人工智能控费为健康险理赔把脉

　　健康险智能控费的大规模应用已经成为行业的主要趋势。目前市场上已经有多家机构开发健康险智能控费系统，但在面对复杂的理赔业务时，现有的系统仍然面临能力短板的制约。
　　大部分健康险智能控费系统对理赔信息的应用仍停留在录入、查询、修改和简单的统计等数据展现功能，录入字段范围有限，造成理赔数据基础薄弱，对于基础数据质量要求高，如果不符合数据质量的要求，即造成较大范围功能的失效，难以适应数据质量参差不齐的现状；依赖于现有的规则和知识库，难以发现刻意规避的欺诈案件和未列入规则的不合理行为，对于潜在的风险无法及时发现，也无法做到及时的系统经验沉淀。人工智能为健康险理赔风控把脉
　　基于上述挑战和问题，一些技术团队在深入研究健康险政策、健康险控费现状、健康险数据库和医疗知识库特点的基础上，结合人工智能技术，开始在健康险理赔风控领域提供技术服务。
　　技术设计思路是从挖掘理赔数据自身的特征出发，运用领先的人工智能建模技术搭建风险模型，在基于模型的自学习能力对合规与合理的医疗行為进行重新定义，通过识别数据异常来排查高风险医疗行为，结合多维度风险特征因子、团体健康险政策及医学知识库，输出高风险案件的评分，以指导后续核查工作。人工智能技术的应用有以下几个优势。精准高风险识别
　　基于人工智能建模技术的开发，相比传统的智能风控技术，模型拥有强大的自学习能力。从数据自身特点出发，以异常行为作为学习规则，通过自聚类、回归分析等技术手段对合规、合理与高风险医疗行为搭建分类器，结合健康险政策、规范化路径及医疗知识库，对案件的输出配备相应的医学和政策解释，作为核查及控费的指导依据。
　　通过人工智能技术，定义了以下三大类高风险行为：
　　一是欺诈，用虚假信息套取保险基金支出。
　　二是违规，药品或治疗手段使用超出理赔限制范围，或者采取违规手段规避审核。
　　三是滥用，药品或治疗手段使用明显超出实际治疗所需。数据质量要求低
　　在数据质量不高的情况下，通过人工智能技术依然能够产生明显的效果。人工智能技术仅需调用最常见的基本字段，即可对健康险的理赔案件进行审核。随着数据质量的逐步改善，其审核效果进一步得以提升，不会产生由于数据质量差而导致失效的情况。合理医疗路径指导
　　健康险业务牵涉各方，理赔控费难度较大。通过大数据分析建立理赔高风险画像库，包括医院、医生、参保人和诊疗等各类子画像库，各个子画像库中，标签维度随着业务开展不断予以完善，进而从中发现普遍性问题，通过政策建议逐步改善各项不合理支出。理赔业务管理的有力抓手
　　通过人工智能技术，可以对高风险案件进行分级和分类管理。一方面对理赔案件的风险进行评分，使保险公司有条件进行分层级审核，对于高风险案件的审核权限适当地予以上收，一定程度上减轻一线审核人员由于主观因素带来的损失；另一方面对理赔案件进行风险分类，使保险公司得以有针对性地调阅文件，手册化规范线下稽查动作，使得优秀的审核经验得以沉淀和贯彻。借助人工智能技术，使保险公司的省分公司智力资源和市县支公司的人力资源得到合理的分配和利用。人工智能助力健康险理赔风控
　　传统的基于规则的健康险风控系统由于对数据质量要求高，而全国各地政策差异大，数据录入的质量参差不齐，导致现有的健康险风控系统难以大范围推广。而人工智能技术采用不同的技术路径，仅调用最常用的字段，符合大多数地区的数据现状，具备了合作的基础条件。
　　由于该技术路径不依赖于政策、目录等外部因素，定制化工作少，可以有效适应各类医疗健康保险，也极大地降低了推广的成本和难度。
　　基于人工智能学习的既往经验，试点可以在很短时间内即产生不错的效果，所积累的经验、方法论以及合作模式亦可向全面合作拓展。降本增效，促进业务发展
　　健康保险业务效益的产生，依赖于理赔业务的费用控制，其过程中产生的数据对于公司商业保险业务的产品设计、核保、核赔和展业都有重要的价值。但是由于理赔业务工作量大，审核成本高，与此同时，公司部分竞争对手正加大力度发展理赔智能风控业务。通过实践来看，人工智能技术不仅能够有效减少人工审核工作量，还能有效降低理赔业务的经营成本。建立技术、管理和数据壁垒
　　人工智能技术是下一代健康险智能控费系统的主要方向，目前各保险公司、科技公司、TPA公司都在抢占技术制高点，所采用的人工智能技术在该领域优势明显，在实际项目中验证了可行性和效果。
　　在人工智能技术的协助下，保险公司将会在业务实践中不断总结经验，形成优秀管理模式，通过统一的数据平台沉淀管理经验，形成健康险业务的管理优势。而理赔数据积累更是一笔有形的财富，通过人工智能技术对公司历年的理赔数据进行深入挖掘，大幅提高用户高风险的分析识别准确率，对于多元化产品设计，核保核赔端降本增效，最终实现自动核保、自动理赔，提升终端用户体验。
　　本文作者系栈略数据创始人兼CEO。