机器之能报道丨让保险不再只是“事后诸葛”,这家公司用AI撬动万亿健康险市场

2020-09-10 14:26:11 Talia Zhou 177

健康险是一个未被AI充分挖掘的万亿级庞大市场,行业最主要的痛点在于风控阶段缺乏询证的过程管理。所谓过程管理就是从承保开始对投保人的健康状况进行全方面的监控和管理。 

好人生科技用AI大数据技术让过程管理真正落地,同时基于过程管理首创 “全量承保”的产品运营模式,这也是业内首家敢对保险公司做这样的“结果承诺”的健康险科技公司。 

从技术实现层面来说,汤子欧博士指出:AI与各个行业结合的过程中,最缺乏的其实是行业的逻辑与知识图谱。正因如此,这也成为好人生科技能够在保险科技行业内利用AI大数据技术实现领先的关键。 


晚上十一点,小杨刚刚结束手中的工作准备休息,这时手机APP弹出一个推送,包括小杨一天的健康报告,如运动量、饮食健康等,同时对他第二天的健康生活进行安排,如起床时间、饮水量、熬夜排毒方案等,甚至包括盐摄入量等。 

一周前,小杨发现自己有轻微的偏头痛,便利用该健康管理App中的智能机器人医生进行了自我诊断,此后,App每天都会给小杨发送健康报告,并给出精准的饮食、运动、睡眠以及是否需要就医等健康建议。一周后,小杨的偏头痛已经缓解了不少。 

在疫情的影响下,这种O2O远程医疗对很多人来说并不陌生。特殊的是,小杨使用的App属于一家健康险公司,投保后便可以免费得到后续的全程健康管理服务。 

很长一段时间,健康险都是执行严格的漏斗式筛选,均质化的风险体投保后,只有少量符合理赔要求的风险体才会获得赔偿。 

对大部分人来说,除非发生重大疾病或有医疗利用,否则对“购买了保险”这件事并没有认知。而这种健康险+健康服务的模式则可以让所有投保人都享受个性化的健康服务,毕竟,买健康险是为了健康。 

为保险公司提供健康服务技术支持的正是好人生科技。好人生科技首次将AI大数据技术引入到健康服务中,让“健康险+健康管理+大数据+人工智能”的健康险3.0四维模式落地成为可能。 


 一 

补足健康险“千亿中台基础设施”

成立于2014年,好人生科技脱胎于国内领先的健康风险管理服务机构好人生集团,专注于用AI大数据技术为保险公司提供从产品定制、数字风控、两核智化、到系统健康管理等的健康险科技服务闭环,其中尤以风控技术最为抢眼。 

据悉,好人生科技通过其人工智能健康保险云平台“健保云”,在今年不仅获评机器之心“2020人工智能金炼奖”-助力产业复苏的最强赋能AI解决方案;更在今年的世界人工智能大会上成为了《2020中国人工智能商业落地价值潜力前100强》榜单中唯一一家入榜的保险科技企业,目前客户已经覆盖了行业超过半数的保险公司和300余万活跃付费客户。 

好人生科技受市场青睐的背后其实也反应了一个普遍问题:健康险风控不到位。 

健康险主要包括医疗险、重疾险、长期护理险和失能收入险。和普通保险不同的是,健康险保障的是健康的状态,而健康状态是可以通过饮食、运动等方法人为控制的。 

所以,除核保和理赔外,健康险风控还有一个重要的步骤是“询证的过程管理”,即在用户投保后持续进行健康观察,给出健康调整建议,这在过去很长一段时间始终是一个市场空白。

如今基于好人生“全量承保”模式4大算法引擎中“健康风险诊断(HRD)”和“健康风险处方(HRP)”,才让“询证的过程管理”真正实现落地。 

对保险公司来说,过程管理的缺乏会提高投保人的出险概率,对收入产生影响。对用户来说,则只能在患病时才能感知到保险的存在。 

更重要的是,3亿慢性病患者都有可能因过程管理缺失而被健康险拒之门外,保险公司可能会对这些人群采取拒保、拒赔、除外承保和加费承保。 

在疫情的催化下,人们普遍提高了健康意识,健康险市场也因此异军突起,2020年第一季度保持了20%的行业增速。

汤子欧博士表示,到2025年健康险能达到2.5万亿市场规模,而包括过程管理在内的健康险风控则相当于整个行业的中台基础设施,是一个千亿市场的核心圈。 

从2014年成立至今,好人生科技深耕AI大数据技术,让询证过程管理从概念变成现实,并于今年在业内首创“全量承保”的概念,其技术背后包含“健康风险诊断(HRD)”、“健康风险处方(HRP)”、 “优选健康服务(PPO)”、“健康风控杠杆(HRL)”4大算法引擎,为保险公司提供从产品定制、数字风控、两核智化、到系统健康管理等的健康险科技服务闭环,并从用户投保的那一刻开始对其进行全方位的保障。

