个性化医疗时代，“动态治疗方案”对癌症、糖尿病等很多慢性病的治疗都至关重要，医生可根据患者病情变化分阶段调整治疗方案，从而提升患者的治疗成功率。
这听起来是一件“百利无一害”的事，但事实并非如此。在医疗市场中，信息不对称问题表现得尤为突出。因为在动态治疗过程中，“患者病情如何变化？”“是否真的需要调整治疗？”这类信息只有医疗服务机构了解，负责赔付的保险公司很难及时掌握。
于是，一些医疗服务机构就可能利用这种信息不对称“钻空子”，比如通过多开检查、多开药、延长住院时间等“过度医疗”行为，来向保险公司申请更多的赔付。
这就为医保支付政策的设计带来了挑战。作为支付方，保险公司如何科学地为这类动态治疗方案设计最优的支付机制，才能既保证患者得到最合适的治疗，又不会为不必要的项目“买单”？
针对这一关乎人民生命健康和社会福祉的现实难题，浙江大学管理学院服务科学与运营管理学系“百人计划”研究员张伟及其合作者进行了深入研究。日前，他们的成果——“Optimal Payment for Dynamic Treatment Regimes”发表在国际顶级期刊Production and Operations Management（UTD24期刊之一）上。
论文发表截图
研究中，他们基于动态机制设计理论提出了一套“最优医保支付政策”，不仅可有效减少“信息不对称”导致的“过度医疗”现象，还能在动态治疗过程中逐步获取真实的、不断变化的患者病情信息。
这套支付政策具体如何运作？本期【科研】专题，一起来看这项既能提升医疗服务质量、守护人民生命健康，又能保障医保基金安全、医疗资源有效配置，增进社会整体福祉的高水平研究。
张伟，浙江大学管理学院服务科学与运营管理学系“百人计划”研究员
*加州大学河滨分校教授皋龙、香港城市大学讲席教授陈友华、中山大学助理教授费馨玥同为论文合作者。
他们设计的“最优医保支付政策”，可实现三大目标
为探索最优支付机制，张伟团队在研究中构建了一个“存在内生性信息不对称的委托-代理模型”。在该模型中，保险公司作为“委托人”，负责设计动态治疗方案的支付机制；医疗服务机构作为“代理人”，掌握患者病情的第一手信息，因此在信息上占据优势。
治疗过程在模型中被划分为多个阶段。每一阶段结束后，医疗服务机构会向保险公司报告患者的病情进展，保险公司则依据这些信息进行相应赔付。
基于该模型，张伟团队提出了一套“最优医保支付政策”，并明确了该政策的主要特征：
1）以“奖励诚实”杜绝“钻空子”
为了有效遏制医疗服务机构利用信息不对称“钻空子”，保险公司需做两件事：一是允许医疗服务机构根据病人实际情况调整治疗方案；二是设立“奖励性薪酬”，奖励那些如实上报信息的医疗服务机构。这两项措施相结合，既能防止医疗服务机构“挑肥拣瘦”、只接收轻症病人，也可避免其“小病大治”的过度医疗行为。
2）以“延迟支付”绑定长远利益，获取患者新信息
针对动态治疗方案，保险公司可采用“延迟支付”机制，相当于将一部分款项留作“绩效押金”，等到后续治疗达到特定结果后再发放。这样就能把医疗服务机构的利益和患者未来的康复效果牢牢“绑定”，从而激励医疗服务机构致力于提升长期治疗效果。同时，保险公司也能借此逐步获取患者后续的病情新信息。
3）以“行为激励”优化患者治疗结局
保险公司需激励医疗服务机构将“治疗延续效应”与“潜在效应”纳入决策考量，同时鼓励他们根据患者病情变化主动、灵活地调整方案，从而让患者的治疗结果达到最优。
除了上述特征外，最优医保支付政策还具备“可轻松落地执行”的特征，保险公司通过“风险调整”的成本分担方式就能执行。例如，根据患者病情严重程度和风险高低，动态调整医保和个人的费用分担比例，让支付方案更公平、更合理。
“最优医保支付政策”好在哪儿？不用持续为信息不对称“买单”
研究中，张伟团队回答了一个“关键问题”：他们设计的这套“最优医保支付政策”在何时、为何优于传统政策？
他们发现，在动态治疗场景中，过去的支付模型可能高估了“信息不对称”带来的危害，认为这种危害会一直存在。而保险公司可能因此被误导，在支付政策设计上持续为“信息不对称”多支付，并扭曲治疗决策，影响患者治疗结局。
但实际上，只要支付机制设计得好，这种“信息不对称”带来的危害只是暂时的。因为动态治疗包含多个阶段，通过反复互动，医疗服务机构会逐渐了解患者的最新信息，保险公司完全可以分阶段获取这些新信息。
这就是“最优医保支付政策”的优势所在——保险公司只需为“治疗初期医疗服务机构掌握的私有信息”支付一次性的合理成本，对于后续治疗中产生的“新信息”，可通过巧妙的支付设计来“免费”获取。
基于两组真实数据，张伟团队还量化分析了最优政策在何时、为何优于传统政策。结果发现，最优政策将治疗方案的延续效应与潜在效应均纳入决策考量，并提前明确所有支付条款，将医疗服务机构的信息优势仅限定在初始阶段，可修正传统政策在“决策” 与 “信息” 方面的缺陷，在多种场景下改进效果显著。
