1、?福布斯?深度解析“人工智能+醫療保險的四大應用場景撬動3.5萬億美元的龐大產業1970年,美國人在醫療保健上的支出為745億美元一一相當于今天的4480億美元.到2021年,由于醫療保險和醫療救助的存在,患者、醫療效勞提供商以及制藥公司各方在醫療保健方面的支出已飆升至3.5萬億美元.根據非營利性機構平價醫療委員會的數據,想要維持美國醫療體系正常運轉,總共需要60億筆保險交易(比2021年增加了12億筆).這意味著,每分鐘新增保單近11450件.對于保險公司來說,整個醫療保險體系較為復雜.而人工智能(AI)技術的介入,能否幫助保險業限制不斷上升的本錢,處理大量復雜繁瑣的工作呢？動脈網編譯了福布

2、斯發布的相關文章,力求深度解析“人工智能+醫療保險的開展前景.首先,人工智能可以幫助保險公司降低本錢.埃森哲最近的一項研究顯示,通過簡化治理流程,保險公司可以利用人工智能技術,在18個月內節省70億美元.具體來說,對于100名全職員工,如果僅僅是將日常任務自動化,健康保險公司就可以節省1500萬美元.此外,人工智能可以幫助保險公司改善消費者的整體健康狀況.安永會計師事務所的醫療數據和分析咨詢主管ChristerJohnson表示：“我們可以看到,越來越多的保險公司開始對人工智能進行投資,他們這樣做是為了給客戶帶來更好的體驗,不斷改善患者的健康結果.健康保險公司已經意識到了人工智能技術的潛力,并

3、且已經有所行動.埃森哲的一項調查顯示,72%勺醫療保險公司高管表示,投資人工智能將是他們明年的三大戰略重點之一.雖然醫療保險行業的領導者們還是著眼于長期的本錢節約效果以及改善患者健康,但人工智能已經對整個行業產生了一定影響.具體來說,科技帶來的轉變可分為以下四個領域.AI聊天機器人：人機互動新模式開啟個性化體驗作為中國最大的保險公司,眾安保險提供了醫保申請、福利查詢、醫療索賠等服務.而客戶可以直接與人工智能聊天機器人溝通.數據顯示,客戶有97%勺時間都在與人工智能聊天機器人互動.只有遇到最棘手的問題時,才會咨詢人工客服.未來,基于人工智能的客戶互動將成為普遍情況,而不是個例.麥肯錫的一份報告顯

4、示,到2030年,聊天機器人將成為大多數保險客戶的主要接觸對象.與2021年相比,人工客服將減少70%g90%埃森哲的一項調查發現,目前,68%勺保險公司已經在其業務的各個領域使用聊天機器人.通過使用人工智能來治理客戶互動,健康保險公司每年可以節省20多億美元.PremeraBlueCross的創新和戰略投資副總裁TorbenNielsen表示：“醫療保險客戶越來越適應這種人機互動的模式.我們對用戶體驗做了大量研究之后發現,越來越多的人非常樂于采用這種技術解決方案,而不是直接與人進行溝通.Premera是太平洋西北地區最大的健康保險公司,擁有近220萬名會員.2021年,該公司推出了Preme

5、raScout,這是一款全天候的聊天機器人,可以幫助客戶快速獲取索賠、福利和其他Premera效勞的信息.TorbenNielsen解釋道,“會員們想要的是一種個性化的體驗.人工智能讓我們能夠獲取復雜的數據,并以更個性化的方式從中獲得價值.信諾(Cigna)和Human咻大型醫療保險公司也在利用機器人來提供效勞.信諾推出了Answers聊天機器人,它可以使用自然語言處理來理解和答復150多個常見問題,并提供個性化的福利信息.由于推出了Answers聊天機器人和DigitalOneGuide效勞平臺,在2021年,信諾的客戶滿意度上升了20%盡管目前機器人主要處理根本的客戶互動,TorbenNi

