浮誇無益、概念有毒！警惕醫療IT創業三大陷阱！
醫療IT、資訊化領域在中國的醫療健康投資比例中占比尚偏低，但從創業公司數量和類型來看，都保持了蓬勃的增長態勢。對比美國資料，2009-2015年，共有100億美元早期投資到500個醫療IT創業公司中。
醜話寫在前面，究竟醫療IT成長艱難的原因在哪。或者說，創業公司需要避免哪幾類陷阱，
2B 還是2C？
生病這件事很不美好。生病，往往和疼痛、醜陋、悲傷的情緒聯繫在一起。人人都可能生病，但並不代表人人都有在疾病上消費的積極性。原因很簡單：沒有人喜歡生病。一個人只有在萬不得已的時候才會想到‘醫療健康’這件事。這就註定了在醫療2C端，鮮有病毒傳播的效應，
但另一方面，消費者的確願意為醫療服務付費，並且對價格的不敏感度驚人。尤其是在資訊不對稱、或者病人和支付者不是一個人的情況。但大多數情況是傾向於短期的治療，比如，創傷恢復、重症治療（比如腫瘤、心血管疾病等）。並且，醫療是幾千或許上萬個單獨類別的疾病。
更要命的是，即便是慢性病患者，大多數時候他們也感覺良好。半年、一年去看一次醫生，調調藥就不錯了。有些病人即使有不良反應，也不一定會把副作用和藥聯繫起來，
如果要做2C方，一定要想想，到底為老百姓解決了什麼難題。
也許更安全的是專注於2B領域。在美國尤其如此。美國的醫療體系中，大多數花銷還是由雇主來承擔。自付比例相對低並有上限額度。慢性病以及急症患者往往會超出自付上限。另外，2B這也彌補了無病毒傳播的特點，而在垂直領域深耕，留存率高，複購率有保證。大型公司同時還是非常棒的管道合作方，能夠加速觸及使用者，降低獲客成本。但當然這也不是完美。2B的銷售週期、銷售成本也是不菲。下面詳細闡述。在中國，2B整體不如2C端成熟，但也值得關注。隨著支付政策的改革，這個變化可能來得很快、很猛烈。
明確產品價值
如果做2B的生意，就要認真考慮，你的產品能賣給誰，能賣多少錢是個大問題。
歷史資料表明，鮮有醫療服務公司會賺錢。即便是保險公司或醫院的淨利潤最好也不過是10%。所以回報的預期要合理。時間範圍儘量控制在一年中。一年也正好可以決定保險產品的續費和更換。如果2年才能看出產品價值，對企業來說就比較尷尬，會嚴重拖延訂單的決策流程。或者會把價格壓得很低。不少預測患病風險的公司都有相似的艱難經歷。因為“降低重複入院率”這個價值需要更長的時間才能看得出來，才能在收支平衡表上明確。太久的效益回報難以讓買家簽下一大筆合同。所以，從一開始，就要明確，解決的這個問題，需要多久看得出成效？解決的問題是不是足夠大？也許真正解決需要半個世紀，但我們需要看到，的確，我們從一個點開始，已經在慢慢撬動一個巨大的岩石。
明確了問題，選擇用戶也要非常謹慎。在醫療系統中，你為使用者節省的每一塊錢都是從這個生態圈裡其他玩家中獲得的。比如保險公司。你應該遠超對手，把客戶從其他人手中吸引過來。舉個例子。Castlight Health是一個比價工具。僅用了6年時間，就成功IPO，市值一度達到30億美元。Castlight能夠不斷為雇主節省保險開支。這些雇主成為忠實用戶，為他們月臺，和保險公司、PBM公司來談判、交涉。
不要浮誇、不要玩概念！
健康管理，大資料，精准醫療。我找不到這些詞的含義。不是一個問題、解決方案、效果。
成年人，玩概念無益。
誠然，大體量、多維度、持續積累的資料可以通過建模做疾病風險預測、提供診治建議，得到針對病人A的方案，這很炫酷。但並不是當前的突出問題，我們離實現這個理想還有段距離，我們還需要一個更加友好的醫療體系，一個機制保障，一個社會環境的支援。
在上述提到的“預測患病風險”的例子裡，保險產品、臨床醫學都很擅長發現高危病人。事實上，醫生的診斷和預測能力還是要比電腦高明，起碼在當前這個階段。對於大資料的價值，不應過於專注做替代醫生的診斷、提前找出病人等，而是應該對改變風險本身帶來實質的進步。而這一方面，正好是臨床醫生的弱項。
再舉Virta Health為例。醫學院裡教的2型糖尿病的知識大多都是關於如何減慢疾病進展、如何預防併發症。多數病人需要警惕駭人的併發症如糖尿病足、截肢、心梗、卒中、失明等。十年前出現了治癒疾病的外科移植手術但受眾群體太有限。Steve Phinney醫生提出干預手段效果喜人。250名入組的患者在10周後，近90%的患者都停用或者減量了胰島素，減重7%，糖化血紅蛋白指標明顯改善。91%的患者繼續參與Virta的課程。
