嘉会医疗携手NEJM Catalyst落地漕河泾，全球视角共话中国医疗保健的发展与变化

除现场参会人员外，另有4000余中国人收看了全球直播

近日，《新英格兰医学杂志》家族新秀NEJM Catalyst团队携哈佛大学、凯撒医疗、普罗维登斯圣约瑟夫医疗集团、梅奥诊所及布莱根妇女医院的卫生经济学者、医疗管理人员、临床医生首次来到中国，在嘉会医疗与上海漕河泾高科技园区的共同促成下举办了一场名为“中国医疗保健的发展与变化——来自全球的经验”的医疗保健学术交流会议，旨在探讨初级医疗规模化过程中的从业者培训与激励、人工智能助力、财政及监管创新等热点议题。

会议由嘉会医疗发起，NEJM Catalyst创始人、Press Ganey首席医疗官、哈佛大学公共卫生学院卫生政策与管理教授、美国国会预算办公室卫生顾问组成员Thomas H. Lee教授率队主创，多位置重量与会演讲嘉宾莅临会场参与讨论。

医疗保健资源分配不均致使患者集中在大型医院，而对中小型城市居民来说，许多疾病无法在当地解决，需要花费高昂的代价到很远的大城市方能得到诊疗，这是中美都面临的情况。而国家医疗服务运营的目标则是以有限的资源回应巨大的需求，最终大规模地提供公共利益。

对此，管理着美国51家医院，800家诊所的Amy Compton-Phillips教授分享了他在普罗维登斯圣约瑟夫医疗集团的探索：“系统中包含很多医疗个体和机构，比如心脏中心、康复科医生、妇女医院、肿瘤医院、大学，他们还来自不同地区，我要求他们每阶段告诉我三件事：你能提供什么、如何帮助降低整体医疗成本、如何改善对患者的诊疗结局。我们经过初步的可行性分析，就针对这些给与硬件、管理和行政支持，把最佳资源分配到其所在地，同时，系统要求基于这三件事的数据反馈和分析。如果某家机构能够成功落实，系统就会进一步提供其他资源去支持其下一个循环，譬如手术室新添某个设备、电子病例中有助改善就诊流程的某一模块工具、大学用于远程教育的模拟系统。”

Amy Compton-Phillips教授解释：通过这种方法，可见的是单独某一家医院某方面的人力、药品、耗材投入成本不断上升，但实际的结果是，整体资源的连接使整个系统覆盖的就医人群在扩大，人们的医疗可及性提高，总体的就诊成本降低，这是整个体系的变化。

嘉会医疗CEO、挚信资本管理合伙人葛丰先生对此补充：“大家都会问在中国医疗服务中私立占比只有5%，能够做什么事情呢？其实有很多，因为医疗行业是全球性的，一是因为医药科学是全球的。二就是因为通过大量全球性的资源合作方能够真正开展事业。”

众所周知，扩大初级医疗资源，人们不再一有咳嗽就去三甲医院挂号专科医生，是提升整体医疗效率的关键。那么，如何提供足够的初级医疗资源以应对规模化需求的挑战？凯撒医疗保险及医院执行副总裁兼首席医疗官、《贝克尔医院评论》百佳首席医疗官、执业25年的Patrick T. Courneya教授回应：在用标准化的培训扩大从业人员队伍的同时，激励现有初级医疗保健从业人员的持续改善。

嘉宾演讲，从左往右依次为Patrick T. Courneya,  Amy Compton-Phillips， David J. Cook

据2019年美国某非官方医生协会数据预测：2030年前初级保健医生将短缺14.08万人左右，同时78%的初级保健医生在职业生涯当中出现职业倦怠问题。

Patrick教授称在其所在的凯撒集团，一方面，更多的护理人员、儿科医生、药剂师被纳入初级医疗保健范畴培训，另一方面，“我们用从业者临床表现也就是诊疗结局的透明化来实现激励”，凯撒系统内的初级医疗从业者管理采取“松-紧”模式，松的是不要求医生的每个具体操作“按菜谱烧菜”，但在系统的层面基于最终目标即诊疗结局提供一些贯穿教育和服务的标准化工具，这些工具中要求完成的模块、回答的问题决定了从业者必须最大程度去思考患者需要一个怎样的诊疗结局，以及促进和反映其诊疗结局的达成，一定会关心和分析一项医疗操作在一个医生、一个机构的临床结局水平、对一个患者的诊疗结局成败。

