平安医保科技:2年服务超8亿人口,大医疗健康第一大“独角兽”成长记

2019 年 1 月 22 日 动脉网

近日,动脉网发布的2018年“未来医疗100强”中国医疗榜企业名单中,平安医保科技排名第一,估值达到553亿元人民币。


据悉,平安医保科技成立于2016年,短短两年,已累计为超过200个城市和8亿人口提供医保、商保管理服务,商保自动化运营网络接入超过5000家医院,“城市一账通”App已上线68个城市。首轮融资即获11.5亿美元,投后估值达到88亿美元。


为深入了解这只异军突起的“蓝血独角兽”,“2018未来医疗100强”论坛在京召开期间,动脉网对平安医保科技副总经理兼首席医疗官郑毅进行了深入采访,郑毅向我们首度披露了公司经营理念、基于大数据的应用实践以及未来发展规划。



参与平安集团大医疗健康生态圈建设


据介绍,平安医保科技是平安集团旗下“大医疗健康”板块成员,其业务主要服务于国内医保、卫健系统、商保企业、医疗机构以及药品流通领域。在国家出台一系列相关政策鼓励“社商合作”、发展商业健康险的背景下,平安积极响应国家政策,参与各类医疗保险业务合作,旨在协助医保管理部门更好地管理医保基金,实现“一降两提(降低医疗成本、提升保障水平、提升医疗服务体验)”。


据悉,早在2013-2015年期间,平安的大病业务便中标了上海、河南等13个地市,凭其稳健的运营及优质的服务获得了政府及社会的广泛认可。在此期间,平安也在积极推广“智慧医保”模式,实现了与108个城市的签约,自主研发的“智能审核鹰眼系统(FWA)”荣获深圳金融创新一等奖。2016年9月,平安医保科技应时应势从上述业务中孵化而出,在上海市黄浦区正式注册成立。


据郑毅介绍,平安医保科技在集团中的定位角色,深度参与其大医疗健康生态圈的建设,主要从to G或to B的角度出发,并最终延伸到C端,形成一个闭环,从而提升医保、卫健领域服务保障水平;此外还吸收了平安集团内商业保险公司的生态聚能优势,与平安好医生、平安医疗科技等集团内其它“大医疗健康”板块的成员形成协同,为医保、商保、医疗服务提供方、个人用户提供一揽子智能化解决方案及技术服务,助力提升医疗及城市生活服务体验。



引入大数据模型,用科技赋能产品和服务创新


平安医保科技致力打造的科技驱动管理式医疗服务平台,焦点在于如何利用科技去推动产品研发和服务创新。据悉,目前,平安医保科技正在尝试以“云治理”为手段,通过平安多重先进科技技术驱动(生物识别技术、人工智能、区块链、AI、云计算/大数据),布局医疗健康领域的应用,打通医疗、医药、医保,解决三医难题。


郑毅向我们介绍了平安医保科技利用科技赋能在医保以及商保领域的一些应用场景。


如现在部分医院、患者在利益驱使下铤而走险,套刷、套药、挂床等骗保行为屡禁不止,这给医保基金造成极大损失,而举报、专项稽核等传统方式只能实现粗放式管理。骗保人一旦了解了这些规则,就会顺势改变其骗保方法。针对这些新手段、新问题,平安医保科技正在利用最新人脸识别技术,打造医疗身份智能审核系统,寻求智能解决之道。


据悉,四年前,平安就开始为各地的医保做智慧医保服务。截止2018年底,平安医保科技已建立了一个拥有300余个维度的大数据模型,用动态方式去更精准查找欺诈滥用行为。对比传统的规则引擎方式,大数据模型将欺诈滥用审核的有效性提高了5到6倍,同时把成本降低了60%到70%。


