GenAI health check: comprobación automatizada de las aplicaciones de la BU

Las decisiones erróneas en el chequeo médico a la hora de cambiar o contratar un seguro de enfermedad pueden tener consecuencias de largo alcance. Basándose en el historial médico, se estima el riesgo de enfermedad y se calcula el importe de la prima correspondiente, o las compañías de seguros sanitarios privadas pueden negarse a aceptar una solicitud [1]. Las solicitudes pueden rechazarse o aceptarse erróneamente. La pregunta central: ¿Puede el procesamiento automatizado de documentos mediante sistemas asistidos por IA simplificar la toma de decisiones, reducir las fuentes de error y aliviar la carga de todas las partes implicadas?

Statu quo del seguro de enfermedad

Las compañías de seguros de enfermedad procesan miles de documentos cada día: Consultas de riesgo previas al seguro, cartas de médicos, informes médicos, justificantes de gastos, planes de medicación. La comprobación manual de estos documentos lleva mucho tiempo, es propensa a errores y cuesta recursos. La creciente competencia en el sector de los seguros está provocando una oleada de digitalización. Los procesos basados en reglas, como los robots OCR y RPA, sólo ofrecen pequeñas ventajas de digitalización en el tratamiento automatizado de datos [2]. Cada vez más, los sistemas de aprendizaje utilizan la inteligencia artificial para apoyar a los humanos en la toma de decisiones y el procesamiento manual de datos y la extracción de datos de documentos como las pre-solicitudes de riesgo para el seguro de incapacidad laboral.

El problema de los enfoques tradicionales: Los sistemas basados en OCR requieren plantillas para cada diseño de documento. Con cientos de consultas médicas, clínicas y formularios de seguros diferentes, esto se convierte en un cuello de botella. Los requisitos normativos (GDPR, SGB V) exigen una documentación sin fisuras y decisiones transparentes.

El cambio de paradigma: del OCR basado en plantillas al tratamiento de documentos basado en GenAI

Enfoque tradicional de los documentos en el chequeo médico:

WENN Dokument = Template_Arztbrief_Format_A
UND Feld an Position (X,Y) enthält "Asthma"
DANN Markiere als Vorerkrankung

Problema: Con 200 diseños diferentes de cartas de médico, esto significa mantener 200 plantillas. Cada nuevo dispensario requiere una personalización manual. Las desviaciones del diseño estándar provocan errores de extracción.

Chequeo de salud basado en GenAI con Konfuzio:

Feld: vorerkrankungen
Typ: Array
Prompt: "Identifiziere alle medizinisch relevanten Vorerkrankungen aus dem Arztbrief.
RELEVANTE VORERKRANKUNGEN:
- Chronische Erkrankungen (Diabetes, Asthma, Rheuma, etc.)
- Psychische Erkrankungen (Depression, Angststörungen, etc.)
- Schwerwiegende Akuterkrankungen der letzten 5 Jahre
- Operationen und stationäre Behandlungen
NICHT RELEVANT:
- Bagatellerkrankungen (grippale Infekte)
- Einmalige leichte Verletzungen ohne Folgeschäden
- Routineuntersuchungen ohne Befund
Extrahiere: Diagnose, ICD-10 Code (falls angegeben), Erstdiagnose-Datum, Behandlungsstatus.
Bei mehrdeutigen Formulierungen: Kennzeichne als 'Klärungsbedarf'."

Ventaja: Funciona para todos los formatos de cartas médicas sin plantillas. Inmediatamente listo para su uso en nuevas clínicas. Comprende contextos y correlaciones médicas.

Aplicación concreta: consulta automatizada de riesgos de BU

El valor añadido puede ilustrarse con el ejemplo de la consulta de riesgo BU: A partir de los datos procesados automáticamente de las cartas de los médicos, los resultados y los cuestionarios, se pueden identificar de forma estructurada las enfermedades preexistentes y clasificarlas por clases de riesgo.

Definición del régimen para el chequeo de la BU:

FELDNAME                      TYP           BESCHREIBUNG
──────────────────────────────────────────────────────────────────────
antragsnummer                Text          Eindeutige Antragsnummer
versicherungsnehmer          Text          Name des Antragstellers
geburtsdatum                 Date          Geburtsdatum
beruf                        Text          Ausgeübter Beruf
vorerkrankungen              Array         Liste aller Vorerkrankungen
medikation                   Array         Aktuelle Dauermedikation
behandlungsstatus            Text          Aktuell/Abgeschlossen/Chronisch
risikoklassifikation         Text          Automatische Vorbewertung
pruefungsempfehlung          Text          Workflow-Routing