6、elsen預計,“未來,機器人將訪問客戶的個人健康信息,并找出被忽略的醫療保健漏洞.最終,它們可以為客戶提供定制的、數據驅動的健康指導.機器學習：更快、更智能的索賠治理,減少醫保欺詐行為麥肯錫的一項研究顯示,每10起醫療保險索賠中,保險公司通常會將8起列為醫療保險欺詐行為.這意味著,多達80%勺索賠必須由理算員進行審核,這一過程會消耗大量的時間、金錢和人力.然而,人工智能正在改變整個保險業的索賠處理方式,由于算法能夠在幾秒內就發現異常,而不需要幾天、幾周或幾個月的時間.“多年來,接受還是拒絕索賠,主要是基于處理系統中硬編碼的既定規那么,安永會計師事務所的Johnson解釋說,“現在技術人員開始

7、嵌入更多的機器學習模型,這些模型可以考慮多種因素,而不是僅僅依靠硬性、快速的規那么.美國反保險欺詐聯盟表示,在將人工智能技術引入保險業的過程中,欺詐檢測是投資最多的領域之一.在2021年,超過75%勺保險公司使用機器學習算法來識別醫療保險欺詐行為.更快的欺詐檢測意味著更快的處理過程.一項由保誠集團牽頭的新加坡試點工程證實：人工智能將處理索賠的時間縮短了75%曾經花了九天時間處理的索賠現在只需2.3秒就能解決.然而,Johnson發現,由于受到多種因素的限制,比方收集、整理來自醫院、醫生辦公室和藥店等不同地方的非結構化數據,索賠處理中的人工智能自動化比許多人想象中要慢.預測分析：準確預測疾病發生

8、,提早做好預防舉措許多大型保險公司正在探索,如何利用人工智能解決方案,來預防疾病的發生.同時,它們也投資于科技初創企業,方案利用其創新分析技術.例如,2021年,PremeraBlueCross投資了CardinalAnalytx.這家醫療人工智能初創企業由斯坦福大學孵化,它可以利用預測模型,在患者生病或者出現其他身體緊急情況之前,推薦干預舉措.TorbenNielsen表示：“CardinalAnalytx能夠非常準確地預測出患者何時會出現嚴重的健康問題,從而防止一些重大且棘手的事情.同時,這一技術也可以幫助我們降低本錢.同樣,信諾也投資了Prognos,該公司將人工智能用于實驗室診斷.通過

9、分析擁有140億份醫療記錄的數據庫,Prognos可以預測客戶最有可能什么時候去急診室,或者進行牌關節、膝關節置換,還可以提前三個月準確診斷出抑郁癥.早期干預有很多益處,特別是對于慢性病患者來說.ChristerJohnson引用疾病預防限制中央的研究說：“目前,大約75%勺醫療支出與慢性疾病有關,如非終末期癌癥和糖尿病.Johnson進一步解釋道,基于各項指標的預測分析,比方患者在線搜索病癥信息或拜訪專家等,可以預測即將發生的負面事件.通過及早采取干預舉措,保險公司可以提前提供相應的醫療效勞.“對于患有慢性疾病的人來說,有了人工智能,他可以即時收到提示,然后向醫療效勞提供者或保險公司尋求幫助

10、.我們可以看到,如果在正確的時間尋求幫助,那么患者的參與度可以提升800%Z上."Johnson說到.遠程信息技術：基于客戶行為的保險模式成未來趨勢在2021年,美國前進保險公司推出了一款應用程序,用于其Snapshot工程.通過人工智能對數百萬個超速、急剎車或開車時發短信等數據點的分析,該應用程序可以為遵章守法的駕駛員提供降低保費的效勞.好事達、StateFarm和Nationwide等大型保險公司也根據遠程數據提供了類似的鼓勵舉措,為客戶節省了數十億美元的保費.在這一過程中,汽車保險公司也節省了數十億美元的事故賠償費用.相關研究表明,車輛遠程信息技術可以減少60%勺超速事件,對于

