卫生部门的数字化

Maximilian Schneider

健康保险现状  

在更换或投保医疗保险时,健康检查中的错误决定可能会产生深远的影响。根据病史估计疾病风险并计算相应的保费金额,私人医疗保险公司也可以拒绝接受申请[1]。申请可能被错误地拒绝或接受。自动数据处理能否 人工智能支持系统 简化决策依据,减少错误来源,减轻每个相关人员的负担?

文件信息通常由人工处理。保险业日益激烈的竞争正在导致 数字化浪潮.基于规则的程序,如 OCRRPA 在自动数据处理方面,机器人只能提供很小的数字化优势[2]。学习系统越来越多地借助以下工具提供支持 人工智能 人们参与决策和人工数据处理,以及 从文件中提取数据 例如职业伤残保险的预先风险查询。存在各种使用案例:

1.人工智能支持预防和诊断

人工智能可以应用在预防和诊断方面,例如在放射学方面,在模式识别的帮助下,在早期阶段识别癌症等疾病。挪威大学医院在这个方向上迈出了第一步 "Ahus".在挪威,对癌症患者的诊断和治疗有全国统一的程序。为了提高这些流程的效率和自身在这方面的工作质量,医院启动了一项研究。使用 IBM Watson Explorer-我们使用了一些工具,分析了医疗记录中记载的前列腺癌患者的MRI结果。在机器学习的帮助下,非结构化的数据因此可以被检查并被放入可量化的格式。这种方法使医院能够更好地组织诊断信息,并更快地对内容进行定量检查。从长远来看,医院的资源因此可以得到优化,病人的护理得到改善。但治疗决定也得到了这种方法的支持。

2.人工智能让需要照顾的人更加独立

另一个可能在未来从人工智能的使用中受益的应用领域是护理。在这里,智能设备,如可穿戴设备,可以提供尽可能长时间独立生活的可能性,尽管需要护理。公司,如 爱服务 通过帮助盲人和视力障碍者独立出行,我们正在这里起步。计算机视觉和人工智能的结合使这个附在用户眼镜上的可穿戴设备能够识别障碍物,并通过语音指令为用户提供相应的导航。

3.基于AI的健康检查作为SHI系统的一项服务

人工智能不仅能够实现新的治疗方法,而且有可能改善行政程序和与客户或病人的接触点。法定医疗保险(SHI)是德国医疗保健的一个重要组成部分,人工智能的使用不仅可以使雇员受益,也可以使大约7200万的被保险人受益。

ǞǞǞ 技术员健康保险 正在引领潮流。自2018年底以来,数字服务的提供丰富了投资组合,因为它现在为其被保险人提供总部设在柏林的公司的基于AI的症状检查"艾达健康"是可用的。这是一个基于聊天的应用程序,在该程序中,受保人会被问及有关其症状的问题,目的是提供合格的分析。所提供的健康信息表述清晰,质量有保证。用户会被告知其症状的可能原因,并建议下一步措施,如咨询医生。此外,今后还可以与医生分享和讨论这些信息。 因此,像 Ada 这样的服务不仅能为医生和病人节省时间和资源,还能增强病人的能力。此外,目前的"数字医疗" Bitkom的研究表明,42%的网民在看病前会在网上告知自己。

4. 在人工智能的帮助下,简化社会保险系统的行政程序。

健康保险公司的内部行政程序也可以从人工智能的使用中受益--例如,在收据验证方面。作为奖励计划费用报销的一部分,医疗保险公司首先要求被保险人在报销前提交电子图像收据。这些情况因服务而异,目前由负责的出纳员手动检查。这一过程被证明是耗时的,并有可能没有核实不正确的文件或没有检查所有文件。

改进的建议可以如下。在被保险人以电子方式传送收据后,一个基于人工智能的算法对所有文件进行评估。人工智能识别相应的文件类型,分析其内容,并最终将其分配到一个相应的、预先定义的组。之后,只有那些被系统标记为显眼的文件才由书记员手工检查。这里的目标是一个完全自动化的智能流程,使书记员能够专注于具体和复杂的案件。这将加快文件审查过程,并使反馈更快。这将为与被保险人的交流留下更多时间。

5.职业残疾风险预查询:自动检查PKV、GKV和BKK的健康状况

人工智能不能也不应该完全取代人类的认知过程。但人工智能可以支持和缓解人类。人工智能系统使办案人员更容易审查关键案件。通过这种方式,人工智能能够实现准确的评估和个人健康检查。

已经有了这方面的解决模式。结合基于深度学习的图像处理和自然语言处理的智能算法[5]。他们不仅了解如何组织非结构化的信息,还了解如何理解和逻辑性地连接文本内容。认知系统从训练有素的数据集中学习,人工智能也在不断改进。 