另外一个应用,是如何对个人健康或者所谓的人群管理进行精细化分析,用模型去预测个人健康风险。在管理城市医保人群时,可对其进行风险分层,将整个人群从健康人群,亚健康人群,风险人群,慢性病人群,到复杂疾病人群,进行一系列的分组。并基于此去匹配相应的管理和支持服务,在有效管理的前提下降低成本。


“我们除了通过理赔数据做健康管理,还希望利用基于生活方式的行为数据做人群管理,结合这些数据,以及已有的一些模型去提升对于健康风险的评估能力。这种方式一方面可以避免保险参保人填写虚假信息,另一方面生活方式中的一些因素,有很多被证明跟疾病进展以及健康风险息息相关,这种行为数据从整个应用角度来讲非常有价值”郑毅进一步表示。



发挥社商合作优势  打通“信息孤岛”


随后,郑毅总结了几个未来会对整个行业产生巨大影响的关键趋势。第一,大数据的结合。要结合生态信息,才能做更好的产品创新,包括定价,以及风险管理;其次,价值导向和结果导向。


现在我国卫健、医保,都在探索以DRGs的方式去精细化管理整个医疗费用,所以产品创新也应该基于价值导向和结果导向方面去考虑,做这方面的探索;第三,以患者或者以个人为中心。未来进一步洞察和了解客户本身的需求,然后去开发一些更适合他们个性化需求的服务和产品,是to C的终极目标。


从整个医疗行业数据变革的角度来讲,医疗行业从最开始大家希望通过数据分析去了解到底发生了什么,理解为什么会发生这些事情,到做一些前瞻性的分析,去预测未来会发生什么,最终实现智能干预。郑毅解释说,这是大数据在医疗健康管理领域的发展路线。


从生态圈的角度来讲,大数据的应用场景非常丰富,可以影响整个医疗生态的各个关键点。比如从病人如何了解疾病,到就诊和优化诊疗流程,再到支付方做一些新产品的开发,包括医疗质量的管理和运营效率的提升。从政府的角度来看,则是关于药物经济学的一些探索,为做绩效和支付政策的制定寻找依据。从药企的角度出发,则可以改变其整个研发流程。


郑毅表示,改变保险公司、医疗机构长期处于“信息孤岛”的现状和实现商保—医疗机构之间信息的联通,有待中间商业平台方加强与政府、医疗机构的进一步合作,发挥商业机构的市场化优势,通过技术手段提升数据质量;同时深耕市场需求,搭建场景,创造紧密贴合市场需求的产品;举例来讲的话,在商保核保领域,通过数据平台筛查替代传统线下的作业模式,大幅提升核保的效率和精准性,同时降低运营成本。


他就此举了一个例子。平安医保科技旗下于2018年10月问世的“云享e通”智慧商保服务解决方案,就在运营模式上做出了颠覆式的创新,通过建立“线上联网数据+线下入驻用户+AI”的三位一体新运营模式,发挥资源共享效应,最终以模式、产品、科技相结合的方式,可帮助商保公司客户实现效率、品质和服务体验的提升,同时降低成本。


对于投资者为何看好平安医保科技,A轮融资后估值已在国内大医疗健康领域首屈一指,郑毅解释道,平安集团的“金融+科技”赋能,以及领先的企业文化,无疑是平安医保科技从2016年9月从平安养老险医保事业部孵化,到独立成为国内大医疗健康领域独角兽企业的原动力,也是获得投资者认可的一大重要原因。此外,丰富的实践经验与客户需求精准洞察也是公司快速发展的另一大核心优势。


“‘一降两提’始终是平安医保科技的经营宗旨。下一步,平安医保科技将持续落实 ‘健康中国’战略,进一步推进和完善各类解决方案及技术创新,扩展业务场景、提升业务流量,结合居民健康与日常生活需求,覆盖医疗、健康、保障、人设及城市综合服务,持续提升行业服务水平,力争为深化医改做出应有贡献”郑毅表示。



*封面图片来源:

https://www.apple.com/cn/newsroom/2018/11/apple-opens-first-store-in-thailand-saturday/


