醫療產業成長爆發之Tipping Point探討-生命找到出路篇
Unearned margin
Scott Galloway在疫後大未來 (Post Corona, From Crisis to Opportunity) 一書提到，破壞性創新可能和一些因素有關，稱之可破壞指數(Disruptability Index),其關鍵信號在於價值或創新沒有相伴增加的情況下，價格明顯增加,其被稱之unearned margin
其中醫療衛生雖然部分品質有所進步，但消費者體驗沒有改善，但平均涵蓋家庭的醫療保費在過去5年增加22%，過去10年則增加54%，明顯高出工資或通膨的漲幅。
這裡用白話來說明，沒有道理的東西，遲早會被推翻或改革掉。
相對之前的探討文章等待制度的到來。這次的探討，則是醫療產業與其他創新技術及平台事業模式結合，在沒有道理的環境下（也就是高可破壞指數(Disruptability Index)），找出一條生路。
從RPA開始，Uipath，該領域的領導品牌
約在10年前，醫療系統的資料整合及自動化，是認定降低營運成本的關鍵之一，但在各種電子醫療紀錄（EMR）有其格式，與任何系統的互通，在軟體工程的角度上，需要建議串接的對口。這時需要軟體工程師修改code,製作串接介面，這時遇到最大的阻礙為費用，理論上要靠制度的需求來推動這類系統的整合。此外，有些軟體可能原來開發的公司都已消失，無任何soruce code可進行修改，即使有錢，也不一定做得到
這時候RPA(Robotic Process Automation)[1]技術的到臨，則一次解決無法更新的舊軟體及軟體改裝經費的問題，甚至一次達到自動化節省人力的功能
RPA獨角獸UniPath在醫療服務業的相關的例子可參考以下
Use cases for RPA in healthcare - Max Healthcare | UiPath
事實上，UniPath是以RPA為核心事業的公司，在醫療產業的應用只是其旁支業務的一環，但這類技術的來臨，卻disrupt原有昂貴的醫療管理系統整合系統費用或是服務費用的狀況。一般醫療院所可以輕易取得可負擔的醫療自動化方案。
如果是一家專注在醫療系統管理服務，會是什麼樣的故事？
美國Olive的醫管服務每賺進1美元，就為醫療保健系統省下5美元
美國的醫療保健系統長年以人工處理繁瑣的行政流程，在COVID-19衝擊下，促進了一波智慧醫院基礎建設革新，而美國的Olive公司則是此波浪潮的先驅者。 相關介紹可參考以下連結
美國Olive的醫管服務每賺進1美元，就為醫療保健系統省下5美元｜國家新創獎
innoaward.taiwan-healthcare.org
與前面的Unipath不同處在於，這家公司利用四大核心，機器人流程自動化 (RPA)、自然語言處理(Natural Language Processing, NLP)、電腦視覺 （Computer vision）和機器學習 (Machine Learning, ML) 等技術開發專在醫療服務應用，可自動處理原本由人工進行的重複、大量的任務
服務產品可參考以上連結，如下所示
其實以上各種服務產品在市場上也行之有年，但觀察Olive能崛起的三大因素為
（1）服務整合放大功效：
類似服務已存在市場相當時日，但不見成為獨角獸等級的企業。其在於這些服務主要是離散的型態存在這個市場，單獨的服務對效能的提升，經費的節省有其幫助，但對現有的千瘡百孔的醫療系統只有點的幫助
但Olive的系統整合卻能放大功效。
這裡用cost down的經驗來說明，通常就產品的cost down很難再找到一次可讓成本大幅降低的零件，一定是一點一滴從各種零件，工序下功夫，聚沙成塔而來。
（2）整併及外部合作
這算是在商業常講的Merge and Acquisition,快速成長很少會是靠內部有機成長一途，這算是教科書的基本理論，故不置喙。
但值得一提的是，這個動作，戰略目標是形成一個平台，廣納百川。 這與很多先從平台商業崛起的公司模式有順序的不同，但殊途同歸。
（3）AI， Machine Learning的應用：
可以看到該公司的4大核心,機器人流程自動化 (RPA)、自然語言處理(Natural Language Processing, NLP)、電腦視覺 （Computer vision）和機器學習 (Machine Learning, ML).