11、年輕司機來說,這一技術可以讓大型事故發生率降低35%鑒于可穿戴傳感器的普及,比方Fitbit以及通過智能追蹤健康數據等,基于客戶行為的保險模式似乎是醫療保險的必然選擇.TorbenNielsen表示：“我們可以看到,一些保險公司已經開始嘗試這種模式.比方,針對運動步數的獎勵舉措.2021年,美國保險巨頭恒康保險宣布將停止承保傳統人壽保險,只銷售通過智能和可穿戴設備追蹤健康數據的“互動式保單.這家保險公司的首席執行官BrooksTingle向?紐約時報?解釋說：“人們活得越久,我們賺的錢就越多.但是,TorbenNielsen強調,“在健康保險領域,基于客戶行為的保險模式還處于早期開展階段.目前

12、,行業相關人員還無法確定,是否應該將這種模式進步推廣.就消費者而言,他們似乎非常愿意用個人數據換取更廉價的保險.TroubadourResearch對1194名美國消費者進行了調查,近一半的人表示,他們愿意向醫療保險公司提供自己的生物特征數據,以換取保費折扣.當大型健康保險公司正關注基于行為的保險模式時,一些保險技術初創公司已經研發了相關的產品.BioBeats和FitSense正利用人工智能技術,對健身可穿戴設備生成的數據進行處理,以提供個性化的員工健康方案.其他AI醫療保險初創公司也在不斷創新,推出更加個性化的產品,比方Collectivehealth、Bind和Oscar.TorbenN

13、ielsen認為,這些科技公司會使所有的醫療保險公司及其客戶受益.創業公司進入醫療保險市場會帶來積極的影響,由于他們帶來了新的思維,這讓我們能夠真正深入了解我們的核心競爭力是什么,并保證我們開發的醫療產品是適應未來趨勢的.最終,向個性化的轉變會從根本上改變健康保險公司的傳統業務模式.長久以來,保險公司的承保范圍都是基于使用統計抽樣構建的風險池.現在,人工智能可以幫助他們實時挖掘大量數據集,預測單個消費者而非群體的健康狀況.TorbenNielsen表示：“自然語言處理、機器人技術、機器學習這些人工智能技術不僅可以幫助保險公司提升效率,也可以為消費者創造更好的體驗,讓他們過上更健康的生活.一年為

14、客戶節省27億美元,CotivitiHoldings如何提高醫療支付準確性？2021年6月,業內領先的提供支付精度解決方案的公司CotivitiHoldings以下簡稱Cotiviti"被VeritasCapital和投資組合公司VerscendTechnologies以49億美元的價格收購.這項收購協議達成之后,Cotiviti6月初股價大漲,溢價32%.此時距離Cotiviti成立也不過三年多時間.Cotiviti成立時間雖短,卻大有來頭.2021年5月,后付費醫療保健支付精度解決方案領導者ConnollySuperholdings創立于1979年宣布與預付費醫療保健支付精度解決

15、方案領導者iHealthTechnologies合并.合并后的新公司致力于幫助醫療保健客戶識別和糾正不準確的支付,通過集成的解決方案幫助客戶在日益復雜的醫療環境中提升支付精度.該公司于2021年9月正式更名為CotivitiHoldingsCOTIVITIMarketsABOUTMABkETSWLUTIOM4"時0的LfgECCMMTACTvolvineoranizaErdblingexceptionalperformaneefordiversearic就在當年,該公司為客戶挽回了27億美元的損失.這一出色表現,使“Cotiv市Holdings這個新名字被業內廣泛認可,該公司借此時機

16、迅速與美國最大的25家醫療保健支付機構,以及美國最大的10家零售商中的大多數建立了合作伙伴關系.動脈網對該公司的根本情況及主要業務進行了梳理:上市、換帥、并購,穩固支付精度領域領導者地位迅速建立起行業地位以后,Cotiviti并沒有止步于此,接下來的兩個大動作更是證實了該公司立志成為行業領袖的決心：一是2021年5月26日,Cotiviti首次公開募股,正式登陸紐約證券交易所(股票代碼為COTV,發行價19美元每股,共發行1250萬股,募資2.375億美元；二是同年8月,該公司迎來了上市后的首任總裁兼首席執行官EmadRizk博士.作為一名經驗豐富的知名醫療行業高管,EmadRizk博士擁有超

