这是一个巨大的悖论：一方面，整个保险业都非常看好健康险（健康保险行业发展趋势分析预测报告）的前景，因为这是一个规模达万亿元的蓝海市场，未来令人遐想;另一方面，众多险企眼看着机会摆在面前却难以下咽，甚至目前已开展的健康险业务都陷入持续亏损，现实如此尴尬。总的来看，健康险经营困难，主要是存在三大痛点：第一是产品设计上不够科学，缺乏大量长期的发病率数据支撑，以及患病后不同治疗方案的效果和费用评价;第二是单笔健康险保费较小，难以承受高昂的推广费用，目前的人海战术并不实用;第三是有效核保和防止骗保，这需要大量的专业人员，也将产生巨额的成本。
每个城市的中心医院，为数不多。但如果把这几家为数不多的中心医院就诊病人的基本资料，汇总在一起，基本上可以与这个城市的人口普查相媲美。不过，要注意的是，在用户没有主动询问的时候，主动去兜售保险产品，不仅效率低，而且令人反感。至于风控，更需要医院的配合。如果医院的利益与险企的利益脱钩，医院势必希望多卖药，多做检查，多做手术，把小病当大病治。所以说，要推行健康险，首先要制定一个好的制度，这个制度把医院的利益与险企的利益绑定。只有先做到这个基本点，医院才会有内在动力，协助险企把产品设计好，找到最合适的用户，并在医疗过程中防范骗保行为，而不是在医疗过程后审查骗保行为。离开了医院的配合，险企能否把健康险做好呢?似乎看不到这种可能性。医院与险企的利益绑定，健康险就大行其道，反之，就门庭冷落。中外各国的经验，正反两方面的案例都有，都支持这个结论。
医疗大数据，最重要的数据来源，是医院的病历。病历中不仅记录着患者的健康状况和病情，而且记录着医生诊断病因的全过程，而且记录着治疗方案包括用药处方和手术方案，而且记录着病情变化的过程。通过对病历做数据挖掘，可以整理出体征、症状、化验指标、影像检查标志物，与疾病之间的关联关系，与药品和手术等治疗手段之间的关联关系。我们把这些关联关系，称为医疗知识图谱。医疗知识图谱可以用于医疗咨询。是的。医疗知识图谱能够基于患者的体征和症状，核对诊断过程中所做的化验和检查，是否有过度检查。也能根据化验结果和影像检查标志物，核对诊断结果是否合理，核对用药和手术是否合理。实现诊断和治疗全过程的核保，高精度地实现风控。健康险提供的服务，可以包括今年看病的总费用，健康险能报销多少，也可以包括单病种的报销额度，也就是如果投保人患上某某疾病，健康险能报销多少手术、药品、和住院费用。在制订报销额度之前，必须测算在不同的当前健康状态下，未来罹患某种疾病的概率，以及各类疾病的平均诊治费用。从海量病历中，不仅能够统计出各类疾病的平均诊治费用，而且也能够通过跟踪多位患者的病情发展，统计出疾病转化的概率。
从严格意义上来讲，大数据只是提高了数据处理的效率。但从实际效果上来讲，大数据技术同时做到了高精度和高效率。以前不可能做到的事情，现在通过大数据做到了，大数据促成了一场革命。另外中国政府的行政能力，也是得天独厚的。如果中国在政府引领之下，尝试医疗医保改革，实践基于大数据的健康险，那么很有可能实现弯道超车。对于全球各国来说，医疗医保都是头痛的问题。如果中国摸索出医疗医保的新方法新产品，那么卖到国外去，将会十分受欢迎。把大数据和机器学习技术，应用到医疗行业，实现智能诊断和治疗系统，相关的研究课题非常多，产品形态非常多，赢利模式非常多。如果目标紧紧盯住几百个常见病，缩短战线，快速冲刺，12个月内，是能开发出质量令人满意的产品。面对蓝海，面对一望无际的商机，创业企业最大的挑战，是保持注意力的专注。切忌分兵出击，处处出击，处处遭遇阻力。12个月内，技术方面会取得重大突破。接下去，第二个里程碑，是实现赢利模式闭环，尤其是实现医疗大数据、智能诊疗与健康险的紧密结合。有价值，就有用户，有用户，就有赢利模式。相信在未来2~3年内，一定会有若干家公司，探出路子来。