INDUSTRY ANALYSIS 医疗数字化创新季刊 医疗保险重构，四大 场景迎数字化解决方案 医疗数字化创新季刊 前言 数字经济是人类通过数字化的知识与信息来实现资源的快速优化配置与再生、实现经济高质量发展 的经济形态，能够推动人类经济形态由工业经济向智慧经济形态转化，极大地降低社会交易成本， 提高资源优化配置效率，提高产品、企业、产业附加值，推动社会生产力快速发展，是工业4.0和后 工业经济的本质特征。 现阶段，中国政府将数字经济上升到国家战略的重要地位，提出要将互联网、大数据、人工智能等 数字化技术与实体产业深度融合，要发展数字经济，建设数字中国。在2020年初的新冠疫情中， 数字化技术与医疗健康行业之间的结合发挥了举足轻重的作用。数字医疗产业也在此期间得到了 长足的发展。 医疗健康作为关系国计民生的重要产业，数字化技术将会带来颠覆式创新，重塑整个医疗健康产业 生态。 如今的医疗保险已经从国家医保单家独户，变成了以国家医保为中心，商业健康险为补 充的综合支付解决方案。 数字化技术在不同医疗保险产品的落地、发展过程中，已经挖掘出了 自己的新切入机会。 为了更好地剖析中国医疗保险行业数字化创新现状，探析未来创新模式，蛋壳研究院通过大量的行 业专家访谈和企业调研，结合市场数据，在借鉴相关研究方法和理论的基础上，深度解析医疗保险 行业的数字化发展现状，推出医疗数字化 创新季刊 -医疗保险重构，四大场景迎数字 化解决方 案 ，以期为 医疗保险 数字化创新的参与者提供参考和借鉴。 第一章 第二章 目录 第三章 支付体系重构： 国家医保为中心，商业健康险补充 案例：微软机器人 助力保险业务自动化 产品 +场景 ： 医疗保险 迎来数字化解决方案 降低医疗成本：DRG控费引导数字化升级 提高健康管理能力：重疾险突围新举措 建立高信任度用户体验：聊天机器人应用扩大化 保护医疗健康信息：医疗保险行业的广泛诉求 REFACTOR 第一章 支付体系重构： 国家医保为中心，商业健康险补充 医疗数字化创新季刊 1 自 1998年 12 月，国务院发布关于建立城镇职工基本医疗保险制度的决定以来，国家医保已经在过去的二十几年间成为了大多数国民在医疗健康方面的依仗。“看病靠医保”已经成为了广大国民的共识，也使得我国形成了一套以国家医保为核心的医疗支付体系。然而在近几年，这一长期形成的格局逐渐开始发生变化。2016 年，人社部在官方消息中表示，在医疗费用快速增长的背景下，医保基金与养老基金一样，也面临着越来越大的压力，支出增幅高于收入增幅，甚至有相当一部分省份出现了当期收不抵支的状况，基金“穿 底”风险日益凸显。于是在过去的几年中，围绕着医保穿底这个核心问题，国家与商业保险机构开始共同推动我国保险支付体系的变革过程。国家层面上，先是在 2018年底成立国家医保局，进而接连出台了多项与医保控费相关的举措；同时多项政策开始积极鼓励商业健康险快速发展。 商业健康险方面，除以重疾险为代表的长期健康保险之外，多种适应不同人群需求，不同支付场景的短期健康保险，如百万医疗险、特药险、短期重疾险、惠民保等，先后引领了商业健康险的几次发展潮流。于是如今的医疗保险已经从国家医保单家独户，变成了以国家医保为中心，商业健康险为补充的综合支付解决方案。 于是我们如今重新审视当下的健康险布局，会发现在如今的发展阶段中，不同的产品类型正面临着不同的 医疗数字化创新季刊 2 挑战。国家医保降低医疗成本：国家医保在覆盖范围、承载能力、国民信任度上，都几乎不会遇到挑战。摆在国家医保面前的，只有医疗成本问题。正如近几年医保局的频繁动作一样，医保迫切的需要进一步控制其承保范围内的医疗成本，才能在不提高收缴标准的前提下，继续为国民提供物美价廉的医疗保障。长期健康保险提高健康管理能力：以重疾险为典型的长期健康保险领域，已经经过了多年的发展，积累了良好的用户口碑。在此之上，长期健康险在未来的发展中，重点需要将自己的侧重点，从获客转向保 险用户的健康管理，从而进一步提升用户的保险体验，同时降低自己的理赔频率，最终达到控制成本的效果。