17、過25年與付款人、提供者和政府實體密切合作的經驗.此前,他還出任了AccretiveHealth的首席執行官,并參加了該公司董事會.在AccretiveHealth之前,EmadRizk博士是為醫療保健支付者提供臨床和財務解決方案的McKessonHealthSolutions公司的總裁.在參加McKesson前,EmadRizk博士曾擔任德勤咨詢公司(Deloitte)的高級合伙人和全球醫藥治理總監.在德勤任職期間,他領導了公司所有部門的醫療本錢和質量治理實踐.在此之前,他曾擔任孟山都(Monsanto)公司的副醫療總監和全球醫療總監.EmadRizk博士目前是Intarcia/Accura

18、y和全美西班牙裔健康協會(NationalAssociationforHispanicHealth)的董事會成員.他還曾在美國國家臨床咨詢委員會、國家質量審查委員會任職,并在DMAA護理連續體聯盟)董事會擔任董事.參加Cotiviti一年后,2021年7月,EmadRizk領導該公司通過股權融資獲得3000萬美元.同月,EmadRizk帶著Cotiviti以7000萬美元的價格收購了醫療數據分析公司RowdMap旨在進一步豐富和優化Cotiviti的支付精度分析工具.業內表示,這兩家公司的共同之處在于,它們提供的分析軟件能提供相應數據支持,以保證一些需要承當風險、高價值的醫療效勞是可行的.這次

19、收購進一步穩固了Cotiviti在支付精度領域的領先地位,也讓業界見識到了EmadRizk雷厲風行的作風.在EmadRizk看來,隨著美國醫療保健行業的本錢不斷上升,醫療行業參與者們面臨著越來越復雜的臨床和財務風險.Cotiviti的核心使命就是幫助客戶優化財務績效、提升支付效率以及整體醫療價值.值得一提的是,該公司的客戶類別相當廣泛,包括付款人、政府、醫療保健機構、保險經紀人、零售商、人壽保險公司以及律師事務所等等.EmadRizk表示,醫療保健的監管和結構格局最近發生了許多變化,比方對個人健康方案市場的重大修改以及醫療補助方案的擴大,這些變化都在推動著醫療保健方案的創新.但創新也面臨著重大

20、挑戰,例如,支付方必須大力投資,以改善其過時的IT基礎設施.這些根底設施無法對市場變化做出快速反響,無法使用分析技術增強與供給商之間的合作.基于此,該公司主要為其遍布美國、加拿大、英國和印度的客戶提供由數據分析驅動的三類支付精度解決方案：1、前瞻性索賠準確性解決方案,使醫療效勞客戶能夠在索賠裁決后立即識別并解決索賠差異,并在索賠支付給醫療效勞提供商之前解決；2、追溯索賠準確性解決方案,使醫療保險公司識別和解決付款不準確后,索賠已支付給醫療效勞提供商；3、該公司還提供分析和支持效勞,包括反欺詐、浪費和濫用分析,以識別編碼和計費實踐中的異常模式.構建多樣解決方案,為醫療支付生態系統創造差異化價值這

21、三大類解決方案是Cotiviti所有支付精度解決方案的根底和核心,以此為基礎,該公司又根據不同的業務類型和客戶類型對其進行了細分,具體問題具體分析,構建了專門針對醫療行業客戶的四大解決方案,希望為醫療保健生態系統創造差異化價值：付款準確性解決方案Cotiviti支付準確性解決方案的目的和意義準確地識別支付時機盡減少不當支付保證支付,臨床和網絡功能的一致性和合規性改善供給商體驗推劭行政效助最大限度地提升支付準確性程序的回報士通值班ICotiviti的支付準確性套件可以通過為索賠支付生命周期中的每一個關鍵維度從早期支付策略治理和臨床索賠審查到支付后圖表審查和欺詐模式調查提供解決方案,節約醫療和行政

