学妹说：医患关系这事儿，一直在两边剥削，医生被压榨劳动力，患者则为管理漏洞付费。由以太帮忙融资的数联易康，则希望通过技术手段，达到医疗管控的目的，旨在于让大数据解决人性的弱点。听起来是不是很高大上呀，快看文章吧。
前段时间被大面积传播的视频中，一女子因医院票贩子猖獗，挂不上号，治不了病而控诉就是一个典型案例，两边都怨声载道，事情就变得更糟。
医疗管控迫在眉睫，医患关系只是其中最显性的缩影。但由于政府或是医院的人力有限，管控起来并不容易，假如增加人手，也不过是多了几个保安，换保安跟换皇上没什么不同，这朝清明了，下一朝又腐败了，人力最难管控，管理反而变得更复杂。
但归根结底，还是解决人性的问题，是否贪，是否恶，在这方面，冰冷的大数据反而更擅长。
一、大数据始于小课题
数联易康就是一家通过大数据成功地实现了医疗保险管理的平台，主要为健康类保险公司提供风险控制服务，审核投保人的相关理赔情况。
整个团队在IT行业、大数据行业内沉浸多年。
负责技术的周涛，曾参与创立国内最大的电子商务大数据企业“北京百分点信息科技有限公司”，也是中国第一支大数据产业股权基金“大数据实验室孵化基金”的创始合伙人。共发表200余篇SCI论文，总引用8700余次，曾获得中国青年科技奖，Chorafas青年科学家奖等奖项。
“一开始就是医保局找我们就是做了一个医疗行业大数据方面的课题”，CEO张岩龙介绍说，他曾在诺基亚和摩托罗拉工作过，团队大部分成员都隶属于成都电子科技大学数据研究中心。成都电子大学在数据行业久负盛名，整体而言非常偏学术，除了周涛教授外，还有一名邵俊明老师，开发了一套系统，可以通过大数据预测患者的未来疾玻整个系统逻辑是通过大数据把脑内功能相似的神经纤维归类成束，理清各束的功能，从而判断疾玻
医保局有自己的担忧。什么药品真的有效又性价比高可以放到医保目录里？如何预防医疗欺诈？哪些疾病在哪些年龄中高发？这些问题人力无法完全胜任，医保局希望能够通过大数据为自己解决问题提供一个方向。
“当时他们和我们都不知道大数据是不是能够解决问题，只能边做边看。”张岩龙说，起初，张岩龙仅仅是带着学校里的学生共同研究课题，但随着对问题的层层深入，张岩龙和团队发现，这个课题大有可为，随着数据不断壮大以及算法不断精确，大数据是有可能以最优方式解决医保整体管控的问题的。于是，张岩龙又邀请了自己的校友加入，一起组建了公司，并在成都电子科技大学产学研一体化基地孵化而出。目前团队22人，划分为产品部门、医疗分析部门、数据研发部门以及市场销售部门。
二、解决医疗欺诈，留给二胎政策和数联易康
健康类保险主要分为两部分：国家社会保险医疗保险和商业保险，其中，前者占了绝大部分。而商业保险公司则是觉得健康类保险日后市场化、商业化可期，所以通过大病医保类产品，比如癌症方面的险种，切入健康险领域。
说明健康类保险行业是一个“很大的市场”明显不需要引用任何大数据，但其中的财务压力已经需要被感到担忧。医保基金2014年总支出8009.5亿，总收入9447.7千亿，同比分别增长17.8%、14.5%，支出增幅略大于收入。据估算，2017年基金可能会当期收不抵支，2024年将会出现累计结余亏空7353亿元严重赤字。
医保基金出现严重赤字的原因：
首先是我国人口老龄化，老年人是一个求医需求较高的群体，65岁以上的人口已经达到1.38亿。
其次，保险公司对于参保人的数据不完整，有限的人力难以对参保人进行准确的评级和管理，虚假就医、过度医疗等情况得不到有效遏制，这不仅仅损害了医疗保险公司的利益，过度医疗导致的无效医治也使得本来就已经非常脆弱的医患关系雪上加霜。
