深度：大数据分析对于中国医疗保险管理的价值(N多案例例子分析 附下载)

深度：大数据分析对于中国医疗保险管理的价值（N多案例分析+附下载）作者：张岚，总监，医疗保险及医院管理事业部引言随着大数据在各行各业的应用和扩展，医疗领域大数据及其分析技术也正日益赢得人们的关注。

那么大数据在医疗领域指的是什么？又有什么样的特点？我们知道，广义上的大数据指的是所涉及的信息量规模巨大，无法通过目前主流软件工具在合理时间内撷取、管理、处理、并分析成能有效支持决策制定的数据资讯，通常具有 4 个 V 的特征—数据量大（Volume），速度快 (velocity), 多样性 (Variety), 价值高(value)。

在医疗领域，大数据包括的数据和信息类型非常广泛，可以大致分为以下四种。

医疗领域大数据的类型●行政数据 (Administrative Data)，主要包括从医疗支付方（医疗保险机构）或者医疗机构获得的理赔信息等，通常涉及病人所使用的医疗服务、相关诊断信息、提供服务的医疗机构及时间地点、以及费用明细与支付情况。

●临床数据 (Clinical Data)，包括从医疗机构获得的电子病历(EMR)、医疗影像数据、处方信息等。

●体征数据 (Biometric Data)，例如由检测仪器测量所得的体重、血压、血糖水平等信，以及饮食、运动、睡眠等自我跟踪信息。

随着可穿戴设备及相关手机软件的广泛应用，此类数据量越来越大也越来越多元化。

●个人及偏好数据 (Demographic/Preference Data)，例如性别、年龄、职业等基本信息以及个人偏好、对产品和服务满意度等主观信息。

由于数据量大、种类繁杂，不同类型的数据之间会有交叉或者交集。

例如处方数据，既可以从医疗机构的信息系统中获得——即临床数据的一种，也可以从医疗保险机构的理赔数据库中找到——即理赔信息的一部分；又如血压等信息既可以从随身携带的便携血压计测量得到（体征数据），也可以在医疗机构的电子病历中发现（临床数据）。

大数据分析应用关键的一点在于将不同类型不同来源的数据有序链接，尤其是医疗领域数据在患者或个人层面的链接，从而为深度数据挖掘奠定基础，达到“1+1>>2”的效果。

虽然目前这样的“链接”还未广泛实现，但小范围的“链接”已体现出其重要作用（如将电子病历与理赔数据链接帮助确认欺诈、过度医疗的行为），对更大规模的以患者或个人为中心、相互关联的多类数据的深度分析将帮助我们更有效的挖掘出大数据潜在的巨大价值。

大数据的特征：● Volume —数据量大数据量巨大，从数兆字节 (TB) 1 级别跃升到数十兆亿字节(PB) 级别。

例如一个 CT 图像含有大约 150MB的数据，而一个基因组序列文件大小约为 750MB，一个标准的病理接近 5 GB。

如果考虑到人口数量和平均寿命等因素，仅一个社区医院就可以生成和累积达数个 TB 甚至数个 PB 级的数据。

● Velocity —速度快处理速度快，时效性强。

举例来说，检测医疗支付中的欺诈行为可以事后追溯，也可以实时检测；如果能够实现实时检测，即在支付发生前甚至在医疗服务发生前就识别出欺诈行为，则可有效避免重大经济损失。