這4大核心有2項就是AI/ML的範疇，而其他兩項RPA，Computer vision則是AI/ML的間接應用，AI/ML在節省人力的效能已眾所週知。但AI/ML是不折不扣的 班傑明（Benjamin Button）產品！
班傑明（Benjamin Button）產品，指的是因為網絡效應（network effects）而逆齡生長的產品或服務（隨著時間越久，用戶獲得的價值越來越大）
這個觀念來自Scott Galloway在疫後大未來該書所提的T演算法，以下連結有個很好的描述，可以參考
讀書心得 - 疫後大未來 : 誰是大贏家(2/2)
Post Corona: From Crisis to Opportunity
人工智慧類的產品，因為隨時間不斷學習，是班傑明（Benjamin Button）產品的典型代表。
此外，還有另外一個不算班傑明（Benjamin Button）產品，但經營得體，會具有班傑明（Benjamin Button）特性的結構體，那就是平台，經營有方，參與者越多，不論是大數據的成長，甚至集體智慧的形成，會隨著時日與時俱進。
美國Capsule如何創造品牌價值，讓數位藥局成功落地
藥局在美國是第2大零售類別，但藥品缺貨/價格不透明等不友善體驗是消費者心中的痛。 藥品服務的生態有藥局，醫院，醫師，醫院，保險公司，藥品公司這幾個主角要搞定，Capsule如何搞定主角可參考以下的故事
美國Capsule如何創造品牌價值，讓數位藥局成功落地｜國家新創獎
美國消費者到藥局領取醫師處方藥常常面臨挑戰，消費者必須排長隊等候，而且在報到處還會不時聽到相關的個資資訊。更糟糕的是，當終於排到時還可能被告知藥品缺貨。 根據Drug…
innoaward.taiwan-healthcare.org
之前類似的服務，最常見的則是糖尿病人的血糖機/血糖試片/胰島素注射針筒的銷售服務，這類公司搞定用戶與保險公司的之間的給付申請，病人通常只要提供健保資訊，及可能負擔部分費用，這類公司則負責提供相關的醫材，甚至產品服務如語音專人服務。
這類服務的侷限性，在於（1）通常限於糖尿病這類疾病，主要靠耗材賺錢 （2）使用族群為年長者為主，好處是忠誠度高，壞處也在於客戶層也侷限於此。
此外，因為年長者習於電話溝通，專人語音服務是必要，也是不小的開支。 而美國大陸有4個時區，做4個時區的輪班服務也是成本，所以這類公司多以區域性為主
Capsule則是成功整合用戶，醫生與保險公司的之間的給付申請，並引用消費性產品銷售平台的模式導入到藥品服務，相對以上糖尿病人用品的服務，其不限於某類別疾病類，客戶層則是類似消費性產品電商的客層。
此外，本平台也與其他健康照護如心理健康初創公司Ginger合作，Ginger的用戶與醫生資詢後，開立的處方由Capsule運送
如果用Scott Galloway的T演算法來看，Capsule符合以下幾項
（1）訴諸人性本能：方便好用，如同電商平台發跡的核心。此外，這類服務對某些對隱私非常敏感之疾病，如精神方面者，是一大福音。這也是心理健康初創公司Ginger與其合作之因。
（2）成長與利潤的平衡： 高成長與高利潤是可互相伴隨的，使用者越多，bargin power越大，如同團購平台。
Capusle在產業已直被認為是藥房的Uber,因為其配送網路如同Uber
理論上，這類的服務先天上還有不小的競爭對手，如Amazon pharmacy
此外值得一提者還有RO，另外一個獨角獸，其規劃的藥品服務可在其投資者報告看到如下，藥房事業只是RO healthcare服務下的延伸
而Capulse創辦者的長遠願景如下文，希望未來建立成一站式的醫療服務
The long-term ambition of Capsule is that it is the single place where consumers can access all of the needs that they have in their health care in a single, simple, holistic place, and we’re doing that in a way that brings everybody else that’s building different parts of health care together versus trying to own all of those things ourselves.[2]
這點觀念與RO很像，兩者切入的疾病類別不同，還有服務的面向也不同，一個是從藥房開始，另一個是從診療開始。
但可觀察出一站式的醫療服務會是其共同目標，也就是把平台做大，廣納百川。