人口老龄化，可以试试留给二胎政策，而数据核查风控，或许可以留给数联易康。
健康类保险风控，其实简单来说只需要解决两个问题：
病是不是被合理医疗。
病人是不是真的有玻
为此，数联易康研发了两套系统：
一套为“规则审核”，主要审核的是一些硬指标，诸如某项疾病应该使用什么药、应该做哪些手术，用于确定疾病是否被合理医疗。整个数据库使用高权威的医学库进行基本设定，并会根据已经在合作的地方医保局、新农合的已有数据进行数据共享，持续更新演进审核规则。
不在医疗保险圈儿的人对医保可能比较熟悉，但是并不熟悉新农合。最简单的来说，新农合是覆盖的农村人口的医保。
另一套则是大数据反欺诈引擎：主要会通过审核一些医患间的交互数据，比如就医次数、地点、医患间的人脉网络，确认病人是否真的有玻
解决“人性”的问题，大数据反而是更擅长的。如果就医过度频繁、或者使用了一些本身并不违规、但是使用的对象或是环境违规的药品，比如新生儿的口唇发紫本属正常，静待时间缓和即可，但有些医生就会说服父母使用扩血管药增加治疗费用，就相当于无意间触发了大数据反欺诈引擎的红色按钮，“成功地引起了它的注意”，引擎产生预警。
除此之外，利用大数据，数联易康也会为客户提供大数据决策方面的支持模拟未来整个医疗保险基金的资金使用情况，为基金提供预算支持。这种数据决策也可通过倒推侦测出大数据欺诈是否存在假如某月资金使用情况与预测不符，便可按图索骥查出根源问题。
这三套系统互相辅助，并能够根据数据的不断递增，不断进行学习演化。学习过程中除了自我学习也会进行人工干预，使得程序演化更精准。
三、从投资开始，全方位商业化
目前，数联易康的系统已经在一些地方医保局以及新农合使用，以自己的大本营成都为中心，主要覆盖华南地区多个城市，覆盖人数已将近两千万人。
在此之前，也有一些产品协助健康类保险进行风控审查，但是标准比较固定，属于“终身制”，不能面对新的问题进行演化，而一些急诊记录为文本信息，这些产品也无法对非结构化数据信息进行处理。但是这些大数据都可以做到。
除此之外，对于诈欺类问题，此前的风控产品也使其有空可钻，比如，如果按照程序规则编制虚假病历,系统就无法自动发现，而大数据技术则可根据就医时间、频次、地点、人员关系等信息,通过分析发现异常。
与医保局和新农合的合作，数联易康已经有盈利，但“大数据x医疗”并不止于此，他们也期待一个更加商业化和市场化的未来。通过承担大病保险“占位”商业保险公司也是数联易康未来非常想争取的客户之一，他们也已经获得了第一个商业医疗保险公司客户阳光保险公司。
四、数联易康与以太
在以太的协助下，数联易康获得了经纬创投数百万元人民币的天使投资。投资过程非常顺利以太投资经理刘晓璐本身就非常关注“直男癌”多发领域技术、数据等行业，而最近一两年，医疗保险持续成为资本行业所追逐的热点。刘晓璐找到了热点×大数据的交叉口，在一篇行业报告上发现了数联易康这家公司。“见了面完全符合我的想象，讲起业务来头头是道，发现我也能跟他搭上话，他就更能说了”。于是，刘晓璐把数联易康放到了以太优选平台，平台上囊括了4700多位投资人，1400多家基金，并进行精准推送所有关注或者曾经投资医疗保险领域的投资人，都会收到有关数联易康的推送，投资也随之而来。
未来商业化也将带动“大数据×医疗”更多商业模式的可能性，比如通过大数据实现保险产品从无到有的设计决策，也可能会从医保环节逐步涉及医院诊所间的审核付费环节、药品企业的药品管理等环节，实现医疗行业的全环节管控，前景可期。