● Variety —种类多数据类型繁多，来源广泛。

既包括数值型数据，也包括文字、图形、图像、音频、视频、网络日志、邮件、等非数值型或者非结构化数据，且预计这些非结构化信息将占未来十年数据产生量的 90%。

● Value —价值高价值的体现的是大数据分析应用的目的意义所在。

通过深入的大数据分析挖掘，可以为各方各面的经营决策提供有效支持，创造巨大的经济及社会价值。

从整个医疗领域来看，大数据的应用比比皆是，包括临床治疗、公共卫生监控、产品研发及市场推广、医疗保险管理等各个方面。

●在临床治疗中，大数据分析可以应用于“比较效果研究”（Comparative E-ectiveness Research, CER）。

通过深入分析包括患者体征、治疗方案、费用和疗效在内的大数据，帮助医生评估在实际临床应用中最有效或成本效益最高的治疗方法。

大数据还可以应用于临床决策支持系统，分析医生输入的医嘱，比较其与医学指南的差异，提醒医生防止潜在的错误（如药物间相互作用等），从而降低医疗事故率。

●在公共卫生领域，大数据的应用可以改善公众健康监控。

公共卫生部门可以通过覆盖全国的患者病历数据库更快地检测出传染病疫情，进行全面的疫情监测并且及时采取响应措施尽早控制疫情。

●在医药产品研发上，制药公司可以通过大数据分析有效判断研发项目成功的可能型，以供支持投资决策。

此外结合基因组及蛋白组学信息还可帮助企业优化研发方案及临床试验设计，根据在研产品选择特定患者群体有针对性的进行临床开发，从而大大降低研发中的风险。

●在产品的市场推广中，大数据可以用于药物经济学或卫生经济学分析，以治疗结果及其相应社会及经济效益作为定价基础，从而帮助监管部门及医疗支付方科学制定新药的上市及报销政策。

●在医疗保险领域，大数据分析可有多方面的应用，包括保障设计及精算定价、理赔运营管理、对医疗机构的管理、市场和销售推广、及对跨多个领域的决策支持。

本文将聚焦于中国医疗保险业务，重点阐述大数据分析在此领域可发挥的作用。

中国医疗保险管理的现状在中国现有的医疗保险管理体制下，基本医疗保险仍然以政府为主导，各地分散管理。

基本医疗保险可以分为城镇职工基本医疗保险、城镇居民基本医疗保险和新农村合作医疗保险（简称新农合），通常由各地人社和卫计部门管理。

目前，商业医疗保险作为政府基本医疗保险的补充，市场规模有限。

2013 年， 3 种基本医疗保险的筹资总额已经超过 1 万亿元 2 ，而商业健康险的保费收入为 1123.5 亿元，仅为前者的 10% 左右。

考虑到真正的赔付型医疗保险只是商业健康险的一部分，实际上真正意义上的商业医疗保险的市场规模更小一些。

现今商业健康险中约 30% 为团体业务，主要包括面向企业的团体医疗补充保险；另 ~70% 为个人业务，其中一大部分为储蓄理财型。

虽然规模与政府医保相比尚小，但在市场需求和政策支持的推动下，今年发展趋势良好，以年均 25-30% 的速度增长。

2012 年发布的《关于开展城乡居民大病保险工作的指导意见》，试点由商业医疗保险机构通过招投标方式承办大病补充保险的运营并承担费用风险，为商业医疗保险公司带来了业务拓展的新方向，也为其介入到政府医保的运营管理提供了契机。

2013 年十八届三中全会的《中共中央关于全面深化改革若干重大问题的决定》和 2014 年国务院发布的《关于加快发展现代保险服务业的若干意见》（又称“国十条”），进一步规划了健康保险业在城乡社会保障一体化和参与更多医疗卫生体制改革中的作用，提出了“把商业保险建成社会保障体系的重要支柱，充分发挥商业保险对基本养老、医疗保险的补充作用”，并且“按照全面开展城乡居民大病保险的要求，做好受托承办工作”。

这无疑对商业保险行业来说又是重大利好消息。

此外，针对商业健康保险的个人税收优惠政策也正在研究中，虽然优惠幅度和政策细节尚待确定，但政策的方向已无疑问。

可以说，随着政策的推动和市场潜在需求的释放，商业健康险业大有商机，将在不久的将来成为我国医疗保障系统中不可或缺的重要组成部分。

而商业保险机构自身精细化经营管理水平将是决定其市场竞争力的一大关键。

然而，由于包括市场结构限制在内的种种历史原因，无论是政府医疗保险机构还是商业保险公司，整体来看在业务经营管理方面仍然比较粗放，还没有充分实现大数据分析可以为管理和企业发展带来的价值，主要表现在：●保障设计与精算定价：产品同质化现象普遍，缺乏对客户需求及医疗风险的准确把握；精算定价基础薄弱，缺乏对疾病治疗费用的深度分析数据及对参保群体医疗费用风险的科学评估。

