蝴蝶揮動翅膀，醫療行業每個角落開始連鎖反應，曾經被忽視的問題也愈發明顯。但與之對應的是，對數字化和AI大模型的價值認可，在中國醫療賽道也正在加速來臨。

　　作者|斗斗

　　出品|產業家

　　重慶市某地方人民醫院，IT負責人王楠(化名)正在急忙收拾東西趕往會議室。與以往不同的是，這次會議的主題是“如何借助科技賦能，推進醫院信息透明數字化”。

　　“明顯感覺到很多醫院開始部署SDP系統，將醫療數智化提上新高度。”

　　二級市場也側面驗證了王楠這一猜測，浙江震元(000705)、塞力醫療(603716)等個股漲停，SPD概念走強。

　　過去數年時間里，醫療數字化、智慧醫療不斷被提及、落地，然而在這個復雜的行業里，仍有許多環節、節點，讓數字化“觸不可及”。甚至有些環節的痛點，被刻意回避。

　　在他的言語中，產業家了解到，該醫院構建了藥品、耗材、醫療、醫保四大智能化體系，形成一張數字化透明網。

　　“這一次好像是認真的。”王楠對產業家說，以前很多醫院內部做數字化轉型，不少是為了達成指標或是表面功夫。

　　這樣的變化似乎預示著醫療數字化即將邁入一個新的階段。

　　蝴蝶揮動翅膀，醫療行業每個角落開始連鎖反應，曾經被忽視的問題也將愈發明顯，機遇與挑戰也隨之而來。

　　一、數字斷裂、卡點與非良性

　　醫療行業成為熱點話題后，中國醫療數字化的難題，再次被擺到臺面上。

　　“設備代理商從設備生產商處拿到的某醫療設備價格是579萬元人民幣，轉手賣給醫院，合同價能高達1170萬元人民幣，相當于翻了一倍……”這是反腐專題紀錄片《零容忍》中的一段陳述。

　　這種非良性的醫療業態背后，則是諸多節點斷裂下的不透明操作。

　　“誰領、誰用、反饋、回訪……整個鏈路，一旦出現斷裂，就意味著需要人工的參與操作，便很難責任到人。”

　　謝朝暉告訴我們，他是愛創科技CEO，愛創科技的主營業務是“一物一碼”，它是醫藥行業產品追溯引領者，服務海內外藥企超過3000家。盡管謝朝暉與醫院打交道的機會并不是太多，但常年游走于醫藥行業，他對當下醫療數字化轉型遇到的難點深有感觸。

　　醫療產業數字化的核心是把醫療行業發展過程中積累的信息及資料，結構化形成數據，加以分析、利用，提高效率，反哺醫療業務發展。

　　但在醫療行業，數據收集、治理、應用難，使得數據價值難以體現，數據、業務之間的壁壘也難以打通，導致各個環節的斷裂。

　　“醫療數據的沉淀和積累，與醫療數據的應用之間存在巨大的斷點。”產業家與云知聲的交流中也驗證了這一點。

　　具體來看，在醫療領域，大部分信息涉及患者的健康狀況、個人隱私等數據，如何保證數據安全是醫療機構面臨的巨大難題。

　　據IBM Security的《2020年數據泄露成本報告》，僅2020年一年，全球醫療數據泄露平均成本高達713萬美元，較2019年增長了10%以上。

　　而在國內，根據中國醫院協會信息管理專業委員會發布的相關數據，在2018-2019年的調查中，參與的839家醫院僅有43.95%通過等級保護測評，其中三級以下醫院中 75%未開展過等級保護測評。

　　醫療數據安全問題較為嚴峻，所以為了確保醫療數據的安全，醫療行業大部分信息數據長期以來一直處于封閉環境。

　　加之由于醫療服務的特殊性，每個省的各區域醫院，醫院每個科室、版塊都有各自的業務及需求，不僅數據整合難，同時也造成數據打通難。

　　相關數據顯示，國內省、市、縣區域衛生信息平臺中建設率分別為63.3%、39.2%和23.8%;區域衛生信息平臺與醫保部門實現跨部門數據共享的比例，省、市、縣分別為66.7%、30.5%和26.1%;沒有實現區域內醫療機構間信息共享與交換的三級醫院、二級醫院分別占比29.6%、45.4%。

　　總體而言，醫療數據的非標性、異構性、孤立性，導致了數據應用的困難，這包括對數據的理解、分析和推理，難以發揮這些數據的價值。

　　正如醫聯相關負責人所言，“過去以互聯網技術驅動的數字醫療主要解決了空間和連接的問題，但始終無法解決醫生供給不足的問題。”在他看來，數字醫療數十年來，提升仍然有限。

　　對于醫療數字化而言，面臨問題逐漸清晰。

　　二、SPD，是解法嗎?

　　一個事實是，雖然5G、大數據、云計算、物聯網等新興技術已經逐漸應用于醫療數字化的各個場景，但由于醫療行業的復雜性，以及監管要求下，導致各個場景下的數字化進程不一。

　　醫療產業數字化場景應用進程

　　來源：2023年中國醫療產業數字化轉型現況及能力研究報告

　　例如在藥械場景，由于藥品溯源的政策性要求，倒逼這一場景快速實現了全生命周期管理，愛創科技便是這一領域的頭部廠商。

　　此外，由于早期互聯網醫療的強勢崛起，也拉動了門診服務場景的數字化。醫聯的電子病歷、智能審方等產品;以及云知聲的醫療語音交互解決方案、智能隨訪系統都是次場景下的典型代表。