短期健康保险建立高信任度用户体验：作为新兴事物的短期健康保险，目前的当务之急是要提高用户的信任度。新兴事物总会受到外界在诚信方面的不断质疑，理赔流程是否合理，用户沟通是否顺畅，都会影响到短期健康保险在人们口口相传中的口碑。医疗保险保护医疗健康信息：保护医疗健康信息是包括国家医保和商业健康险在内的所有健康险都需 要关注的问题。尤其随着数据上云逐渐成为医疗行业的总体趋势，手握大量用户数据的保险企业可能很快会成为不法分子网络攻击的下一个目标。随着数字化成为医疗健康行业的风向标，保险行业的数字化意识也逐渐被唤起，加入到这场覆盖医疗健康行业的巨大转型中。本报告将在拆解四大场景的同时，讨论数字化技术将在具体场景中扮演的角色和起到的作用，以期能为这场数字化转型过程，提供未来方向的可能性。 SCENARIOS 第二章 产品+场景：医疗保险 迎来数字化解决方案 医疗数字化创新季刊 3 降低医疗成本：DRG控费引导数字化升级在支付问题上，国家医保、商业健康险与保险用户的意志高度统一。无论是保险还是用户，都希望以更便宜的价格获取可及性更高、质量更好的医疗服务。在控制医疗成本方面，由于目前体量有限，商业健康险的议价能力也偏低，做出的动作相对就少得多。而国家医保在控制医疗成本方面，近几年则动作不断。 国内的医疗保险以国家医保为中心，在过去的二十年时间内，商业健康险获得成功的产品只有寥寥数款。根据 2020年发布的2019 年全国医疗保障事业发展统计公报，2019 年参加全国基本医疗保险约 13.5亿人，参保率稳定在 95%以上。覆盖面广，支付能力强，国家医保自成立以来几乎成为了国民医疗支付问题的依仗。因此当涉及医疗机构和药械企业的产品定价问题时，也几乎只有医保，在有一定的发言权。 最近几年，随着人口老龄化程度的不断提高，医保压力逐步上行。根据医保统计公报的数据显示，虽然目前医保收入仍然显著大于支出，但是在2018-2019 年，连续两年医保收入增长率低于支出增长率。照此态势发展下去，医保或将在数年后无法继续保持收支平衡。因此从 2018 年底国家医保局成立开始，与医保控费相关的一系列举措开始落地实施，几乎可以说，国家医保近几年的动作都在控制医疗成本上。从药械产品和医疗服务两个角度同时切入，通过医保谈判降低了高价创新药产品的价格；通过带量采购逐步控制仿制药产品和部分高值耗材的价格；通过 DRG/DIP 支付控制医疗服务价格。 医疗数字化创新季刊 4 在医保控费的过程中，大数据与人工智能技术的加入，为医保控费提供了全新的解决方案。这一点在DRG/DIP 支付体系的具体落地过程中有明显体现。第一，DRG 支付需要根据本地情况对疾病的具体分组进行调整，而且需要根据本地的疾病诊疗情况决定支付标准。通过大数据分析本地的医疗健康数据，能够更加科学的确定 DRG 支付标准。第二，实行 DRG 支付之后，医院自己也需要根据医院大数据进行决策，通过智能分析，对医生的用药、处方进行监控；同时通过精细化运营，集中管理全院数据，快速便捷的实现数据采集和分析，客观分析各病 种结构、成本，优化诊疗过程，降低医院成本。第三，DRG 的实行也带来了人工智能技术的新应用场景。比如在数据采集方面，辅助病案科，对医生填写的病案进行质量控制，防止人为因素导致的病例难入组、入错组、无法入组等问题。总体来说，人工智能与大数据技术在 DRG/DIP 支付的落地过程中，无论是辅助医保制定支付策略，还是帮助医院提高管理效率，都起到了重要的助力作用。未来随着 DRG/DIP 支付落地进程的进一步推进，其应用价值还将得到进一步体现。 提高健康管理能力：重疾险突围新举措从基础的商业健康险分类上看，健康险可以按照保险期限分为长期健康保险和短期健康保险。根据 2019年 12 月更新的健康保险管理办法中的明确规定，长期健康保险，是指保险期间超过一年或者保险期间虽不超过一年但含有保证续保条款的健康保险；短期健康保险，是指保险期间为一年以及一年以下且不含有保证续保条款的健康保险。