全美下載量最高的遠距醫療App！估值達14億美元，K Health如何讓健康垂手可得？
記得以前在美國作接案的工作時，因為不是正職員工，所以自己買保險。但一般保險公司是不做這類人的小生意，故需找一些“零售”保險公司，三個月大概交450USD
若是生病，這種保險不保第一次看診，而是相同疾病回診後才開始給付。 會保的原因是怕出了三長兩短需一直看病，但很不幸的，每次生病，看了一次就好。所以每次都付全額看診費用，處方藥，一次75～100USD起跳，每三個月還要付450USD。
心中實在不平，但又不敢不保，只是運氣好，後來回到了台灣，這個惡夢就結束了。
其實也有很多醫療服務也想解決這類困境，但美國的醫療費用高昂主要是與人員的費用有關，如行政人員處理繁瑣健保給付，行政作業流程。
此外，護理人員，醫生等更是最大的人員費用開銷
K health每個月只要交39USD，就可不限次數資詢。能提供這類服務的最大關鍵在於AI輔助家庭醫生診斷及管理 ，如以下的文章連結，K Health從以色列管理醫療組織Maccabi Health Care獲得了數據授權，獲得了20年來超過20億條匿名醫療記錄數據，這使得K Health的AI聊天機器人能夠通過消費者提供的數據查找匹配信息，並根據每個案例與相似案例的比較情況提供個性化的診斷和建議。
該應用程式還能夠向用戶顯示針對其個人情況醫生會如何進行診斷和治療。醫生檢查AI輔助的患者症狀分解，然後根據需要進行診斷，開處方或轉診患者。
K HEALTH成立4年融資近一億美元,用AI輔助家庭醫生診斷和健康管理... - 人人焦點
動脈網整合了疫情背後的產業鏈資源，覆蓋19個細分領域，連結超過1000家企業數據，帶來詳盡的疫情產業圖譜。長按識別圖片小程序碼，一手資源信息全知曉。 2020年2月27日，AI遠程醫療公司K…
一個平台化的服務事業，基本上前面RPA所要解決的那些舊式系統串接不良的問題幾乎是很少，所以資訊流順暢，行政效率高，故隱藏成本低
而AI的輔助，大幅減少護理人員在一般診所的主要工作，也就是類似分診（Triage）的工作，告訴病人該不該過來，或是如何處理。
除此之外，甚至還有聊天的功能，這裡不認為能取代人類的溫度感，但至少有幾個重點（1）無助感大幅降低，因為至少AI會給方向，不會不回應（2）人類有溫度，溫度就會有高有低，過高過低，都會傷人，這點AI沒有（3）因為服務費用低，使用者至少認為這是一個可接受的折衷。
在診療上，還有個主訴(Complain)的動作，也就是病人描述自己的症狀，這除了耗醫療人員的時間外，資訊有時要靠直覺來分析，但採用AI，則是把繁瑣的工作交個機器整理，關鍵判斷還是交給醫生，所以減低人工的成本，並提升服務品質。
甚至個人也認為，在不久的將來，衛教這塊也會被AI有效的推行。
更重要，K Health的服務是有醫師服務的，這個觀念類似 Clayton Christensen的The innovator’s prescription: a disruptive solution for health care所提到，醫學可區分成Rule Based及 Intuitive Medicine。
如果是 Rule based則可用各種程序手段，下放這個工作到基層醫療人員，如護理人員. 而 Intuitive medicine這種難搞的工作，就交給費用高的醫生來處理，用此專業分工方式兼顧成本及品質。
K Health的服務架構就是有rule based 及 intuitive medicine這兩塊，rule based由AI處理，而醫生則是專注關鍵的工作，如診斷，開處方等 intuitive medicine這類的工作。
如果用Scott Galloway的T演算法來看，K Health符合以下幾項
(1) 班傑明（Benjamin Button）產品： AI為其核心
(2) 被喜愛的程度：價格公道，隨時有服務，最重要的會有醫生提供服務，所以這個APP每天成長的速度為1萬到1萬5的人次。
(3) 訴諸人性本能: 方便好用，AI不是pefect,但不會不回應及冷言冷語，或是不耐煩罵人，而且言之有物。 這與第(2)是互相關連的
小結
就以上的案例可發現，這些都與健保制度的改革模式沒有關係的
就類似個人這種從醫療產業出身的，因為思維框架的限制，總認為沒有健保制度的改革，則本產業無望，但上述的幾個案子開了個人的腦洞
個人的心得如下
(1) 醫療產業由於保守，效率通常低落，大量人工處理沒有加值的事務，但整合式的EMR也不是費用很親民，而且甚至有些沒有再維護的軟體，又不能不用。 RPA的來臨，讓這類基層行政效率的提升，有關鍵的幫助.