●理赔运营管理：精细化不足，往往仅根据保险责任条款及医保报销目录进行理赔，缺乏对医疗服务临床合理性的判断，从而漏失对大部分欺诈、不合理医疗行为的监测。

此外，商业医疗保险机构的理赔数据往往停留在费用类别层面，缺乏项目费用明细，导致理赔精细化管理的数据基础薄弱。

●医疗机构的管理：技术手段落后，政府医保虽对定点医院有话语权，但缺乏对医院医疗质量及费用的合理评估，因而难以设定执行科学有效的支付方案与激励机制，粗线条的总额控制虽能短期控制费用，但导致一系列弊端（包括医院推诿重病人等），且长期控费效果欠佳。

●市场与销售拓展：缺乏以数据为基础的客观分析。

以商业企业补充险为例，未能对企业理赔数据进行深入挖掘，以分析结果支持指导市场销售，并据此为客户量身定制相关增值产品，导致市场竞争停留于价格上的竞争，压低整个行业的收益回报。

备注：随着国家医疗保障体系的健全、商业医疗保险的发展、及整个行业对于控制医疗费用过快增长的重视，精细化管理，尤其是以大数据分析挖掘来指导决策制定，无疑将成为医疗保险管理今后的发展方向。

2013 年，城镇基本医疗保险基金总收入 8248 亿元，新农合筹资总额 2972.5 亿元，共计 11220.5 亿元。

大数据分析对于医疗保险管理的价值3.1 保障设计和精算定价目前商业保险业务分团体险与个人险，其中个人险中以储蓄理财型产品为主，少部分是消费理赔型，即真正意义上的医疗保险。

此间很大原因在于缺乏对实际医疗费用的估算把控能力，在保障设计及精算定价方面无据可依，从而限制了产品的开发。

案例分析以肿瘤类大病保险为例，由于政府医保以保基本为原则，支付额度经常不足以覆盖治疗肿瘤疾病治疗的全部费用，且报销目录通常不收录现今市场上疗效显著但价格昂贵的靶向型生物制剂，导致这一领域的市场空缺，为商业保险提供了明确的发展机会。

商业保险公司虽看到市场契机，但往往因不了解肿瘤治疗的实际费用，而对产品设计与定价无从下手。

分析挖掘肿瘤类疾病理赔数据可以有效帮助解决这一难题。

以乳腺癌为例，通过对北京、上海和成都三个城市的医保理赔数据库中抽取的乳腺癌病例的深度分析，辅以病人及医生的调研信息，我们看到，乳腺癌的治疗方案及相关费用与其癌症类型紧密相关（图 1a， b）：● A 类原位癌以手术为主，住院时间短，费用相对较低；● B 类 I-III 期患者的治疗除手术外需辅以相当的化疗，费用明显增高；● C、 D 类 IV 期患者的治疗方案以化疗为主，所需费用更高；患者家庭经济情况也是影响治疗费用的一大因素，家境富裕的患者多选用靶向型生物制，其治疗费用大大增高（图1c）；由于不同城市消费水平及具体医保保险政策的不同，也导致城市间的差异性，但与由癌症类型及治疗方案导致的费用差异相比，地域性的影响相对较小（图1c）。

以上对肿瘤费用的深度分析结果，结合不同年龄群体的发病率及疾病演变信息（可从疾病学研究中获得），即可为真正理赔型大病保障设计及相关精算定价提供有力支持，促进医疗保险产品的创新并提升产品的竞争力。