由于时长和续约要求的不同，长期险与短期险赛道形成了明显的差异化发展。长期险续保周期长，单次赔 付金额高，主险经常带有分红性质或返还功能，所以除了医疗保障之外，又多了一层理财效果。因此在过去二十年间，虽然有医保这样的全民支付产品，以重疾险为主的长期健康保险仍然能占有一席之地。2020 年重疾险迎来了新的政策变化。新修订的重大疾病保险的疾病定义使用规范（2020 修订版）中，对重疾的涵盖范围和分类，进行了补充和优化。总体方向上，一方面优化了对重大疾病的分级体系，引入轻度疾病定义，使赔付标准更科学；另一方面，也适度扩展了保障范围，将原有 25 种重疾定义，完善扩展为 28 种重度疾病和 3 种轻度疾病。总体上，并没有显著扩大重疾险的赔付范围，但是对于重疾险赔付 医疗数字化创新季刊 5 范围内的疾病进行了更加细致的描述。监管规则的细化往往反映出产业发展进入了新的阶段。重疾险作为一款“老牌”商业健康险产品，产业竞争愈发激烈，存量用户要求不断提高。重疾险的发展已经到了关键性的十字路口，如何才能从同质化严重的重疾险产品中脱颖而出，成为了保险公司面临的最大问题。在重疾险的未来发展中，保险用户的健康管理可能会成为重疾险突围的核心方向。2019 年底新修订的健康保险管理办法已经未雨绸缪，将健康保险产品提供健康管理服务分摊的成本，从净保险费的 12%，提 高到 20%，切实提高保险公司为用户提供健康管理的积极性和可行性。另一方面，2020 年 9 月，银保监会也发布了关于规范保险公司健康管理服务的通知，提出了四点主要内容，一是明确健康管理服务的概念和目的；二是提出健康管理服务应遵循的原则和要求；三是完善健康管理服务的运行规则；四是强化健康管理服务的监督管理。二者结合起来看，监管层对保险企业开展健康管理的态度基本明确。鼓励开展健康管理服务，但同时要保证健康管理服务的质量。 在健康管理的发展过程中，相比于推动患者去线下医疗机构检查和就诊，结合互联网医疗进行数字化健康管理显然是更好的选项。一些保险企业和互联网医疗企业已经在这个方向开始了自己的探索。比如 2020 年 9 月平安好医生推出的平安医家的功能之一，就是通过与保险产品协同，提供强大的保险体系保障，解决医患两端的后顾之忧，提高在线医疗的保障水平；另一方面，2019 年众安在线则是自己申请了互联网医院牌照，通过互联网医院连接医疗机构、药店、就诊患者和保险产品，形成完整的保险保障闭环。 互联网医疗切入健康险，可以为健康险带来几个方面的价值提升： 医疗数字化创新季刊 6 1.产品专属的风险控制：以互联网医疗积累的大量患者数据为基础，加上人工智能技术的赋能，帮助保险公司合理设计相应的保险产品。2.确保客户健康、降低赔付率：尤其在慢病患者身上，长期的数字化患者管理可以帮助患者更好的进行慢病管理，降低严重并发症的发生率。3.额外的附加服务，提升保险产品竞争力：产品附赠互联网诊疗服务，对于重疾险这样高度同质化的赛道，能有效提升产品在同类产品中的竞争力。 4.直接作为渠道，搭建保险产品的展示销售和资讯平台：随着互联网医疗产业的快速发展，互联网医院就诊+线上购药逐渐形成新的患者流量入口，有向保险精准导流的潜质。建立高信任度用户体验：聊天机器人应用扩大化当视角换到短期健康保险，其在当下面临的压力又与长期健康保险截然不同。从前几年大火的百万医疗险，到近两年逐渐升温的特药险，再到 2020 年各省陆续推出的惠民保。比之平 稳发展的长期重疾险，短期健康保险在近两年迎来了自己发展的一股热潮。 短期健康保险的特点在于保费低，保额高。以重疾险和百万医疗险为例，50万保额的重疾险产品年费可达5000 元上下；而百万医疗险的价格则根据年龄不同上下浮动，50岁以前几乎都在千元以下，一般要到 80岁以上，年费才会超过 5000元。而且百万医疗险的保障范围较重疾险更大，常规赔付之后也可以继续续保。但是相较重疾险，百万医疗险 医疗数字化创新季刊 7 的保险属性就更强，只赔付已经产生的医疗费用，而非定额给付，也没有重疾险相应的理财属性。