22、本錢.以付款準確性解決方案中的“欺詐,浪費和濫用FWA解決方案為例.醫療詐騙造成的經濟損失估計每年高達數百億美元.強制處理效率、被無視的索賠、人員過多或缺乏、不同的記錄系統、不完整的報告和數據集都可能造成欺詐、浪費和濫用FWA.此外,由于醫療身份盜竊、身體風險以及與有組織犯罪集團的合作日益密切,醫療詐騙活動對患者的危害越來越大.Cotiviti的FWA解決方案由臨床醫生、索賠和監管專家、治理人員和數據分析師共同設計,適用于新出現的欺詐方案和合規要求.該集成解決方案將來自一個模塊的數據分析、決策和見解應用到其他模塊的規那么和算法中,從而創立更強大的反欺詐解決方案,在滿足合規性和財務目標的同時,檢

23、測并阻止欺詐,浪費和濫用FWA.該公司獨特的解決方案為其贏得了近100個支付方客戶從小型第三方治理員到全國25家最大支付方中的21家,其中許多都與Cotiviti合作十年以上.Cotiviti風臉,整方案挑戰蚱決方案確定井優化野晌收入的風檢調整時機逋過高緩人工智能,情少識別和證或具有最高價值的無證醫療條件的成盤所芾的時間與叁量認井睡實帶質野俗的底療條件監控和協調遇到的提交帶謙卷持良好的供或商關系通過,豆的蟄據庫第分所邏輯減少企業報失通過家曜泮祖工程改善%人的臨生護理.和健康狀況提供有關編瑪和文檔改良時機電就極反饃有茨地首理蘇種不同的技術從多個來源和系統有效訪問記錄.量大限度地誠少企業一眸捏提里

24、于英歷EVR浜繞的翼信息同化保持合慢性一檸合?5的指導方軒,iRw白方強m準爸為這程和數據驗證分上苣圾國密.臬*常上m,有效調足匚昨的提交時間表風險調整解決方案風險調整解決方案旨在對會員的風險負擔進行合規、準確的補償.風險調整方案很復雜,成功的治理需要保持完整的合規性,同時保證個人健康計劃的風險負擔在醫療記錄和相關提交中得到適當記錄.了解要使用哪些風險調整工具以及何時使用它們對于保證及時和一致的收入支付至關重要.此外,監管環境變化頻繁,政府審計也變得越來越普遍,這些因素都會對風險調整產生影響.為了進行風險調整,Cotiviti部署了自然語言處理NLP和機器學習方面的臨床和分析專家,一千多名經過

25、認證的編碼專業人員以及超過450名檢索專家,為健康方案提供全面的、端到端的前瞻性和回憶性風險調整效勞和支持,結合技術、人工智能、分析和深入的專業知識,保證與風險相關的收入得到優化,同時保持適當的遵從性.以風險調整解決方案中的“家庭評估解決方案In-HomeAssessments為例.為了充分治理和協調其成員的護理,衛生方案需要訪問所有相關成員的醫療數據.然而,醫療記錄、索賠或數據中包含的信息往往不能代表成員的健康、行為健康洞察力的全部狀況.讓合格的執業護士或醫師助理接觸家庭成員,并完成全面的個人健康評估,可以提供根本和缺失的臨床數據.這一過程不僅可以推進護理質量和護理治理,還可以提供適當和全面

26、的文件,確保成員的臨床風險負擔得到適當的掌握和證實,以便進行風險調整.質量和性能解決方案隨著基于價值的補償成為標準,Cotiviti的質量和性能解決方案允許衛生方案從簡單地報告質量舉措,轉變為驅動更高價值的衛生保健方案的購置、交付和使用.該公司的解決方案使衛生方案能夠更有效地與其提供者網絡、成員以及方案本身內的其他功能團隊協作.方案可以成功治理會員的臨床和財務風險,最大限度地利用有限的內部資源,并符合行業要求和法規.質量改良是復雜的、不斷開展的,并且越來越與財務盈利水平聯系在一起.Cotiviti可以幫助客戶將質量度量和報告轉化為根底,以支持諸如人口健康、質量改良、遵從性、網絡治理和合同以及基

