Машинное обучение: предсказание рисков в страховании
Алгоритмы рекомендаций, предсказания событий и оценки рисков — трендовое решение в банках, страховых компаниях и многих других отраслях бизнеса. Для компаний это уникальная возможность оптимизировать расходы, повысить скорость работы и улучшить качество услуг.
В этом кейсе расскажем об IT-решении для медицинского страхования, созданном с применением алгоритмов машинного обучения.
Задача
Мы приняли участие в разработке решения для страховых компаний. Оно автоматизирует процесс работы с пациентом и помогает управлять бюджетом.
Решение
Используя алгоритмы искусственного интеллекта, система прогнозирует медицинские эпизоды — все обращения пациента ко врачу с проблемами одного профиля — и может предсказать, что вскоре наступит тот или иной эпизод. Механизм предсказания эпизодов построен на анализе исторических данных — сведений о ранее оказанных услугах, социально-демографических данных (пол, возраст) и прошлых диагнозов.
Систему дополняют другие модели машинного обучения:
- выявление нестраховых случаев, обращений с тем же диагнозом;
- данные о методах поддержки пациента после выписки во избежание рецидива;
- рекомендация процедур из списка страхового обеспечения в течение 2 недель после выписки;
- прогноз, как пациент будет чувствовать себя через 30, 60 и 90 дней.
Их совместное использование позволяет оптимизировать работу с пациентом с точки зрения качества и стоимости обслуживания.
Результат
- С нуля разработана платформа для функционирования созданных моделей.
- Обучена система на базе данных, полученных из обращений пациентов за 3 года с использованием BigData.
- Проведены интеграции с множеством медицинских систем.
- Продолжены разработка, тестирование и постоянное обучение моделей ML.
Технологии
Java, Python, TensorFlow, Amazon SQS, SNS , DynamoDB, Apache Spark