Ejemplo 1: Detección inteligente previa a la enfermedad

Feld: vorerkrankungen
Typ: Array
Prompt: "Extrahiere alle Vorerkrankungen aus dem Arztbrief für BU-Risikoprüfung.
STRUKTUR JE VORERKRANKUNG:
- Diagnose (medizinischer Fachbegriff und Laienbegriff)
- ICD-10 Code (falls vorhanden)
- Erstdiagnose (Datum oder Zeitraum)
- Behandlungsstatus (akut/chronisch/abgeschlossen)
- Schweregrad (leicht/mittel/schwer/unklar)
- Arbeitsunfähigkeitstage (falls dokumentiert)
BESONDERE AUFMERKSAMKEIT:
- Psychische Erkrankungen (Depression, Burnout, Angststörungen)
- Muskuloskelettale Erkrankungen (Bandscheibenvorfall, Rheuma)
- Herz-Kreislauf-Erkrankungen
- Stoffwechselerkrankungen (Diabetes)
KONTEXT BERÜCKSICHTIGEN:
- 'V.a. Asthma' (Verdacht) unterscheidet sich von 'gesicherte Diagnose Asthma'
- 'Asthmaspray zur Notfallmedikation' unterscheidet sich von 'tägliche Asthmatherapie'
- Abgeschlossene Behandlungen ohne Folgeschäden kennzeichnen
Bei unklaren Formulierungen: Markiere als 'Ärztliche Rückfrage erforderlich'."

Ejemplo 2: Análisis de la medicación con comprensión contextual

El problema central de las pruebas manuales es que un „inhalador para el asma“ lleva automáticamente a suponer que se trata de asma crónica, aunque sólo sea un medicamento de emergencia. GenAI puede diferenciar aquí.

Feld: medikation
Typ: Array
Prompt: "Analysiere die aktuelle Medikation hinsichtlich BU-Relevanz.
STRUKTUR JE MEDIKAMENT:
- Wirkstoff und Handelsname
- Indikation (wofür wird es eingenommen?)
- Einnahmemodus (täglich/bei Bedarf/Notfall)
- Dosierung und Häufigkeit
- Behandlungsdauer (seit wann, zeitlich begrenzt oder Dauermedikation)
RISIKOEINSCHÄTZUNG:
NIEDRIG-RISIKO:
- Notfallmedikation ohne regelmäßige Anwendung
- Zeitlich begrenzte Therapien (z.B. Antibiotika)
- Präventivmedikation ohne Vorerkrankung
MITTEL-RISIKO:
- Gelegentliche Anwendung bei chronischer Erkrankung
- Einstellung auf Dauermedikation in den letzten 12 Monaten
HOCH-RISIKO:
- Tägliche Dauermedikation bei chronischer Erkrankung
- Mehrfachmedikation bei schwerwiegenden Erkrankungen
- Psychopharmaka
BEISPIEL ASTHMA:
'Salbutamol-Spray, 1x Anwendung in den letzten 12 Monaten, nur für Notfälle'
→ NIEDRIG-RISIKO, Hinweis: 'Keine Hinweise auf aktives Asthma'
'Salbutamol-Spray 2x täglich + Cortison-Inhalator'
→ HOCH-RISIKO, Hinweis: 'Chronisches Asthma mit Dauertherapie'
Gib für jedes Medikament eine Risikoeinschätzung und begründe diese in einem Satz."

Ejemplo 3: Clasificación automática de riesgos

Feld: risikoklassifikation
Typ: Text
Prompt: "Bewerte das Gesamtrisiko des BU-Antrags basierend auf Vorerkrankungen und Medikation.
RISIKOKLASSEN:
GRÜN - STANDARDRISIKO (ca. 75% aller Fälle):
- Keine relevanten Vorerkrankungen
- Oder: Abgeschlossene Behandlungen ohne Folgeschäden
- Oder: Leichte Vorerkrankungen ohne Arbeitsunfähigkeit
GELB - ERHÖHTES RISIKO (ca. 15% aller Fälle):
- Chronische Erkrankungen mit guter Einstellung
- Psychische Erkrankungen in Remission
- Muskuloskelettale Beschwerden ohne wiederholte AU
ROT - HOHES RISIKO (ca. 10% aller Fälle):
- Schwerwiegende chronische Erkrankungen
- Aktive psychische Erkrankungen mit AU-Zeiten
- Mehrere parallel bestehende Vorerkrankungen
- Arbeitsunfähigkeitszeiten über 6 Wochen/Jahr
Berücksichtige Beruf des Antragstellers:
- Bürotätigkeit: Muskuloskelettale Beschwerden weniger kritisch
- Handwerklicher Beruf: Bandscheibenvorfall kritischer
- Selbstständige: Psychische Belastbarkeit wichtiger
Wähle eine Klasse und begründe in 2-3 Sätzen unter Bezugnahme auf die konkreten Befunde."

