В платформу прогнозной аналитики Webiomed добавлена модель, позволяющая предсказать наступление страхового случая в течение ближайших 12 месяцев.
Прогнозирование обращений пациентов в медицинских организации имеет важное значение в медицинском страховании, т.к. прямо влияет на затраты страховщиков по оплате страховых медицинских полисов. Оценка рисков пациента с точки зрения вероятности наступления страхового случая является ключевой задачей, которую как правило выполняют специально подготовленные сотрудники страховой компании – андеррайтеры.
Прибыль страховых компаний определяется затратами на возмещение по страховым случаям. В этой связи применение алгоритмов для индивидуального прогнозирования обращения пациента за медицинской помощью может быть полезным инструментом для повышения экономической эффективности работы страховой компании.
Специально для этого случая мы создали с помощью машинного обучения простую модель, которая буквально по нескольким признакам, которые можно уточнить непосредственно у пациента, оценивает – насколько вероятно обращение пациента в поликлинику или стационар.
Отбор признаков осуществлялся на основании изучения отечественного и зарубежного опыта применения методов машинного обучения в андеррайтинге, консультаций с медицинскими экспертами и серии предварительных экспериментов. Результаты наших исследований показали, что наиболее значимыми параметрами для предсказания наступления страховых случаев являются история обращений за медицинской помощью и социальные данные пациента, тогда как вклад сведений медицинского характера, которые можно получить со слов пациента в «анкетном» формате, заметно меньше.
Модель была обучена на наборе данных из 360 тыс. случаев обращения пациентов за амбулаторной и госпитальной медицинской помощью в течение 2017-2019 гг. В качестве алгоритмов для решения задачи были применены: логистическая регрессия, дерево решений, нейронная сеть с тремя скрытыми слоями и градиентный бустинг на основе деревьев решений – CatBoost, который показал лучшие метрики работы: accurancy 0,849, precision 0,886, F1 0,842 и ROC_AUC 0,904.
Модель предсказывает три факта наступления страхового случая:
- амбулаторный вызов в будущем
- госпитализация в будущем
- вызов скорой помощи в будущем
Предлагаем вам ознакомиться с демо- версией модели: https://webiomed.ai/machine-learning/prognozirovanie-obrashcheniia-za-12-mesiatsev/
Почитать подробнее про перспективы цифрового андеррайтинга можно здесь: https://webiomed.ai/blog/perspektivy-tsifrovogo-anderraitinga-na-osnove-ML/
Наши исследования показали, что дополнительный учет данных из электронной медицинской карты, таких как анамнез, история обращений и ряд характерных медицинских сведений, позволяют существенно повысить точность предсказаний модели. Поэтому мы планируем в ближайшем будущем подготовить 2ю версию модели, которая может работать в связке с обезличенными данными из ЭМК пациентов.