尤其是当医疗服务机构对声誉的关注度较低、治疗的潜在效应较强且延续效应显著时，最优政策显著优于传统政策。
他们的研究填补了理论空白，并将助推医保支付改革
作为个性化医疗的核心支柱，动态治疗方案如今广泛应用于癌症、艾滋病、高血压等慢性病的治疗中。但这种治疗方案给了医疗服务机构利用信息优势“钻空子”的机会，进而导致“过度医疗”现象近年来屡见不鲜。
而要减少这些现象，保险公司必须以动态视角来设计医保支付政策。但目前医疗领域关于这方面的研究较为匮乏，现有支付模型对医疗服务机构的行为设定过于简化，忽视了动态治疗方案中医疗服务机构可能通过信息学习，多次利用信息优势“钻空子”的行为。
张伟团队的研究不仅填补了这一“研究空白”，强调了医疗服务机构“信息学习”与“钻空子”行为对医保支付与患者治疗结局的影响，深化了学术界对医保支付理论与实践的理解，还为医保支付改革提供了新的见解：
对激励性薪酬与治疗限制措施的设定，需根据具体治疗的延续效应与潜在效应进行校准，且这些措施仅在治疗初始阶段使用，最终需逐步取消。
简单化的支付政策（如按服务收费、打包付费等）在动态治疗场景中并非最优。若要实现成本控制与质量提升的双重目标，支付政策必须包含带有连续目标的奖惩条款。
此外，张伟团队的研究也将助力解决中国医疗服务系统科学发展中出现的相关问题，构建中国现代化医疗支付政策。
当前，如何基于有限资源为人民提供公平、可及的高质量医疗服务，是我国医疗服务系统面临的重大挑战。张伟团队的研究，以“最优医保支付政策”的巧妙设计，激励医疗服务机构对患者进行公平且精准的治疗，将大大提升医疗服务质量，减少“过度医疗”行为，优化医疗资源配置，维护人民生命健康并增进社会福祉。
聚焦“四个面向”，以有贡献力、有影响力的高水平科研与学科交叉会聚，服务国家战略与人类生活美好进步，是每一位浙大管院学者的使命。【科研】系列专题将持续为你讲述他们的最新科研进展。
附：论文摘要
Dynamic treatment regimes improve health outcomes by tailoring each treatment to a patient's evolving condition, but they also allow providers to learn and game the system over time. How should insurers pay? We study this new class of reimbursement problems, where the provider can privately learn and manipulate the progression of the patient’s condition. (i) We characterize the optimal payment policy: it internalizes two intertemporal effects of each treatment, and rewards provider honesty with incentive pay; moreover, it admits a simple implementation of risk-adjusted cost-sharing policy. (ii) We show that, ignoring dynamic learning and gaming, the existing payment models may have overestimated the harm of information asymmetry. Using the optimal policy, insurers only need to pay for initial private information; they can exploit provider uncertainty and elicit future private information at no cost. (iii) Our study informs U.S. healthcare payment reform with new insights; using two sets of real data, our study also quantifies when and why the optimal policy outperforms the existing ones. By highlighting the critical role of dynamic learning and gaming, this study advances our understanding of healthcare payment theory and practice