Ejemplo 4: Enrutamiento del flujo de trabajo basado en la evaluación de riesgos

Feld: workflowRouting
Typ: Text
Prompt: "Bestimme den passenden Bearbeitungsworkflow für den BU-Antrag.
WORKFLOW_AUTOMATISCHE_ANNAHME:
- Risikoklassifikation: GRÜN
- Keine Vorerkrankungen oder nur Bagatellerkrankungen
- Beruf: Risikoklasse 1-2
- → Automatische Annahme ohne manuelle Prüfung
WORKFLOW_STANDARD_PRUEFUNG:
- Risikoklassifikation: GELB
- Chronische Erkrankungen mit guter Einstellung
- Keine AU-Zeiten in den letzten 12 Monaten
- → Prüfung durch Sachbearbeiter, Entscheidung in 3-5 Werktagen
WORKFLOW_AERZTLICHE_BEWERTUNG:
- Risikoklassifikation: ROT
- Komplexe Vorerkrankungen
- Mehrdeutige medizinische Befunde
- → Medizinische Fachabteilung prüft, ggf. zusätzliche Unterlagen anfordern
WORKFLOW_RUECKFRAGE_ANTRAGSTELLER:
- Unvollständige Angaben
- Widersprüche zwischen Antragsangaben und Arztbriefen
- Fehlende Dokumente
- → Automatisches Anschreiben mit konkreten Nachforderungen
WORKFLOW_ABLEHNUNG_MIT_BERATUNG:
- Schwerwiegende Vorerkrankungen mit hohem BU-Risiko
- Aktuelle Arbeitsunfähigkeit
- → Ablehnung mit Beratungsangebot zu Alternativen (z.B. Dread-Disease)
Wähle einen Workflow, nenne Priority (LOW/MEDIUM/HIGH/URGENT) und begründe in einem Satz."

Ejemplo de respuesta API: aplicación BU con evaluación diferenciada del asma

{
  "antragsnummer": "BU-2025-08734",
  "versicherungsnehmer": "Max Mustermann",
  "geburtsdatum": "1985-03-15",
  "beruf": "Softwareentwickler (Bürotätigkeit)",
  "vorerkrankungen": [
    {
      "diagnose": "Asthma bronchiale (allergisches Asthma)",
      "icd10": "J45.0",
      "erstdiagnose": "2010",
      "behandlungsstatus": "chronisch, gut kontrolliert",
      "schweregrad": "leicht",
      "arbeitsunfaehigkeitstage": "0 Tage in den letzten 3 Jahren",
      "kontext": "Asthmaspray (Salbutamol) vorhanden, letzte Anwendung vor 8 Monaten. Keine tägliche Medikation. Lungenfunktion im Normbereich.",
      "confidence": 0.96
    }
  ],
  "medikation": [
    {
      "wirkstoff": "Salbutamol",
      "handelsname": "Sultanol",
      "indikation": "Asthma bronchiale",
      "einnahmemodus": "bei Bedarf (Notfallmedikation)",
      "dosierung": "100 µg, 1-2 Hübe bei Bedarf",
      "behandlungsdauer": "seit 2010, keine regelmäßige Anwendung",
      "risikobewertung": "NIEDRIG",
      "begruendung": "Notfallmedikation ohne regelmäßige Anwendung deutet auf gut kontrolliertes, leichtes Asthma hin. Keine Hinweise auf aktive Symptomatik.",
      "confidence": 0.94
    }
  ],
  "risikoklassifikation": {
    "klasse": "GRÜN - STANDARDRISIKO",
    "begruendung": "Leichtes allergisches Asthma ohne aktuelle Symptomatik. Asthmaspray dient ausschließlich der Notfallmedikation und wurde in den letzten 8 Monaten nicht verwendet. Keine Arbeitsunfähigkeitszeiten. Bürotätigkeit stellt keine zusätzliche Belastung dar. Lungenfunktion dokumentiert im Normbereich.",
    "confidence": 0.93
  },
  "workflowRouting": {
    "workflow": "WORKFLOW_STANDARD_PRUEFUNG",
    "reason": "Trotz GRÜN-Klassifikation empfiehlt sich aufgrund der chronischen Diagnose 'Asthma' eine kurze manuelle Prüfung zur Absicherung",
    "priority": "LOW",
    "assignTo": ["sachbearbeiter-gesundheitspruefung"],
    "estimatedProcessingTime": "1-2 Werktage",
    "hinweiseFuerSachbearbeiter": [
      "Positiv: Keine Medikamentenanwendung in den letzten 8 Monaten",
      "Positiv: Lungenfunktion im Normbereich dokumentiert",
      "Positiv: Keine AU-Zeiten in den letzten 3 Jahren",
      "Empfehlung: Standardannahme ohne Zuschlag oder Ausschluss"
    ]
  }
}