(2) Clayton Christensen提到的Rule based 及 Intuitive medicine的分工架構，看似簡單，其中在許多醫療產業也試著推行，如CVS的minute clinics，就是類似觀念，但不見於大行其道。
個人認為，實體店面，及人員都是個成本。相對K Health的平台模式與AI應用，在效能的提升上，已是數個數量級的差異.
另外，AI的應用，更是破壞性創新的重要產品，除了前面提到 班傑明（Benjamin Button）產品的特性外，因為其判讀功能是經過醫學驗證的，也就是醫學提到的Evidence Based Medicine，這也是Rule Based Medicine的基礎
但根據目前的觀察，AI在現今醫療產業革新上，主要扮演的角色類似早期工業自動化的角色，把原先需要大量人力的工作，如影像判讀的工作，交由機器來處理，因而大幅減低人力成本，並提升單位時間產出，及一致性的品質。
這個階段的發展，主要是解決現今醫療體系效能低落，費用過高，但品質有限的問題。
與之前文章提到的Value Based Solution的觀點，最大的不同在於現今AI的首要目的為設法減低不必要，沒有加值性的開銷，讓原有的照護回到合理的價位
(3)平台商業模式： 底層的低效問題解決後，就是擴展服務內容，開拓客群，平台的建立，則是成為獨角獸的基礎。
(4)高度可破壞指數(Disruptability Index)： 可破壞指數為破壞性創新的關鍵信號，高度可破壞指數代表這個產業要被改革了，正在等其他的因素到來。
故個人總結，因為形勢大好，也就是高度可破壞指數(Disruptability Index)。
此時RPA，AI，與平台商業對醫療產業創新改造是從不同方向進行，RPA改良行政，平台商業改良配送，AI減輕醫療負擔。這三點可進行單點突破，但就RPA+AI，AI+平台商業皆有相得益彰，大幅加成的作用。
再仔細分析，AI在醫療產業創新改造扮演功能強化的催化的角色，如Olive的RPA改良靠AI強化，K Health的AI協助自動分診，AI服務能在平台商業上相得益彰，形成加成的作用。
AI，平台商業都有有放大效益的特性，但AI可視為催化劑的重要角色，加上班傑明產品之特性，個人認為是未來醫療服務革新不可獲缺一環。
最後，本篇可與之前發表之制度篇做個比對與討論。
其可發現兩篇的共通是談到不改革不行，一個是健保體系生存的壓力，另一個則是從高度可破壞指數來認定破壞性創新的關鍵信號來了，至於推動新創醫療產業成長，一個是從制度，但看來效果有限。另一個則是科技的進步，看來效果宏大，那未來的持續的走向，個人打算另文探討。
醫療產業成長爆發之Tipping Point探討-制度篇
醫療產業潛在市場宏大是很多企業關注的一塊，隨著各式科技的進步，醫療產業成長大爆發是時間的問題，但何時發生，什麼是tipping point,這裡從健保制度探討
[1]以下影片來自Ghost in the Shell (1995),個人認為是RPA的原型
2015年再看這部 片子時，覺得當時製作的觀念落伍，不知用系統串接的概念! 2021年看到RPA的興起，才知道這部片子多麼的前衛！
延伸閱讀
McKinsey分析其中提到了RPA，AI，平台這三個跨領域技術
喜欢我的作品吗？别忘了给予支持与赞赏，让我知道在创作的路上有你陪伴，一起延续这份热忱！
- 来自作者
- 相关推荐