部分人群购买医疗健康保险产品的目的，就是为突发重大疾病产生的巨额医疗支出寻找解决方案。对于这部分人群来说，百万医疗险已经足以承接这一需求。其他的医疗保险也是类似。比如特药险赛道，主要为高价创新药提供支付解决方案。随着医保谈判每年不断进行，未被纳入医保的产品越来越少，只覆盖国内新药产品的特药险价值也逐渐降低。因此在2020 年，伴随着海南国际医药港的开放政策，先后有六款国际特药险产品在海南发布，在覆盖国内高价创新药的基 础上，进一步覆盖在国外已上市但是国内未获批的新药产品，为特药险找到了新的价值主张。而惠民保针对的人群，则主要是已经购买了国家医保的人群，尤其是城乡居民医保人群。相较于职工医保，城乡居民医保的赔付比例偏低，对于高价的治疗方案，经过医保报销之后，可能仍需要患者自负一笔巨大的金额。低价格，高起付线的惠民保产品正是应对于这一类情况，保证保险人群的医疗支出控制在可承受的范围内。短期医疗保险在实际场景中的价值已经毋庸置疑，但是对于这一类产品来说，与用户建立信任关系，是其 当下面临的最大挑战。短期医疗保险很多通过网络平台销售，在用户知情方面有天然的劣势。用户需要自行了解短期医疗保险的保险条款和赔付流程，如果中间某些条款未得到用户的充分理解，导致理赔过程不顺畅，用户很容易对保险产生不信任。实际上聊天机器人的应用可以很好的解决这一问题。基于人工智能技术的聊天机器人，可以代替人工与用户进行对话，帮助用户在投保前和理赔过程中，充分理解保险产品的相关条款，提高投保和理赔效率，构 成保险公司与用户之间的信任纽带。微软 CEO 萨提亚纳德拉早在 2017 年就挖掘到了聊天机器人在保险行业应用的前景，他在旧金山的“FinTech Ideas Festival”上说到：“聊天机器人可以应用到销售、客户服务等多个领域，现在人们所开发的聊天机器人已经有了很好的自然语言理解力，因此能够执行很多行为。”微软基于 Microsoft Azure 云平台提供的多种聊天机器人解决方案，可以切入到企业应用的不同场景中，比如提供认知搜索功能的信息聊天机器人；简化常见工作活动的企业效率聊天机器人；直接承担商务沟通 的工作，处理客户请求的商务聊天机器人等。 医疗数字化创新季刊 8 保护医疗健康信息：医疗保险行业的广泛诉求对于所有的保险产品，保护医疗健康信息都是一项值得关注的工作。医疗健康行业的信息安全问题几乎横跨所有细分领域，我们在此前的几期季刊中已经针对其他场景进行过多次阐述。信息安全事故的发生并没有精确的确定性，也不是个概率问题。如果要等到发生了信息安全问题才想到要亡羊补牢，企业很可能要付出巨大的代价。没人希望出现严重的信息安全事故，因此要在信息安全相关管控措施上保持相应的投入。 而在当下的云计算时代，数据与云之间的沟通频率越来越高，带来的不可控风险也相应不断走高。因此保险企业更加需要提高自己在安全问题上的关注意识，加大在信息安全建设上的投入，以“防患于未然”。医疗健康行业一直是黑客攻击的重灾区，根据信通院发布的2020 数字医疗：疫情防控期间网络安全风险研究报告，2020 年 1 月 31 日，黑客对医疗行业的暴力破解达到了单日 80 万次的高峰，而 Windows生态中的远程桌面服务 RDP 和数据库服务 SQL Server 成为受到攻击的重灾区。我们曾在医院数字化建设：五大事件引导五大趋势报告中同样引用了这一组数据，并解释了 Windows 频繁受到攻击的原因并非是安全系数低，而是因为 Windows 系统的应用范围广，攻击收益高。此处再次引用这组数据，想要表达的信息与此前的报告同样。信息安全问题对于医疗健康行业，已经迫在眉睫。对于医疗保险行业，主要的敏感数据是用户的承保、保险、理赔数据。这些数据规模大不大？有行业数据显示，截至2019 年上半年，我国重疾险保单数量已达 3 亿张,平均每年新增 3000 万张保单，而这还仅是重疾险的保单数量。保单中的数据也不仅限于办理业务过程中填写的单据数据，还包括用户行为的数据，比如与保险代理人的沟通过程，在详细信息中体现出的个人社会关系等。 