El motor de flujo de trabajo de seguros procesa esta respuesta automáticamente. Con "workflow": "WORKFLOW_STANDARD_PRUEFUNG" el responsable recibe una tarea con todos los datos sanitarios extraídos, la evaluación de riesgos generada automáticamente y la información específica. Pueden concentrarse en la comprobación de plausibilidad en lugar de leer los documentos manualmente. El tiempo de tramitación se reduce de una media de 45 minutos a 5 minutos por solicitud.

La diferencia con el tratamiento tradicional:

Anteriormente: „Aerosol de asma presente“ → Se añade automáticamente al grupo de riesgo de asma → Adición o exclusión → 25% Tasa de rechazo

Con GenAI: „Inhalador de asma presente, pero sin uso regular, función pulmonar normal, sin tiempos de AU“ → Evaluación diferenciada → Asignación correcta a los casos estándar 75%.

Valor añadido cuantitativo

Según Morgen & Morgen, hasta el 25% de todas las consultas por enfermedades preexistentes en Alemania se rechazan o sólo se aceptan de forma limitada debido a exclusiones y recargos [3]. Aproximadamente el 75% de todas las consultas de BU con enfermedades preexistentes se aceptan sin agravamiento.

El problema: los controles manuales dan lugar a clasificaciones erróneas. Las aseguradoras pierden clientes debido a rechazos erróneos, al tiempo que aceptan riesgos excesivos. El procesamiento de documentos basado en GenAI reduce significativamente esta tasa de error.

Cálculo del ROI para una aseguradora sanitaria de tamaño medio:

• 50.000 solicitudes de BU al año
• Tiempo medio de revisión manual: 45 minutos por solicitud
• Con GenAI: 5 minutos de control de verosimilitud
• Ahorro de tiempo: 40 minutos × 50.000 = 33.333 horas de trabajo/año
• Con una tarifa media por hora de empleado de 45 EUR: 1,5 millones de euros de ahorro

Además: reducción estimada de las decisiones incorrectas en un 30%, tramitación más rápida de las solicitudes (de 14 a 3 días de media), mayor satisfacción de los clientes.

Otros casos de uso en el sector sanitario

La tecnología descrita puede transferirse a otros procesos intensivos en documentos:

1. Verificación de documentos con ayuda de AI para los programas obligatorios de bonificación del seguro de enfermedad

Los asegurados presentan pruebas de revisiones médicas preventivas, vacunas o cursos deportivos. GenAI clasifica automáticamente los documentos, valida su integridad y verosimilitud y solo señala las anomalías para su comprobación manual.

2 Reembolso automatizado de gastos

Las facturas de médicos y hospitales se comprueban automáticamente: ¿Coinciden los servicios facturados con el diagnóstico? ¿Son correctos los importes facturados? ¿Hay cargos dobles?

3. tratamiento inteligente de la bandeja de entrada

Las aseguradoras reciben miles de correos electrónicos y cartas cada día. GenAI los clasifica según el tipo de documento y la urgencia, extrae la información pertinente y la envía a los departamentos correspondientes. Más información: Clasificación del correo electrónico con IA.

4. archivo conforme a la normativa

Los datos sanitarios están sujetos a estrictos periodos de conservación. GenAI extrae metadatos para archivarlos a prueba de auditorías de conformidad con SGB V y GDPR. Véase también: Archivo a prueba de auditorías.

Protección de datos y normativa en el sector sanitario

Los datos sanitarios son datos personales especialmente sensibles según el artículo 9 del GDPR. El uso de la IA requiere:

• Implantación localLos datos sanitarios no salen de la infraestructura de la aseguradora. Konfuzio ofrece Soluciones locales autoalojadas.
• Decisiones transparentes sobre IALos modelos GenAI documentan qué información se extrajo de qué ubicaciones de documentos (IA explicable).
• Humanos en el bucleLas decisiones críticas (rechazo, recargos elevados) siguen requiriendo un escrutinio humano. Más información: Humano en el bucle.
• Registros de auditoríaCada decisión automatizada se registra y puede rastrearse.