27、于價值的補償等關鍵任務.該公司通過NCQ凝證的度量邏輯和易于使用的報告軟件與大量的、專業的檢索和抽象服務相結合,以簡化整體流程,爭取在每個階段都以最少的工作量獲得最有效的結果.DxCGIntelligence風險調整和預測模型是Cotiviti性能分析解決方案的核心,20世紀90年代初與美國醫療保險和醫療補助效勞中央CMS合作開發.DxCGIntelligence使用Cotiviti的專有預測模型將醫療數據轉化為個人成員的風險評分,分數與其潛在疾病負擔的本錢相關.評分后匯總具有關鍵屬性的個人得分可生成組級預測結果,幫助分析有關醫療保健效率的關鍵問題.分級條件類別HCC模型也建立在DxCGInt

28、elligence的根底上,CM吩天仍然使用該模型作為風險調整醫療支付的根底.Cotiviti的質量性能解決方案DxCGIntelligence憑借付款人質量分析和報告解決方案榮獲2021年度最正確KLAS獎.KLASResearch利用其完善的方法和詳盡的客戶研究來評估多個類別的供給商和解決方案性能.客戶特別J指出,Cotiviti在軟件性能和易用性方面領先于競爭對手.生命和法律效勞Cotiviti的生命與法律效勞旨在快速、輕松地檢索對其客戶的業務至關重要的醫療記錄.人壽保險行業在很大程度上依賴于既有利可圖又長期有效的強有力政策的批準和承保.快速收集準確的主治醫師陳述APS的水平對于解讀政策

29、至關重要.Cotiviti擁有專利的醫療記錄檢索流程,該流程足夠靈活,每個人都可以通過平安的在線帳戶快速訂購、跟蹤、檢索和查看數字化的APS文件.該公司為人壽保險行業的所有利益相關者提供效勞,包括經紀人總代理BGA和獨立代理人.該公司解決方案允許其他不可計的費用可計,并足夠靈活,可以讓任何法律專業人員快速訂購、跟蹤、檢索和查看數字化醫療記錄.Cotiviti的調度和檢索工作流系統是其檢索過程的核心,幫助代理快速準確地請求、匯總、數字化和索引患者臨床數據.一旦記錄被提取,就可以從其中央醫療記錄庫中隨時獲取.該公司那么會跟蹤、存儲和治理有關每個提供商的詳細信息例如,聯系信息、營業時間、檢索方法以及

30、記錄位置、類型和聯系方式,以保證有效檢索.Cotiviti在生命與法律效勞方面的的客戶包括為保險和金融效勞市場提供銷售分銷軟件套件的Pipeline公司、為律師事務所提供案例治理軟件的公司TrialWorks以及從事專業分時數據處理效勞的公司Needles.這幾家公司都擁有35年以上的運營歷史.對于CotivitiHoldings的定位及其多樣化解決方案,該公司執行副總裁兼行政干事JordanBazinsky曾說過這樣一段話：“在醫療行業,技術和數據正變得越來越精確,以至于行業參與者們可以在比以往任何時候都更細粒度的細節上去做文章.換句話說,Cotiviti在觀察總體和評估需求方面已經做得相當

31、好了,但是在個體層面上應用同樣的分析方法是非常困難的,例如,我們不僅要從數據中解析出發生了什么,還要分析它為什么會發生.當我們能夠更好地查明各種風險的驅動因素時,我們就可以為解決這些問題指定責任.由此看來,醫療支付領域的解決方案有很多種形式：基于價值的智能合約、醫療系統中新的伙伴關系,以及向患者提供更多有關其健康的信息,使他們能夠做出更好的決定,等等.隨著時間的推移與技術的進步,業內對知識的這種微調只會越來越精確,使醫療支付類企業能夠“治療醫療系統,并取得有意義的進展.健海科技用AI打造以隨訪為入口的醫療后花園隨訪是一個醫療體系中,讓醫生愛恨交織的環節.愛之,不僅可以拉近醫患距離、提升醫療質量

