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。 縱然, 兩國醫療體系有大不同, 但從中國近10年的醫改方向、改革速度和力度來看, 改革滲透到醫院服務、醫藥創新、醫療器械支持等多方面, 相信醫療IT的改革是快馬加鞭進行的。
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, 才能永葆青春活力、立於不敗之地呢。 回顧這500個醫療IT公司中, 取得成功者卻甚少。
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。
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。 乳腺癌3期、肝臟占位、高血壓、糖尿病等患者群體根本就是不同群體, 沒有交集、毫無可比之處。 這就導致了一個碎片化、微社區化的結局。 公司只有靠提高留存率來彌補獲客成本和流失成本。
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, 不會主動去換藥。 慢性病佔據了大部分醫療開銷, 但往往病人在購買新儀器、換其他品類的藥、換服務的時候都很謹慎, 動作很慢。 眾多的app如用藥提醒、症狀檢測、生物體感器、患者教育等都並不火爆。 即便像PatientsLikeme 這樣出名的公司, 基本上也只是一組人互相抱怨得病的不幸和症狀的苦惱, 帶來的是負面情緒, 很難有廣泛的持久的影響力。
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,
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%。
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。
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。