医疗作为一种刚性需求，资源的不足以及配置效率低，导致传统医疗服务无法实现患者需求与医疗资源间的有效匹配。

　　为反对政府扩招医学生，韩国实习和住院医生发起的“罢工潮”还在持续。韩国医疗系统的结构性问题，正以一种激烈的方式呈现在世人面前。韩国医学界有声音认为，这背后，既有韩国医生这个团体为己谋利的可能性，也有在少子化、老龄化问题面前，韩国医疗资源出现结构性问题的原因。单纯增加医生人数，并不能解决韩国医疗资源分配不均的问题。

　　事实上，放眼全球，韩国的医疗服务水平也属先进之列。这也折射出，建立一套现代高效的医疗体系，光有先进的药物、高超的医术、发达的技术，是远远不够的。

　　作为整套服务体系，医疗的服务目标是百姓最重视的健康，但因其具有高度复杂性，信息不对称、不透明的问题，常常让百姓无所适从。与此同时，医疗作为一种刚性需求，资源的不足以及配置效率低，导致传统医疗服务无法实现患者需求与医疗资源间的有效匹配。这也是韩国医生罢工事件带给我们的警示意义。因此，在笔者看来，先解决好医疗体系中围绕“信息”的各种问题，是当务之急。

　　由于医疗本身的专业性，医疗领域天然存在信息的高度不对称。在患者、保险公司和医疗机构的博弈中，医疗机构拥有极大的信息优势。这种信息优势使医疗机构有能力一边鱼肉患者、一边诓骗医疗保险。实际上，这也是全球医疗体系的通病。

　　首先，医疗机构与患者之间存在信息不对称。医疗机构和医生拥有专业知识，使得患者在面对诊断和治疗方案选择时处于劣势。医生可能会滥用自身的专业权力，推销不必要的医疗检查、手术或药物，从中获得不正当的经济利益。患者往往难以判断医生诊疗方案的合理性，只能依赖医生的建议来做出决策。

　　权威医学期刊柳叶刀的报告指出，世界各国常出现“过度使用”和“未充分使用”药物及医疗服务的情况。美国有高达70%的子宫切除手术、西班牙有1/4的膝关节置换手术、中国有超过50%的抗生素使用，都是“过度使用”和“不当使用”的医疗行为。这不仅给广大患者造成了伤害，还严重浪费了医疗资源。

　　其次，医疗机构与保险公司之间存在信息不对称。医疗机构和医生掌握关于患者病情和治疗方案的详细信息，而保险公司则通常依赖于医疗机构提供的信息来评估赔付的金额。

　　医疗机构有动机夸大甚至编造患者的病情和治疗费用，以获得更高的保险赔付。同时，保险公司缺乏验证医疗机构诊疗资料真实程度的能力，更有甚者可能会联合医疗机构敲诈患者，这导致过度诊疗和医疗保险欺诈频发。

　　美国医学协会一项针对2000多名医生的调查显示，高达20.6%的医疗服务是非必要的。2018年美国洗钱风险评估报告显示，医疗保险欺诈是美国非法资金的最大来源，每年产生超过1100亿美元的非法收益，占美国所有非法收益的1/3。

　　过度诊疗和医保欺诈的影响不仅发生在美国，在英国、加拿大和澳大利亚以及中国也广泛存在，这给全球的医疗体系带来沉重负担。

　　因此，无论是以市场为导向的医疗系统还是以公共导向的医疗系统，都存在信息不对称的问题。医疗领域的成本和费用结构非常复杂，这又必然导致医疗行为的价格和质量的不透明，患者难以理解、医疗保险难以验证。而一旦监管不力，医疗机构和医生还可能会利用信息不对称以权谋私，导致资源浪费乃至发生贪腐。

　　美国的医疗花费历来都是全球之最，每年占GDP的比重约20%。美国医疗服务的提供和支付主要由私人医疗机构和保险公司来承担，医疗服务价格不透明正是产生过高医疗费用的重要因素。