 

 二 

重新定义,AI让健康险回归本质

2013年从“世界最好的医院”梅奥医疗集团全面引进10800种疾病鉴别诊断决策树后,好人生科技的健康险风控体系已经完整,包括健康促进、慢病管理、管理式医疗。

“绝世好医”作为其极具代表性的一项“管理式医疗”技术展现手段,也于两年之后惊艳问世。经过3年产品整合,2017年,好人生科技率先推出赋能健康保险行业人工智能工具“健保云”平台,至此健康险的核心意义也重新被定义。 

健康促进:

当投保用户身体状况没有异常时,好人生科技通过“全量承保”技术中的的“健康风险诊断(HRD)”引擎,把人分成9.3亿种健康和医疗风险画像,生成个性化的“健康风险处方(HRP)”,即健康风险管理的干预方向、干预频次、干预知识库,分由医院、健康管理机构、APP等各级各类健康医疗服务机构或移动端具体承担,并进行干预服务和效果评价;包括饮食营养、运动、作息等等,根据职业特征给出日常生活建议。

比如针对媒体人就会提供“经常熬夜如何排毒”以及“饮食和运动如何配比”等健康讯息。大多数潜在的慢病诊断,通过合理的询证干预,是可以避免的;毕竟,带上慢病的终身“帽子”,是很痛苦的一件事。 

慢病管理:

当投保用户在健康险风控体系中被验证拥有慢病诊断时,就会进入慢病管理的过程,保险公司会为其提供更加精细的健康管理服务。

一般来说,慢性病会占80%的医疗费和归因死亡率,但慢病本身其实并不可怕,问题在于慢病会导致一系列并发症。慢病的并发症死亡率、致残率高,且用户容易产生错误判断,导致挂错科室、用错药等。

据了解,好人生集团从2009年便开始帮社保基金做风控管理,精算总结发现仅仅对高血压、糖尿病、慢性呼吸系统疾病等四种主要慢病做系统性干预,三年后便可以得到1:3.17的投资回报率。

也即,保险公司投入1元做过程管理,医疗费用会降低3.17元。如果加上人工智能大数据技术做全图谱管理则效果会更好。 

管理式医疗:

当投保用户发现有身体不适的情况时,则可以使用“绝世好医”进行疾病自诊和分诊,“绝世好医”会先询问用户基本情况,如,“是否有视物障碍?”“过去的24小时饮食如何?”等等。

询问完后会要求投保用户进行身体指标检测,指标答复验证后进行处方入参,根据个人身体情况生成新的就医咨询方案;万一住院了会有梅奥智能医生如同亲至陪伴左右、提供参考意见。

从好人生科技了解到,“绝世好医”的使用情况统计,20%的用户“就医转为非就医”,38%的用户“专科转为全科”,56%的用户“急诊转为非急诊”,97%用户能够“明确下一步要做什么”,而这其实就是在减少投保用户的医疗费用,降低保险公司的理赔支出,也避免了被保险人到医院交叉感染等等无效的风险行为。

约60%的使用者表示通过“绝世好医”了解了自己患了什么病;约50%的使用者表示了解了自己的病情该去哪个科室就诊。 

汤子欧博士指出:“健康风险诊断(HRD)” 是“全量承保”和“询证的过程管理”的起点和核心,相比于过去10800种临床诊断只管4-8%的人(患者)、而92%以上的健康亚健康人群无人问津的无奈,是方法学层面的基础革新。这种询证的过程管理虽然是重大“升级”,但更是对人的健康这个本质诉求的“回归”。因为归根结底,用户对健康险的要求并非金钱赔付,而是健康保障。 