　　而反觀院內場景的數字化滲透率，則反之。

　　例如，院內的SPD追溯系統具體落地現狀并不理想。就目前來看，國內部署這套軟件的醫院占比僅有個位數。“3%到5%左右，且有的還是局部應用。”謝朝暉對產業家說。

　　愛創科技的模式是，通過“一物一碼”的方式幫助醫藥企業連接經銷商、醫院、藥店、醫生、醫保、患者等核心醫療產業環節，打造全產業的數字生態。“但醫療行業想要走向良性發展，建立院內的SPD追溯系統，是必須要解決的根源問題。”

　　值得注意的是，近幾年SPD軟件應用趨勢也愈發明顯。中物聯醫療器械供應鏈分會統計的一項數據也顯示，僅 2022 年前十個月開展的 SPD 項目，已接近 2019-2021 年三年實施數量的總和。

　　來源：眾成數科，東吳證券研究所

　　通俗來講，SPD是一款醫用物資一體化管理系統，通過采用現代化供應鏈管理方式，幫助醫院降本增效。是院內數字化轉型至關重要的一環。

　　要知道，藥耗成本是醫院最大的成本要素，通常占總成本的 50%以上。以三甲醫院為例，一般配備不超過 1500 個品規的藥品，但所用耗材卻可能有上萬種，且不同耗材管理要求不同。在 SPD 模式下，醫院內管理耗材所需的場地、人力、運營等成本均可轉移至 SPD 服務商，做到物流與臨床分離。

　　來源：眾成數科，東吳證券研究所

　　在SPD的管理模式，可以使得院內醫械與院外醫械，以及患者之間的透明度，得到較大的改善。

　　這不是一件容易的事情。

　　“很多醫院的系統又舊又復雜，基本上就像紙糊的一樣，碰碰就出問題。”在謝朝暉看來，這是一個巨大的工程，難題很多，需要時間。

　　所以，如果依靠院內的自發性驅動轉型，大部分醫院的動力難以維系。

　　業內普遍認為，解題的思路在于兩方面，一是在院內制定如同醫藥溯源的硬性政策;二是SPD廠商推動行業奔向良性發展。

　　目前來看，前者雖已有部分地區將 SPD 納入三級醫院評審，但見效慢、周期長。對比前者，后者短期內效果或將更加明顯。

　　在國內，SPD廠商的商業模式分為存在業務經營行為，以及不存在業務經營行為，前者通常以醫藥企業為主體，為院內提供服務;后者則是純第三方服務模式。

　　而第三方服務模式不存在業務經營行為，一方面生存狀態更加透明，降低了醫院的管理壓力和風險。另一方面，在這種服務模式下，醫院可借助 SPD 系統真實數據對供應商進行評價，促使醫院利益實現最大化。或將推動行業奔向更加良性的發展。

　　不過，正如上文所言，目前部署SPD 醫院僅為個位數，所以就當下而言，如何利用新技術、不斷優化、打通其他節點，仍是醫療數字化的重心。

　　在此轉型路徑下，新的醫療業態正在走來。

　　三、AI大模型下，再看醫療數字化

　　醫療服務行業有一個特殊性，即患者往往不知道看一次病要花多少錢，或者治療過程各個環節的費用。

　　在很多地區，醫療保險的參保者甚至見不到自己的醫療賬單。于是，患者很難了解自己的醫療費用明細。

　　數字化可以幫助患者建立具有成本效益的醫療合作網絡，形成以患者為中心的激勵機制，鼓勵醫療保健提供者向患者提供最好的治療。

　　一個理想的業態，逐漸顯現。

　　監管、醫院、制藥、器械、醫保等全流程打通下，小到一針麻醉劑亦可實現原料廠、采購原料的負責人、制藥廠、采購麻醉藥品的負責人、采購的院方、麻醉劑的患者、負責打麻醉的醫生等，所有參與方的可追溯。

　　此外，在未來，那些不能提供高質量服務的人將很難在行業內生存下去。

　　例如醫生的治療效果不佳，或者患者對其評價非常負面，亦或是治療費用無故地高于平均水平，那么醫療保險公司就可以將其從他們的醫療合作網絡中移除。

　　另外，以往的激勵機制鼓勵醫療服務提供者對患者進行盡可能多的檢查，而有些檢查完全沒有必要，這些檢查并不一定滿足患者的實際需要。

　　一組數據顯示，僅在美國，不必要的治療和檢測費用總計高達6000億美元;而在瑞士，這個數字為20億瑞士法郎。

　　而數字化下的新激勵機制將帶來更合理、更精簡的治療過程。

　　在數字時代，治療方式還可以從標準化的治療方法向個性化的治療方法轉變。云知聲認為，“AGI可以通過分析大量的個人健康數據。”

　　這種個性化治療是基于已保存的患者全部真實世界數據(血液檢測數據、X射線影像、CT影像、MRI影像、組學數據、微生物組和生命體征數據等)而制定的。

　　在這種趨勢之下，有關患者及其疾病、治療方法的數據將發揮關鍵作用。這些數據將不再僅僅是治療過程的副產品，它具有與診斷和藥物治療同等重要的地位，是影響有效治療的重要因素。很多醫學研究也將圍繞患者數據展開，這將加快研究進展，并降低研究成本。

　　醫療數據和數字基礎設施將成為21世紀智慧醫療系統的命脈。

　　目前，這種趨勢在AI大模型爆發之際，已然顯現。

　　例如醫聯發布了醫療大語言模型MedGPT，旨在解放醫生生產力，真正實現醫療資源平衡;而云知聲則是基于AGI實現數據的理解、分析和推理，為疑難雜癥“出謀劃策”。

　　醫療數字化走到今天，雖然仍面臨諸多難題，但在業內諸多參與者以及興欣技術的賦能，正在逐漸被重塑。就像醫聯負責人所說的那樣，解決“有效、可及、便宜”的醫療不可能三角的終局在MedGPT到來后終將顯現。