　　一项对美国医院的价格调查显示，参与统计的53家医院心脏搭桥手术的平均报价约为15万美元，最低为4.4万美元，最高达44.8万美元。医疗保险领域同样如此，由美国政府出资的老年医疗保险的支付额比较合理，但对于完全相同的医疗项目，商业保险的患者则可能会支付高于这个费用2至23倍的金额。由此可见，医疗价格不透明给医疗费用极大的操作空间，最终也造成美国医疗体系极其臃肿。

　　中国以公立医疗机构为主体，医疗价格不透明则在医疗机构内部产生巨大的寻租空间。尤其是在药品、耗材和设备采购和使用环节，医疗机构要比患者、医保基金都更了解产品的治疗效果和应有价值。医疗机构就有动机利用这种信息优势在采购环节以权谋私，或在诊疗环节使用大量利益相关的高价药品和耗材。

　　中央纪委国家监委披露的典型案例可见一斑：一台进口价1500万元的医疗器械直线加速器，医院以3520万元的高价采购，院长从中收取1600万元回扣。院长作为“一把手”拥有决策权，科室主任等中层干部也对药品、器械的评价和使用起到重要作用，是行贿者“围猎”的对象。此外，低级别从业者可能通过违规行为获得非法利益，比如基层医生通过手中的处方权向医药代表换取回扣。

　　强制信披是关键

　　如何破解医疗领域的信息不对称的问题？答案很简单，强制披露信息。最大程度公开医疗领域的信息，像监管上市公司一样监管医院。

　　新加坡的医疗信息透明度堪称全球标杆，通过确保医疗价格与医治效果透明化，解决了信息不对称的问题，成为世界上最清廉的医疗体系之一。

　　新加坡的药品价格公开透明且中间环节较少，在流通过程中几乎无额外加价。

　　在采购环节，政府要求所有公立医院都必须通过统一的平台进行医疗器械和药品的采购招标，采购价格通过市场化竞价的方式确定，供应商都能够公平参与竞争，避免出现暗箱操作或利益输送。

　　在流通环节，政府压缩流通费用，要求所有公立医院药品一律采取零差率政策，不允许医院通过销售药品获利，保证患者在医院内购买的药品价格与其出厂价格一致。

　　此外，新加坡药剂师协会公布治疗各种慢性病所需药品的价格和补贴清单，以供患者就医时做出合理选择。新加坡通过上述举措实现了医药分离与药品价格透明化，有效地防止了寻租的发生。

　　新加坡的医疗服务费用和治疗效果也同样透明，旨在促进医院间的公平竞争，提高医疗服务的质量和效率。

　　2004年起，新加坡卫生部公布各公立医院的医疗服务价格，以此让公众了解比较在不同医院就医的成本。价格公开后，医院争相降价，例如准分子激光原地角膜消除术(LASIK)的价格下降1000新元。

　　2006年，新加坡卫生部进一步要求医院公布主要病种的临床治疗效果。以白内障手术为例，当时各医院的手术成功率差别很小(均达到95%左右)，但收费标准却相差很大。疗效公开后，医院的定价逐渐趋于中间均衡点。

　　此外，2018年，新加坡卫生部首次公布私立医院常见手术的收费基准，指导私立医院合理定价，以此抑制医疗费用的飙升。目前，卫生部披露公立医院和私立医院的常见治疗费用基准，包括手术费、麻醉费、医疗设施使用费和医疗咨询费等，费用清单详尽并且覆盖大部分治疗场景。

　　新加坡公开透明的医疗费用和疗效，极大化解信息不对称带来的影响，让患者能够充分知悉诊疗的资费和效果，同时也倒逼医院降本增效并提高医疗服务质量以保持竞争力。

　　如果缺乏强力的监督和制度的约束，信息披露的效果就要大打折扣。

　　新加坡在医院和政府层面均设置专门的程序以防微杜渐：在医院层面，专设由来自不同科室的医生、药剂师、护士长和行政管理人员组成的药剂与药物治疗小组，负责检测医生给患者的用药剂量和用药安全等问题，避免出现过度用药；在政府层面，卫生部专设医药理事会对医生名册和行医资格进行管理和监督，以此约束医生乱开处方的行为。此外，政府通过建立完善的法律体系，将反腐败法律的作用对象由公共机构扩展到私营机构，医生收回扣或收费过高将面临严厉的处罚。如新加坡名医林美丽在为一名文莱皇室成员治疗乳腺癌时开出2520万新元的医药费，遭到卫生部调查，面对94项收费过高的指控，被吊销执照3年。