El Reglamento sobre IA de la UE clasifica los sistemas sanitarios como aplicación de alto riesgo. Konfuzio cumple los requisitos mediante una gestión de calidad documentada, una evaluación de riesgos y una supervisión continua del modelo. Véase: Normativa sobre IA para empresas.

Integración en los sistemas de seguros existentes

El procesamiento de documentos basado en GenAI no sustituye al sistema central de seguros, sino que proporciona datos estructurados a través de API:

1. Solicitud recibida (por correo postal, correo electrónico, formulario web)
2. Konfuzio IDP extraído Datos sanitarios, clasifica el riesgo, recomienda el flujo de trabajo
3. Sistema de gestión de inventario (por ejemplo, SAP Insurance, ISDP+, adcubum SYRIUS) recibe datos estructurados a través de REST-API
4. Motor de flujo de trabajo Rutas basadas en la recomendación del Konfuzio al secretario responsable
5. Secretaria examina sólo los casos críticos, toma la decisión final
6. Sistema central de seguros Emite la póliza o la notificación de rechazo

La integración se realiza a través de interfaces normalizadas. Más información: Integración API.

El futuro: chequeos proactivos

En el futuro, los sistemas de IA no solo comprobarán las aplicaciones de forma reactiva, sino que también identificarán los riesgos de forma proactiva:

• Sistemas de alerta rápidaAnálisis de los historiales de tratamiento para identificar el deterioro de la salud
• Recomendaciones de prevenciónSugerencias automáticas de medidas preventivas basadas en patrones de riesgo
• Ajuste dinámico de tarifasAjuste de la prima en función del riesgo en caso de mejora demostrable de la salud

Sin embargo, este desarrollo requiere una estrecha coordinación con las autoridades de protección de datos y unas directrices éticas claras.

Conclusión: la IA alivia a las personas y mejora las decisiones

La inteligencia artificial ofrece algunas oportunidades prometedoras en el contexto de la administración y la atención al paciente. Si se utiliza correctamente, todos los agentes del sistema sanitario podrían beneficiarse a largo plazo. La diferencia clave con respecto a hace cinco años: Ya no hacen falta plantillas, ni meses de configuración, ni dependencia informática. Los departamentos especializados definen en lenguaje natural lo que hay que extraer.

La siguiente fase de desarrollo: enrutamiento inteligente del flujo de trabajo que no sólo extrae datos, sino que también decide qué proceso empresarial utilizar en función del contexto. El empleado pasa de ser un recopilador de datos a un responsable de la toma de decisiones centrado en casos complejos. Los asegurados se benefician de decisiones más rápidas, evaluaciones de riesgos más individualizadas y procesos más transparentes.

Por ello, las compañías de seguros de enfermedad, tanto públicas como privadas, deberían prestar especial atención a este tema y adquirir los conocimientos necesarios. Debido a su responsabilidad sobre más de 70 millones de asegurados, es aquí donde reside el mayor potencial para el uso prometedor de la IA en el sector sanitario. La gestión del flujo de trabajo, la estandarización de los procesos, las cartas de presentación y los cuestionarios [4] definen en un 30 por ciento los componentes de la pericia de la BU. GenAI automatiza precisamente estas áreas.

Encuentre su socio para la digitalización en el sector sanitario

Fundada en 2016 y gestionada por empleados, Helm & Nagel GmbH es el fabricante de la plataforma de IA Konfuzio. Una IA que puede utilizarse sin necesidad de conocimientos de IA. Nuestros socios distribuyen el software a nuestros clientes. Esto le ofrece varias ventajas:

• Las empresas de sistemas y consultoría con experiencia en el sector están a su disposición para ayudarle a introducir el Konfuzio.
• Ahorro de costes gracias a la automatización del software
• Acceso ad hoc a los últimos algoritmos de IA sin necesidad de una larga I+D

FUENTES

[1] Conocimientos-PKV.de (junio de 2020): ¿Qué preguntas sobre salud debe responder al solicitar un seguro médico privado?

[2] McKinsey & Company (junio de 2017): Inteligencia artificial en los seguros de enfermedad: verificación inteligente de facturas con software de autoaprendizaje. S.2.

[3] Comunicado de prensa de MORGEN & MORGEN (Mayo de 2018): M&M Rating Berufsunfähigkeit: La psique sigue ganando importancia. S.4.

[4] Morgen & Morgen BU Valoración (mayo de 2020): Excelente actuación de NLV: Market Management Life Private. S.7.

[5] AOK (Diciembre de 2018): Wissenschaftlicher Beirat für Digitale Transformation: Anmerkungen zu einer KI-Strategie für eine gesetzliche Krankenkasse. S.5