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。 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。

這就註定了在醫療2C端， 鮮有病毒傳播的效應， 且留存率低得可怕。 （也許醫美、孕產是個例外）。 所以， 針對於慢性疾病、基本健康保障類別的社交平臺大都做不好。

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，

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。

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。