这种标准化使得系统和医疗机构、个体之间、医生和医生之间、患者和医生之间，实现诊疗质量、结局的高度透明化，这使得系统对机构和个人的监测、评估，医生和医生之间的良性竞争、以及患者主动选择一个最适用的医生、机构都成为可能。

“我觉得对医生来说最有效的激励并不来自于奖金，因为金额太低无法激励，太高则会使其牺牲患者利益。有效的激励来自于他们的职业成就感和自尊。他们的绩效跟治疗结局相关，譬如某个医生一阶段所有患者的结局情况怎么样，是否能够证明你的诊疗结局要比其他医生好，是否达到自己设定的目标，患者的满意度达到多少，有没有在整个过程当中体现医生的同理心？这些与众不同的战略和方法被证明可以激励行为，反映在医生个人不断改进的意愿和习惯上、整个体系的医疗质量和声誉上。”

面对扑面而来的医疗保健压力，短期内很难培养大量优秀的医生来解决问题，但借助科技或许可以。

近年来，人工智能和自然语言处理在中国发展迅猛，年申请专利数已超美国。今年2月，在《自然》杂志上，中美研究人员更是研究报告了通过AI学习应用，已经拥有了140万儿科患者数据库，称可能在下一阶段帮助提供大规模的最基础医疗服务。

中国卫健委健康医疗大数据应用标准评估体系保障专家委员会委员余中博士分享了其在安徽省旌德县进行的实验——初级医疗保健的人工智能在中国的首次尝试。参与其中的有穿戴有生命体征监护仪的患者 、AI、经纶的天使机器人、乡村医生，10个镇、68个村、15万人参与其中，最终，天使机器人帮助完成了15000次患者初级诊疗就诊，1800多例患者在天使机器人系统上获得远程服务，旌德政府和世界银行都认为这种智能的医疗服务，大大增加了初级医疗可及性、而且可支付、因此具有很高的价值，可以在全球其他类似的情况下加以应用。

余中博士用鸟类吃身上的寄生虫来类比正在应运的“医生、AI、患者”间三向动态的共生关系系统：“我们用机器来收集无穷的患者数据，他的健康数据、行为数据、诊疗结局的数据，反馈给医生，医生再反馈给机器，这是一个终极学习的闭环。医生是执行者，给患者提供提供智能服务，机器是帮助者，帮助患者达成更好的结局。患者也是很重要的反馈来源。机器非常快速而准确，但是它很天真，他没有共识，没有自己的意识，什么都没有，而人类有智慧。因此我们做的就是把反馈给到人类，而把医生给到机器。当人类的学习、医生的学习、机器的学习，彼此相互联系、支持和作用的时候，就能给患者带来一些智能的医疗服务。”

关于“医疗最终的决策者是人还是机器”的问题，余中的回应是：必须回去谈到学习的要义和根本。  很难在一开始设置出一个原则，之后都遵循这个原则，学习必须是不断持续演变的过程。当两者互相影响、提升的时候，就会产生一些制度、规则，之后我们再对规则进行修改、调整。

关于随Catalyst此次来上海首秀的初衷，哈佛大学商学院工商管理学教授、美国国家经济研究局研究员、美国卫生经济学协会董事会成员、国会预算办公室卫生顾问组成员Leemore S. Dafny教授表示：

在世界上的每个国家，包括中国和美国，人们都对他们的医疗保健系统不满意。这种不快乐的一部分原因来自于人们对美好生活的追求，人们希望活得更长，期望更好的生活。 根据世界卫生组织的最新数据，中国婴儿预计能维持健康至68.7岁，而美国是68.5岁。而总体预期寿命，美国是78.5岁，中国是76.4岁，但美国人的最后10年预期并不健康。我是一名经济学家，我喜欢数据。我喜欢竞争和比较。我认为总有一些东西可以从中学习。