所以毫无疑问，健康险的数据规模巨大。那么这些数据价值高么？相比于媒体软件、电商软件中记录的用户浏览数据，健康险行业直接记录的是用户的医疗健康数据，包括用户的健康情况自述和后续理赔过程中涉及的诊疗数据，比一般的数据记录更加敏感。正因为用户数据的敏感性，健康险企业在用户数据的挖掘上一直保持着小心谨慎的态度。但是在当下这个大数据驱动的新时代，健康险企业的产品迭代和新产品设计，势必要从自己积累的用户数据中挖掘信息。 因此对于医疗保险行业，数据安全问题与其他领域同样，也是下一阶段要重点关注的问题之一。 SHOWCASE 第三章 案例：微软机器人 助力保险业务自动化 医疗数字化创新季刊 9 说到机器人，或许很多人都会想到如今在餐馆里就能经常见到的憨态可掬的送餐机器人。其实机器人有很多种，有硬的有软的。当然这里的“软”，指的是软件。比如说应用于财务领域的有财务机器人，用来实现财务处理自动化；应用于税务领域的税务机器人，用来实现税务处理自动化；应用于保险领域的有保险机器人，用来实现保险业务自动化；应用于医疗领域的有医院机器人，用来实现医院办公业务自动化等等。实际上，这些机器人都属于 RPA，也就是机器人流程自动化软件，是在电脑上运行的软件机器人，而不是 我们在餐馆里看到的那种实体机器人。在数字化转型的探索当中，许多企业将 RPA 作为数字化转型的重要突破口，以期望打通旧系统与现代化系统之间的通路，实现全面的自动化，以提升运营效率。 而今，由世纪互联运营的微软 Power Automate 家族 RPA 功能 Desktop Flow 于 2020 年 12 月 10 日正式在华落地商用。值得一提的是，Desktop Flow 作为 Power Automate 的一个新功能，隶属于微软目前炙手可热的 Power Platform 家族。微软 Power 予力全民开发在 Ignite 2020 大会上，微软宣布 Power Automate Desktop 推出预览，让全民开发者和商业用户能通过桌面 RPA 应用，实现业务流程自动化。因为除了实现业务流程和应用处理自动化的 Power Automate 之外，微软 Power 家族中还有多年前就伴随 Excel 表格推出的数据可视化分析工具 Power BI，以及微软推出的统一低代码开发平台 Power Apps 和快速创建人工智能聊天机器人的 Power Virtual Agents。换句话说，微软就是希望它的所有产品像 Office 那样易于每一个工作人员使用，Power 系列也一样。 医疗数字化创新季刊 10 微软把底层的 IaaS 称之为 System of data，即数据系统；其上是 System of intelligence，即智能系统，以及 Power Platform、GitHub 作为 System of engagement，即交互系统，形成微软的中间平台层；在此之上，是具体的业务，包括云生产力平台 Microsoft 365、智能商业应用 Dynamics365 和已经转化成学习平台的 LinkedIn。 微软 CEO 萨提亚纳德拉（Satya Nadella）这里需要指出的是，System ofengagement 中的 Power Platform 可以同时赋能非编程类业务人员和专 业人员。所谓非专业编程人员实际上指的就是全民开发只要对业务流程熟悉，能理清业务流程的逻辑关系，就能快速上手，依靠低代码甚至无代码可视化的开发平台，将业务流程搭建起来，加速实现企业业务的数据化和流程自动化。换句话说，微软希望让更多的普通用户能够轻松地构建业务流程应用、聊天机器人、自动化流程或是 PowerBI 数据洞察，因此微软借助 Power Platform 在 Azure 平台上推出的一系列低代码开发功能和服务，来 降低开发门槛。