[生物故事]②“跨过开发和审批仍卡在收费标准之墙……企业会倒下”
Kim Yonguk,Gangnam Severance医院院长专访②
人工智能医疗器械、数字疗法“亟须建立补偿体系”
“医疗数据、研究人才相关监管也拖累产业化”
“技术已经开发出来,也拿到了审批许可,但就是没有医保支付价格。这样一来,医院也很难开具这项技术,开发企业则无法形成营收,最终会倒下。”
国家生物创新委员会(以下简称“创新委”)27名民间委员大多是医学院教授或企业人士。现任医院院长中,只有Kim Yonguk一人担任Gangnam Severance医院院长。被问及为何在那个位置上需要一位既非研究者、也非企业家的医院经营者时,Kim Yonguk首先提到了“死亡谷”。这是指研究成果从临床走向市场并最终落地的过程中,因资金和制度空白导致技术被埋没的现象。Kim Yonguk将医院院长比作这一阶段的“解题者”。他的意思是,当新技术被引入医疗一线时,能够综合判断其成本、风险和效用的主体正是医院。
在这类“死亡谷”中感受最深的,是医疗人工智能(Artificial Intelligence)解决方案企业和数字疗法(Digital Therapeutics)企业。与其像新药那样依靠全球技术出口决胜负,这些企业更多是向韩国国内医疗机构供货,并通过健康保险支付价格实现营收,因此补偿体系本身就是生存线。决定能否跨越“死亡谷”的分水岭,正是支付价格。Kim Yonguk强调:“从医院院长的角度看,支付价格是最重要的话题之一。”再优秀的人工智能和数字技术,如果医疗现场不用,也毫无意义。
在现行补偿体系下,这些技术要么被捆绑在既有医疗行为费用中,要么无法获得应有的支付价格认定,结果形成医院越引进越亏损,或者只能把成本转嫁给患者的结构。Kim Yonguk表示:“如果补偿体系改善迟缓,韩国国内企业还没来得及真正成长,就会因资金困难而无法跨越死亡谷。”他还称:“必须尽快建立适当的补偿体系,企业才能拥有稳定的财务结构,并走向全球市场。”
医院本身贫瘠的财务结构,也在阻碍新技术导入。大学医院的诊疗利润率不到1%。即便赚到100亿韩元,最终留下的也不到1亿韩元。仅靠诊疗收入,连再投资和研究都十分吃紧,在这种情况下,很难再承担一项没有支付价格支持的技术。而企业面临的情况更为紧迫。最近,原本应流向生物和医疗健康领域的投资资金也转投半导体,导致将技术推进到底的动力正在枯竭。Kim Yonguk表示:“即使开发出好技术,最终被埋没、企业倒闭的情况也很多。”他还称:“医院尽快引入这些技术并用于患者治疗,本身就是壮大产业的路径。”
数据与人才也成掣肘……“需要连接研究与产业的制度”
除支付价格外,Kim Yonguk指出的另一大瓶颈是医疗数据。数据是人工智能新药研发和精准医疗的原料,但围绕其利用的责任归属并不明确,正在拖累产业化。随着个人信息保护法于去年12月强化,数据泄露时的罚款上限已从销售额的3%提高至10%。Kim Yonguk表示:“一旦出事,几乎是公司倒闭的程度,所以即便想用数据,内部也会非常谨慎。”围绕匿名化是否充分、事后责任由谁承担等问题,往往需要经过多轮审议。他的意思是,在持有数据的医院与利用数据的企业之间,如何设计责任结构,正是机构经营者应承担的职责。
研究人才问题同样堵住了产业化通道。Kim Yonguk强调,若要推动生物产业成长,从事研究的医生,也就是医师科学家(Doctor of Medicine-Doctor of Philosophy),必须发挥连接临床与研究的桥梁作用。据他介绍,延世大学医疗院是韩国国内培养医师科学家最多的机构,人数约达120名。然而,这些人进入一线后,并不能只专注研究,因为他们还必须兼顾诊疗。Kim Yonguk指出:“这是一种白天看诊、晚上做研究的模式,缺乏能够让他们专心投入研究的补偿制度。”
医院层面的尝试其实已经开始。延世大学医疗院自去年起调整了教授评价指标,开始在以论文为中心的评价体系中,纳入创业、专利和技术转移成果。也就是说,激励机制已转向推动研究成果与产业连接。不过,由于实施尚不足1年,局限性也十分明显。政府对高级综合医院的评价,依旧以接诊患者数量和重症程度为中心。即便强化研究能力,也不会体现在评价指标中,医院运营最终仍不得不依赖诊疗收入。Kim Yonguk表示:“政府虽然称要培育研究型医院,但一线评价标准仍停留在以诊疗为中心的层面。”
Kim Yonguk希望在创新委发出的声音,归根结底也是推动完善连接研究与产业的制度。包括:对医院因引入创新医疗技术而产生损失提供财政支持;建立让医师科学家能够专注研究的补偿制度;制定医疗数据利用的法律责任指引。所有这些诉求,都是为了让技术在市场落地时,具备补偿与责任的制度框架。他表示:“只有商品被赋予合理价格,新的产品才会继续被开发出来。”并称围绕补偿的讨论已不能再拖延。
版权所有 © 阿视亚经济。未经许可不得转载,禁止用于AI训练及使用。