度?医患如何精准实现匹配?”廖杰远对分级诊疗的难度也有着清晰的认识。
挂号网也逐步开始布局分级诊疗平台。2014年6月,挂号网推出一款“微医”APP,意在让信息在医院、医生、患者之间流通,2015年9月,挂号网宣布融资3.94亿美元,更名为微医集团,计划用3亿美元构建一个基于团队医疗的全国互联网分级诊疗平台。
“通过组建多个‘同病种、跨区域’的医生协作组织,让患者从信任一个专家到信任一个专家团队,将专家的接诊能力扩大了几十上百倍。同时,用互联网重组医生资源,为患者提供‘家庭医生+专科专家’的服务,把专家品牌和基层医生时间结合,弥补当前医疗体系的缺陷。”廖杰远描绘未来分级诊疗的团队构成。
大数据分诊的颠覆
从目前来看,微医集团有强大的资金支持,未来能否破冰分级诊疗仍待观察,但未来盈利能力仍无法回避。
自2011年互联网医疗概念引入国内后,好大夫、春雨掌上医生、丁香园等一系列平台相继问世,并且受到热钱的追捧。
但随着资本趋于冷静及互联网医疗发展,包括PE、平台等在内都在停下来观察,很多互联网平台现在已经在转型中。如丁香园、春雨医生,原来都是做线上轻资产形式,运营多年后,发现变现能力差,于是在转型线下开诊所等,春雨医生创始人张锐称,未来将靠与保险公司合作盈利。而挂号网(微医集团)同样需要面对这个问题。
2013年,泰康人寿和挂号网共同推出了“泰康三宝”,将挂号网提供的健康管理服务作为险种的一部分。不过,从已有的数据看,以往商业健康险作为补充医疗保险的发展境遇并不好,至今的市场份额不足2%。
在廖杰远看来,无论是智能化的诊疗体系、健康管理体系,都要建立在医疗数据基础上。当前,医疗机构无疑是最大的医疗数据集散地,但因体制、技术等因素,这些数据并未发挥太大作用,但未来的数据共享将对整个互联网医疗实现对用户的健康管理。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02