　　新加坡通过公开披露药品和医疗服务价格，使得医疗体系拥有极高的透明度。同时，采取全民监督、医院自治、立法监管多位一体的强约束手段，把全部的医疗费用置于阳光之下，最终促成新加坡医疗体系的价格兼顾市场性与合理性。

　　新加坡医疗体系提高透明度的系列措施，很大程度上改善了由于医疗领域信息不对称带来的寻租、腐败和资源浪费，值得借鉴。

　　医疗中的信息搜索问题

　　医疗体系中另外一个信息问题是医患匹配的难题，即所谓的“搜索”问题。疾病有轻重缓急，对应的医疗服务需求也是不一样的。医生则有职称和经验高低之分，专业水平也有差异。

　　患者去看病应该找合适的医生，最理想的匹配方式是：得了小病找普通医生，罹患大病、重病找资深医生、名医。这样医疗服务和医疗需求可以精准匹配，既可以减少诊疗资源浪费，又可以提高患者满意度。

　　要想提升医患匹配的效率有两条路径。一是通过实施严格的分级诊疗制度，把常见病、慢性病的患者就医问题解决在基层卫生机构，其余再通过转诊介绍到综合医院或专科医院，形成合理的就医秩序。二是利用IT技术实现医患精准配对，通过线上诊疗、互联网医院等方式满足广大患者多元化的医疗需求，给大医院合理分流的同时，增加偏远地区的医疗可及性。

　　分级诊疗在英美等发达国家已经非常成熟，通过将医疗体系有序分级同时实施基层首诊制度和双向转诊制度将患者分流，以达成合理的就医秩序。

　　以英国为例，其医疗体系分为初级保健、二级、三级医疗服务。初级保健主要由社区的全科诊所提供，为居民提供基本医疗服务，包括日常健康管理、常见病和慢性病诊疗及出院后的康复治疗。二级、三级医疗服务主要由综合医院提供，负责重症、疑难病患者的治疗和急诊，医院不设普通门诊，只设专科门诊并提供住院服务。

　　除紧急情况，居民患病后必须先去全科诊所首诊。如病情严重，必须经全科医生转诊推荐，才能到上级医院接受专科医生的治疗，否则医疗保险将不予支付。患者在综合医院经过治疗后如有需要，再转诊回到全科诊所进行康复保健治疗。分级诊疗结合患者病情的不同程度、不同阶段的具体情况，将患者在医院与基层医疗机构之间进行转诊，最终实现“小病到社区、大病上医院、康复回社区”的合理匹配。

　　英美的医疗体系通过明确的分工，使基层全科诊所作为初级医疗服务的提供者在分级诊疗过程中起到重要作用——承担了整个医疗体系的“守门人”职能。大部分患者的需求在全科诊所就得到了满足，分级的医疗服务体系使患者能精准就医，医疗资源得到了充分的利用。

　　基层首诊制度有效维持了诊疗秩序，英国和美国通过全科诊所分别过滤掉90%和75%—85%患者的就医需求。双向转诊制度保证了医院和基层诊所之间的紧密连接，使不同级别的医疗机构各司其职、通力合作，形成高效运行的医疗体系。

　　当前，我国分级诊疗制度不完善，医疗体系中“有分级无分诊”的情况使得医疗资源配置的缺乏效率。如果没有制度的约束和成本的限制，患者天然地想去最好的医院，选最好的医生，这必然会导致就医秩序的倒置。

　　2022年，数量占比94.9%的基层医疗机构仅承担了50.7%的诊疗任务，2.3%的一、二级医院承担了16.7%的诊疗任务，而0.3%的三级医院承担了高达26.5%的诊疗任务。

　　大量的基层医疗机构门可罗雀，未能实现合理分诊。而大型医院则人满为患，顶尖医院就更是一号难求，也无法聚焦于攻克疑难病症。显然分级诊疗制度未充分发挥作用，医患之间没有合理匹配，医疗系统效率低。