32、,還能幫助醫生收集科研所需的相關臨床數據；恨之,讓稀缺的醫生資源去治理海量的患者群體,難度不言而喻,隨訪時常意味著醫生在工作量上的“加量不加價.心有余而力缺乏,是我國醫護人員在面臨隨訪環節時的普遍狀態.為什么會形成這樣的局面？健海科技CEO汪健在接受動脈網vcbeat記者采訪時表示：“醫生的天職和價值是判斷和診療,而與患者建立長期聯系,本質上是一件效勞性質的事.在他看來,隨訪市場是一片廣闊的藍海,這個市場最大的痛點是醫護人員時間上的缺乏,這使得現有的醫療體系無法支撐隨訪市場的快速開展因此,這個行業需要創新.健海科技的核心成員來自于思創醫惠、網新、阿里、聯眾等知名企業.這家成立于2021年的生命

33、科學企業主要專注于患者的院后治理,以“讓關心成為一劑良方為理念,通過互聯網+物聯網+AI的模式,廣泛對接醫院HIS系統,幫助患者完成出院到家庭再到醫院復診閉環的精細化治理.上線四年,健海科技已經深度合作超過200家醫院,其中全國百強醫院二十余家,三甲醫院占比約60%效勞住院患者2000萬+、醫院患者近億人次,協助完成科研學術論文/cell雜志/863課題近百篇.解放醫生的關鍵,是把看病與效勞分開現有醫療體系下的醫療方式主要有兩種：一種是主動醫療,另一種是被動醫療.隨訪是主動醫療中的一種,即需要醫生主動去跟蹤病人的病情.但問題也隨之而來一一在我國醫療資源急劇匱乏的情況下,患者治療尚不能保證,如何

34、有精力對患者進行隨訪？很多患者尤其是慢性病患者,在醫院只能完成看病這一環節,更多的康復和調養,都需要回到家庭中去進行.因此,隨訪并不只意味著一次簡單的問詢,而需要與患者建立長期聯系.在汪健看來,把看病與效勞分開,讓醫生有更多時間去做好本職工作,是解放醫生的關鍵.這是汪健建立健海科技的初心,即用人工智能的方式對健康數據進行治理,以實現人工智能下的主動治療.在創業過程中,汪健看到業內很多最初以隨訪為主要業務的公司,開展至中后期都后繼乏力,轉型去做在線咨詢,所以他希望找到這個市場正確的翻開方式.“如果把咨詢市場,比作健康的守門人,隨訪就是健康的后花園.但讓少數的醫生群體去治理海量的患者群體,患者在這

35、個后花園一定不會覺得很享受.因此,傳統以效勞模式為出發點的創新鮮有成效,無論企業如何為醫院設計隨訪軟件,在有限的時間和精力下,把醫療資源從線下搬到線上,并不能徹底解決醫療運營效率的問題.不能形成系統化的醫療效勞體系,也就不能真正的喚醒隨訪市場.人工智能技術有望突破這一桎梏,隨訪提醒這一根底性的工作是可以由人工智能代理進行的,而這也是人工智能的價值所在.用知識圖譜破解行業痛點實現隨訪環節的系統化,首先需要解決兩個問題,一是患者就診和康復信息化閉環；二是進行患者篩查,批量隨訪的問題,健海科技從軟件出發,關聯患者電子病歷,以“云隨訪的方式對患者進行疾病治理,其特色主要有以下兩點：一、廣泛對接醫院的HIS電子病歷系統.HIS系統是醫院的核心系統,存儲著大量患者的核心數據.打通醫院HIS系統,即意味著復診醫生可以靈活地隨時隨地獲取患者的診療信息.能