 三 

行业缺失的技术拼图:知识图谱 

汤子欧博士很早就意识到过程管理在健康险中的重要性,2004年在筹建昆仑健康险时第一个提出健康管理+健康保险的方向,如今该方向已经成为行业共识。 
好人生科技在早年的风控实践中也已经证明了过程管理的作用,为什么直到2020年的今天过程管理才真正得到落地?汤子欧博士认为,这背后是AI和大数据的驱动。 
如果没有人工智能和大数据的支持,过程管理从计划到实施、干预、效果显现会是一个漫长的过程,短期内只有投入却看不见回报。 
2009年好人生帮社保做风控项目时花了5年时间进行效果总结,效果的时延性导致当年影响了整个保险行业应用过程管理的积极性。
而人工智能和大数据技术的出现在提高过程管理变现能力的同时也缩短了变现时间,让“全量承保”不再是概念。
 目前AI在健康险行业的普及度非常低,汤子欧博士认为主要问题是优质的行业“知识图谱”的缺失。
人工智能产业链分为基础层(感知与行为替代,如:OCR、NLP等)、中间层(知识与逻辑图谱,如:语义分析、诊断逻辑等)、应用层(通过基础层和中间层的整合,对传统行业的提质增效,如:无人驾驶、手术机器人等),所有基础层都必须与作为中间层的知识图谱结合才可能产生有效的应用。 
图片关键词
图:人工智能产业三层结构图
而且,如果缺乏知识图谱,深度学习模型便无法有效利用大量已存在的行业先验知识,无法超越人类原有经验,造成所谓“垃圾数据进,垃圾数据出”的统计复现结果。
比如,如果某科室对一个病种的诊治方案瑕疵率超过50%,机器也只是通过现有数据挖掘进行知识学习,那么机器产出的最终方案的瑕疵率不会比垃圾数据本身的瑕疵率更低。
所以仅有大数据是不行的,很容易(大概率)产生垃圾知识,大数据产生知识的“知识转化效率”,才是当前需要重点解决的问题。 
汤子欧博士曾撰文提出,国内对知识图谱的研究非常少,涉及知识图谱核心竞争力的企业仅占4%,健康险行业尤甚。 
如何用机器学习产生正确的逻辑与知识图谱?
对于有深度领域知识的行业来说,最关键的是“2手抓”,既要有行业大数据,即 “A类证据”,又要有行业先验(权威)领域知识图谱作为“金标准”。
然而,搜集A类证据是一个繁杂、枯燥且漫长的工作,很多时候企业会用B类甚至高噪音、高系统偏倚的C类证据进行学习;另一方面,“金标准”作为有监督机器学习的起点和参照系,更是可遇而不可求。 
好人生科技的优势就在于啃下了知识图谱这块难啃的骨头。好人生科技拥有来自国际疾病管理协会的9.3亿种健康风险诊断算法作为原始底板,且2013年从梅奥引进了10800种疾病诊断决策树,涵盖150年积累下的几十亿例病例数,从症状追溯根源。这些足以作为知识图谱绘制中的“金标准”。 
图片关键词
图:有监督学习和无监督学习对比 图源:汤博论道  
另外,好人生深耕行业几十年,已经沉淀出了大量行业大数据。这些大数据可通过监督学习,用归因法、聚类法、因子筛选算法、混杂和偏倚的辨别和重新递归算法、多元共线性发现和因子解释算法、权重法、专家会议法等等,对原有知识图谱持续补充更新,这些都是好人生科技拥有的门槛极高且无法复制的优势。

 

 四 

AI高筑护城河 

好人生科技进行AI服务的主要平台是“健保云”,其“全量承保”的模式不仅体现在风控环节,还能够为保险公司提供从产品定制、数字风控、两核智化、到系统健康管理等的健康险科技服务闭环的整包服务模式。并在多个环节的场景中看到成效。 

在核保的场景下,好人生科技针对某保险公司的重疾产品,设置高中低风险标签,经“健保云”核保系统,发现10%存在风险,其中 4%为高风险人群(存在带病投保等异常行为), 6%为低风险(可除外承保)。 

在理赔场景下,好人生科技为某大型中资保险公司的历史理赔数据提供智能大数据检核服务,通过内嵌行为识别算法的方式,对10万人的理赔进行毫秒级筛查,一个周期下来筛出8~9%的索赔异常,人工核实后发现正确率达到98%。

在复核场景下,好人生科技对已投保客户进行核保复核,经“健保云”精准排查,发现1万人中5-7%带病投保,共计可能涉及的理赔金额达数亿元。

除此之外,基于数据的由“千人一面”转向“万人多面”的产品设计和定价方式,通过“全量承保”的模式,保险机构就可以结合市场真实客群画像定制“万人多面”的保险产品,并轻松实现超大覆盖面的无拒保海量承保。

这些都是实现保险机构健康险业务真正放量发展的智能保险科技基础设施,将给健康险带来真正的万亿市场井喷机会。

“ ‘全量承保’技术,不仅可以为中国3亿慢性病患者带去健康险保障,更能够为险企唤醒7亿亚健康人群的沉默用户。”汤子欧博士说道。

好人生科技每年在AI大数据技术研发上的投入非常可观,这些投入也会在未来为企业持续扩大并稳固护城河。


原文链接:https://mp.weixin.qq.com/s/FeakQxcWPWbaTHqKt0uwAg