这个问题可以用职业性残疾风险预调查的例子来说明。自动处理的数据可以使其在初步风险查询中更容易识别有先天性疾病的人。在健康保险中,人工智能能够预先过滤可能导致排除的疾病。如果职业伤残索赔人有 "哮喘喷剂",则假定他属于 "哮喘 "风险组。但是,如果这个病人只在紧急情况下使用喷剂,而不经常使用,那么仍然会被排除在物价保险之外,尽管这个病人并不明显属于风险群体。一般来说,在德国,多达25%的有先天性疾病的风险申请要么被拒绝,要么只能通过排除和附加费用有条件地接受[3]。大约75%的所有物价查询都是在没有加重病情的情况下接受的。人工智能可以从商业智能请求中识别出这些信息,并将相关信息结构化,供人类进一步审查。

对BU请求的接受率的说明
对BU请求的接受率的说明

但可以由健康保险公司的人工智能处理的不仅仅是职业残疾风险查询。个人数据、疾病史、医院和医疗账单可以被快速分析,并准备由人工智能进一步处理,而不需要人力。后期处理时间和错误减少,为每个参与者节省了大量的时间、金钱和精力。BU能力的组成部分从工作流程管理、流程的标准化、求职信和调查问卷中向30%定义自己[4]。 

饼状图假设在以前患病的情况下有职业残疾保险
职业性残疾 对原有条件的接受率

AI在健康检查方面提供了机会。得益于人工智能和自动化流程,人工智能有助于识别个人风险,并将获得的预先存在的条件从职业伤残查询中分为非关键的75%和关键的25%。这随后有利于人类对关键的25%进行人工进一步处理。最终,在可靠信息的基础上可以更容易地做出决定,流程可以加快,风险评估的过程偏差可以减少。

人工智能在医疗领域的结论

人工智能在管理和病人护理方面提供了一些有希望的机会。如果应用得当,医疗保健系统的所有参与者都能长期受益。因此,社会保险局尤其应该深入处理这一问题,并获得必要的专业知识。由于它对7000多万被保险人负有责任,除了诊断和治疗之外,这也是人工智能在卫生部门大有作为的最大潜力所在。

寻找您在医疗领域的数字化合作伙伴

Helm & Nagel GmbH成立于2016年,由员工管理,是人工智能平台的制造商。 Konfuzio.一个已经可以在没有AI知识的情况下使用的AI。我们的合作伙伴向我们的客户分发软件。这为您提供了各种优势。

  • 具有与您相关的行业专业知识的系统公司和咨询公司随时协助您引进Konfuzio。
  • 通过软件的自动化来节约成本
  • 无需冗长的研发就能临时获得最新的人工智能算法

您是否有兴趣让我们安排与活跃在您所在行业的合作伙伴进行一次不具约束力的会议?

请与我们联系,我们会让您与对您的行业了如指掌的Konfuzio合作伙伴取得联系。

到联系表格

资料来源

[1] 知识-PKV.de (2020年6月)。在申请私人健康保险时,你必须回答哪些健康问题?

[2] 麦肯锡公司 (2017年6月)。人工智能在健康保险中的应用:用自学软件进行智能发票验证。S.2.

[3] 穆尔根和穆尔根新闻发布 (2018年5月)。M&M评级Berufsunfähigkeit:Psyche继续获得重要性。S.4.

[4] Morgen & Morgen BU评级 (2020年5月)。NLV的出色表现:市场管理人寿私人有限公司。S.7.

[5] AOK (2018年12月)。Wissenschaftlicher Beirat für Digitale Transformation: Anmerkungen zu einer KI-Strategie für eine gesetzliche Krankenkasse.S.5

插图列表

图1:Pexels - 打字机,之后。Andrea Piacquadio,截至:02/2020

图2:职业伤残--在原有条件下的接受程度,根据。Morgen & Morgen, 截止到2018年5月

关于我

更多精彩文章

桌子上的笔记本和垫子,笔记本屏幕上的代码

Ephesoft替代方案:软件检查中的前5名供应商

您在寻找 Ephesoft 的替代产品吗?Ephesoft是一款IDP软件,通过它您可以优化您的数据处理...

阅读故事

Zendesk 替代方案 - 如何找到合适的帮助台软件

Zendesk 是一款全面的服务台软件,可帮助企业管理客户支持、改善客户体验并为销售团队提供支持。它还能提高...

阅读故事
雪花》替代标题

雪花替代方案:数据丛林中的决策路径

在数据驱动的商业世界中,选择合适的数据管理平台至关重要。 虽然 Snowflake 无疑是一个...

阅读故事
箭头向上