　　虽然自2015年以来，全国各地陆续开展分级诊疗制度实践，地方也因地制宜积极探索了不同的分级诊疗模式，如家庭医生签约服务、医联体、慢性病管理等，但分级诊疗的落地仍需更强有力的改革措施支持。

　　医疗是刚性需求，资源的不足以及配置效率低，导致传统医疗服务无法实现患者需求与医疗资源间的有效匹配。但这个问题，通过互联网可以得到极大改善。

　　互联网早在多个领域展示了其匹配功力——搜索引擎匹配人和资讯，婚恋网站匹配适婚男女，电商平台匹配消费者和零售商等等。同样，医疗领域的匹配问题也完全可以通过互联网得到解决。

　　首先，互联网医疗平台可以作为医患之间的桥梁，汇聚大量的优质医生资源，用强大的计算能力和精妙的算法，自动把对患者的需求解析出来和医生擅长的治疗领域做最优化的匹配。

　　这种对患者的精准分导诊，本质上和分级诊疗是一件事，目的都是让患者找到最合适的医生，只是互联网平台用更高效、更智能的方式实现了。同时，患者可以根据就诊体验给医生的服务进行评分，监督和促进医疗服务的质量提升，形成医患间互动的良性循环。而平台用于医患间匹配的算法还可以根据患者真实评价信息优化迭代，助力进一步提升医生和患者配对的精准度。

　　其次，互联网医疗服务可以分流掉大量非必要前往医院的患者，同时增加偏远地区医疗的可及性。

　　一方面，互联网医疗可以提供便捷的高质量医疗服务，过滤掉多数病情不危急的患者。对于常见病、慢性病、复诊患者，在线咨询、视频问诊、电子处方、药品配送等远程服务省去等待时间和就医成本，也让医院腾出来更多医疗资源给重症、疑难病患者。

　　另一方面，互联网医疗解决了地域和资源的限制，增加了欠发达地区和农村地区医疗可及性。对于罹患重病却身处医疗资源匮乏的地区无法找到名医，可以通过互联网医疗平台找资深专家看诊，甚至能开启多个专家会诊。由此可见，互联网医疗不仅能实现精准的医患匹配，还拓宽了就医渠道促进患者分流，对于解决百姓看病难的问题有着重要作用。

　　实际上，互联网医疗作为整个医疗体系的有机补充，已成为患者获取医疗服务的关键一环。截至2023年6月，中国在线医疗用户规模达到3.64亿人，占总体网民的33.8%。随着患者线上问诊习惯逐渐养成，互联网医疗的普及度还会继续提升，未来仍有巨大发展潜力。

　　我国已涌现出多家互联网医疗巨头，正成为患者诊疗选择的重要入口。2022年，全国三级医院诊疗量22.3亿人次，仅阿里健康、京东健康、平安健康三家互联网医疗平台问诊量就超过3.36亿人次，相当于全国三级医院总诊疗量的15%。

　　与此同时，传统医疗机构通过互联网等IT技术的赋能，提高医疗服务的效率，并将医疗服务延伸至院外。

　　一方面，联网医院信息化系统的快速建设，破解了由于医院信息化水平不足造成的就医难题。比如挂号预约和在线付费等网上服务，解决了挂号、候诊、缴费排长队的问题；电子病历和医疗机构间检查检验结果互认，解决了重复看诊的问题。

　　另一方面，互联网医院拓展了医疗机构的服务形式，让高质量的医疗资源下沉，扩大了患者的就医范围。近年来，高水平的公立医院，都在加速推动互联网诊疗服务，提高自身诊疗效率的同时带动区域医疗机构协同联动。

　　截至2022年底，二级及以上公立医院中，55.5%开展了预约诊疗，65.8%开展了远程医疗服务，88.2%参与了同级检查结果互认。

　　随着我国互联网医疗的快速渗透，以及分级诊疗体系与配套政策的完善，未来，医疗服务和医疗需求有望更加合理匹配，医疗体系的运行效率将进一步提升。

　　(刘劲系长江商学院教授、教授管理委员会主席、投资研究中心主任，于艾琳系长江商学院投资研究中心研究员)