這些干預方法是基於大量的資料，來源於病人、醫生、藥廠。Virta進一步開始了個體化定制服務，力圖更有效逆轉糖尿病。節省每年大筆的胰島素藥物開銷。如果沒有這樣的資料和演算法，有效的干預手段不可能出現。醫生還是會日復一日、苦口婆心的勸說病人“管住嘴、邁開腿”，病人呢？是妥協生活品質，還是妥協對併發症的恐懼？無從選擇。
醫療IT可以提高醫療健康品質、降低花銷（提高生產力），讓醫療服務流程儘量簡化、低成本、提高就醫體驗。對病人來說，在選擇（計畫）、購買、隨訪等步驟中都有收益。但真正的需求在哪，產品如何設計，如果把技術落實為商業成功，還是要多家斟酌。
2B的銷售週期、銷售成本也是不菲。下面詳細闡述。在中國，2B整體不如2C端成熟，但也值得關注。隨著支付政策的改革，這個變化可能來得很快、很猛烈。明確產品價值
如果做2B的生意，就要認真考慮，你的產品能賣給誰，能賣多少錢是個大問題。
歷史資料表明，鮮有醫療服務公司會賺錢。即便是保險公司或醫院的淨利潤最好也不過是10%。所以回報的預期要合理。時間範圍儘量控制在一年中。一年也正好可以決定保險產品的續費和更換。如果2年才能看出產品價值，對企業來說就比較尷尬，會嚴重拖延訂單的決策流程。或者會把價格壓得很低。不少預測患病風險的公司都有相似的艱難經歷。因為“降低重複入院率”這個價值需要更長的時間才能看得出來，才能在收支平衡表上明確。太久的效益回報難以讓買家簽下一大筆合同。所以，從一開始，就要明確，解決的這個問題，需要多久看得出成效？解決的問題是不是足夠大？也許真正解決需要半個世紀，但我們需要看到，的確，我們從一個點開始，已經在慢慢撬動一個巨大的岩石。
明確了問題，選擇用戶也要非常謹慎。在醫療系統中，你為使用者節省的每一塊錢都是從這個生態圈裡其他玩家中獲得的。比如保險公司。你應該遠超對手，把客戶從其他人手中吸引過來。舉個例子。Castlight Health是一個比價工具。僅用了6年時間，就成功IPO，市值一度達到30億美元。Castlight能夠不斷為雇主節省保險開支。這些雇主成為忠實用戶，為他們月臺，和保險公司、PBM公司來談判、交涉。
不要浮誇、不要玩概念！
健康管理，大資料，精准醫療。我找不到這些詞的含義。不是一個問題、解決方案、效果。
成年人，玩概念無益。
誠然，大體量、多維度、持續積累的資料可以通過建模做疾病風險預測、提供診治建議，得到針對病人A的方案，這很炫酷。但並不是當前的突出問題，我們離實現這個理想還有段距離，我們還需要一個更加友好的醫療體系，一個機制保障，一個社會環境的支援。
在上述提到的“預測患病風險”的例子裡，保險產品、臨床醫學都很擅長發現高危病人。事實上，醫生的診斷和預測能力還是要比電腦高明，起碼在當前這個階段。對於大資料的價值，不應過於專注做替代醫生的診斷、提前找出病人等，而是應該對改變風險本身帶來實質的進步。而這一方面，正好是臨床醫生的弱項。
再舉Virta Health為例。醫學院裡教的2型糖尿病的知識大多都是關於如何減慢疾病進展、如何預防併發症。多數病人需要警惕駭人的併發症如糖尿病足、截肢、心梗、卒中、失明等。十年前出現了治癒疾病的外科移植手術但受眾群體太有限。Steve Phinney醫生提出干預手段效果喜人。250名入組的患者在10周後，近90%的患者都停用或者減量了胰島素，減重7%，糖化血紅蛋白指標明顯改善。91%的患者繼續參與Virta的課程。
這些干預方法是基於大量的資料，來源於病人、醫生、藥廠。Virta進一步開始了個體化定制服務，力圖更有效逆轉糖尿病。節省每年大筆的胰島素藥物開銷。如果沒有這樣的資料和演算法，有效的干預手段不可能出現。醫生還是會日復一日、苦口婆心的勸說病人“管住嘴、邁開腿”，病人呢？是妥協生活品質，還是妥協對併發症的恐懼？無從選擇。
醫療IT可以提高醫療健康品質、降低花銷（提高生產力），讓醫療服務流程儘量簡化、低成本、提高就醫體驗。對病人來說，在選擇（計畫）、購買、隨訪等步驟中都有收益。但真正的需求在哪，產品如何設計，如果把技術落實為商業成功，還是要多家斟酌。