文 | 罗美

信 | qwe2012520

添加时请注明:姓名-公司-职位

后台发送关键词即可获得相关好文

网站、公众号等转载请联系授权


近期推荐

★ 苹果颠覆医疗杀手锏:制造个人健康数据入口,打造“以用户为中心”的健康生态系统

★ 药品集采国家试点方案昨日公布&纵深解读

★ 电子健康卡,逆袭之路不得不迈过的三道坎……

声明:动脉网所刊载内容之知识产权为动脉网及相关权利人专属所有或持有。文中出现的采访数据均由受访者提供并确认。未经许可,禁止进行转载、摘编、复制及建立镜像等任何使用。
登录查看更多
0

相关内容

郑毅博士是华为云知识图谱负责人,毕业于中国科学技术大学及香港城市大学,本科毕业于哈尔滨工业大学。现为华为云语音语义创新Lab高级专家,负责知识图谱平台及算法技术的研发工作。曾任职于蚂蚁金服反洗钱技术产品团队,负责反洗钱业务中的算法建模及落地工作。研究领域包括:知识图谱、自然语言处理、机器学习等。在AAAI、IJCAI、WAIM、TKDD等国际学术会议期刊发表论文多篇,引用次数600+次。
商业数据分析,39页ppt
专知会员服务
160+阅读 · 2020年6月2日
华为发布《自动驾驶网络解决方案白皮书》
专知会员服务
125+阅读 · 2020年5月22日
【德勤】中国人工智能产业白皮书,68页pdf
专知会员服务
301+阅读 · 2019年12月23日
2019中国硬科技发展白皮书 193页
专知会员服务
81+阅读 · 2019年12月13日
【大数据白皮书 2019】中国信息通信研究院
专知会员服务
137+阅读 · 2019年12月12日
2019年药品零售行业全景图
行业研究报告
31+阅读 · 2019年9月18日
医药零售行业报告
医谷
9+阅读 · 2019年7月8日
2018-2020年中国服务机器人行业深度研究报告
机器人大讲堂
5+阅读 · 2018年1月30日
海康威视AI Cloud助力平安城市4.0建设
海康威视
7+阅读 · 2018年1月17日
中国平安股价持续大涨背后
凤凰财经
5+阅读 · 2017年9月13日
Arxiv
15+阅读 · 2020年2月6日
Deep learning for cardiac image segmentation: A review
Arxiv
21+阅读 · 2019年11月9日
Inferred successor maps for better transfer learning
Hardness-Aware Deep Metric Learning
Arxiv
6+阅读 · 2019年3月13日
Arxiv
23+阅读 · 2018年8月3日
Auto-Context R-CNN
Arxiv
4+阅读 · 2018年7月8日
Arxiv
10+阅读 · 2018年3月22日
VIP会员
相关资讯
2019年药品零售行业全景图
行业研究报告
31+阅读 · 2019年9月18日
医药零售行业报告
医谷
9+阅读 · 2019年7月8日
2018-2020年中国服务机器人行业深度研究报告
机器人大讲堂
5+阅读 · 2018年1月30日
海康威视AI Cloud助力平安城市4.0建设
海康威视
7+阅读 · 2018年1月17日
中国平安股价持续大涨背后
凤凰财经
5+阅读 · 2017年9月13日
相关论文
Arxiv
15+阅读 · 2020年2月6日
Deep learning for cardiac image segmentation: A review
Arxiv
21+阅读 · 2019年11月9日
Inferred successor maps for better transfer learning
Hardness-Aware Deep Metric Learning
Arxiv
6+阅读 · 2019年3月13日
Arxiv
23+阅读 · 2018年8月3日
Auto-Context R-CNN
Arxiv
4+阅读 · 2018年7月8日
Arxiv
10+阅读 · 2018年3月22日
Top
微信扫码咨询专知VIP会员