微软是把整个 Power Platform 打造成一个整体，把 Power BI 数据展现、Power Apps 低代码开发、Power Automate 的 RPA 流程自动化和 Power Virtual Agents 机器人结合在一起。这个整体支撑的是一个智能反馈链的闭环。微软认为，只有通过无处不在的智能反馈链，才能保证企业业务准确、精确地达成目标。 微软（中国）CTO 韦青 日前，基于 RPA 的 Desktop Flow 功能在中国市场正式推出，在本地和云应用程序中，自动化手动业务流程，从而实现端到端的业务流程自动化。据了解，此前 Power Automate 的 RPA 功能侧重于利用基于 API 的连接器来自动化业务流程。但如果企业原有系统没有提供 API，RPA 自动化就会变得很困难。通过 Desktop Flow，Power Automate 将允许数据在基于 API 的自动化流和 Desktop 流之间来回流动，这样即便企业的原有系统无法提供 API接口，自动化业务流程也能实现。 医疗数字化创新季刊 11 应该说，RPA 的应用场景越来越广：除了大量重复（让 RPA 有必要）、规则明确（让 RPA 有可能）之外，任何采用大规模人力执行的大量重复性工作，在今天都可以由传感器、视频摄像头等模仿人的视觉和感官传回到云计算人脑中，经过分析处理，由 RPA 软件机器人执行，从而形成一个闭环反馈链，真正释放企业专业人员的有限精力，专注于创新工作，提高企业在市场上竞争力。正因为此，RPA 在全球的需求量激增，在金融、银行、保险、客服、财务、制造业及人力资源等各个领域，不同的工作场景对 RPA 都有着不同的需求。 随着数据化时代的到来，企业数字化转型有了 RPA 这个抓手，可以让企业业务流程中极具个性化的各个业务场景，都能让每一个不懂编程的业务专家通过极简的微软 Power Automate 与 Power BI 数据展现、Power Apps 低代码开发、和 Power Virtual Agents 一起形成智能反馈链，并与微软 Office、Teams 等协同，完成企业数据价值链的闭环。 医疗数字化创新季刊 12 免 责 申 明 :本 报 告 的 信 息 来 源 于 已 公 开 的 资 料 和 访 谈 ， 蛋 壳 研 究 院 对 信 息 的 准 确 性 、 完 整 性 或 可 靠 性 不作 保 证 。 本 报 告 所 载 的 资 料 、 意 见 及 推 测 仅 反 映 蛋 壳 研 究 院 于 发 布 本 报 告 当 日 的 判 断 ， 过 往表 现 不 应 作 为 日 后 的 表 现 依 据 。 在 不 同 时 期 ， 蛋 壳 研 究 院 可 能 发 布 与 本 报 告 所 载 资 料 、 意 见及 推 测 不 一 致 的 报 告 。 蛋 壳 研 究 院 不 保 证 本 报 告 所 含 信 息 保 持 在 最 新 状 态 。 同 时 ， 蛋 壳 研 究院 对 本 报 告 所 含 信 息 可 在 不 发 出 通 知 的 情 形 下 做 出 修 改 ， 投 资 者 应 当 自 行 关 注 相 应 的 更 新 或修 改 。版 权 申 明 ：本 文 档 版 权 属 于 蛋 壳 研 究 院 /北 京 蛋 黄 科 技 有 限 公 司 ， 未 经 许 可 擅 用 ， 蛋 黄 科 技 保 留 追 究 法律 责 任 的 权 利 。蛋 壳 研 究 院 （ VBR） ： 蛋 壳 研 究 院 关 注 全 球 医 疗 健 康 产 业 与 信 息 技 术 相 关 的 新 兴 趋 势 与 创 新 科 技 。 蛋 壳 研 究 院 是 医健 产 业 创 投 界 的 战 略 伙 伴 ， 为 创 业 者 、 投 资 人 及 战 略 规 划 者 提 供 有 前 瞻 性 的 趋 势 判 断 ， 洞 察隐 藏 的 商 业 逻 辑 ， 集 合 产 业 专 家 、 资 深 观 察 者 ， 尽 可 能 给 出 我 们 客 观 理 性 的 分 析 与 建 议 。研 究 人 员 ： 郝 翰 研 究 员 微 软 数 字 化 医 疗 小 助 手