《福布斯》深度解析人工智能+医疗保险的四大应用场景.docx
《《福布斯》深度解析人工智能+医疗保险的四大应用场景.docx》由会员分享,可在线阅读,更多相关《《福布斯》深度解析人工智能+医疗保险的四大应用场景.docx(18页珍藏版)》请在冰点文库上搜索。
![《福布斯》深度解析人工智能+医疗保险的四大应用场景.docx](https://file1.bingdoc.com/fileroot1/2023-4/30/39f36ae1-898b-4d3b-a884-2d47a1daf9dd/39f36ae1-898b-4d3b-a884-2d47a1daf9dd1.gif)
《福布斯》深度解析人工智能+医疗保险的四大应用场景
《福布斯》深度解析“人工智能+医疗保险”的四大应用场景
撬动3.5万亿美元的庞大产业
1970年,美国人在医疗保健上的支出为745亿美元——相当于今天的4480亿美元。
到2017年,由于医疗保险和医疗救助的存在,患者、医疗服务提供商以及制药公司各方在医疗保健方面的支出已飙升至3.5万亿美元。
根据非营利性机构平价医疗委员会的数据,想要维持美国医疗体系正常运转,总共需要60亿笔保险交易(比2016年增加了12亿笔)。
这意味着,每分钟新增保单近11450件。
对于保险公司来说,整个医疗保险体系较为复杂。
而人工智能(AI)技术的介入,能否帮助保险业控制不断上升的成本,处理大量复杂繁琐的工作呢?
动脉网编译了福布斯发布的相关文章,力求深度解析“人工智能+医疗保险”的发展前景。
首先,人工智能可以帮助保险公司降低成本。
埃森哲最近的一项研究显示,通过简化管理流程,保险公司可以利用人工智能技术,在18个月内节省70亿美元。
具体来说,对于100名全职员工,如果仅仅是将日常任务自动化,健康保险公司就可以节省1500万美元。
此外,人工智能可以帮助保险公司改善消费者的整体健康状况。
安永会计师事务所的医疗数据和分析咨询主管ChristerJohnson表示:
“我们可以看到,越来越多的保险公司开始对人工智能进行投资,他们这样做是为了给客户带来更好的体验,不断改善患者的健康结果。
”
健康保险公司已经意识到了人工智能技术的潜力,并且已经有所行动。
埃森哲的一项调查显示,72%的医疗保险公司高管表示,投资人工智能将是他们明年的三大战略重点之一。
虽然医疗保险行业的领导者们还是着眼于长期的成本节约效果以及改善患者健康,但人工智能已经对整个行业产生了一定影响。
具体来说,科技带来的转变可分为以下四个领域。
AI聊天机器人:
人机互动新模式开启个性化体验
作为中国最大的保险公司,众安保险提供了医保申请、福利查询、医疗索赔等服务。
而客户可以直接与人工智能聊天机器人沟通。
数据显示,客户有97%的时间都在与人工智能聊天机器人互动。
只有遇到最棘手的问题时,才会咨询人工客服。
未来,基于人工智能的客户互动将成为普遍情况,而不是个例。
麦肯锡的一份报告显示,到2030年,聊天机器人将成为大多数保险客户的主要接触对象。
与2018年相比,人工客服将减少70%至90%。
埃森哲的一项调查发现,目前,68%的保险公司已经在其业务的各个领域使用聊天机器人。
通过使用人工智能来管理客户互动,健康保险公司每年可以节省20多亿美元。
PremeraBlueCross的创新和战略投资副总裁TorbenNielsen表示:
“医疗保险客户越来越适应这种人机互动的模式。
我们对用户体验做了大量研究之后发现,越来越多的人非常乐于采用这种技术解决方案,而不是直接与人进行沟通。
”
Premera是太平洋西北地区最大的健康保险公司,拥有近220万名会员。
2017年,该公司推出了PremeraScout,这是一款全天候的聊天机器人,可以帮助客户快速获取索赔、福利和其他Premera服务的信息。
TorbenNielsen解释道,“会员们想要的是一种个性化的体验。
人工智能让我们能够获取复杂的数据,并以更个性化的方式从中获得价值。
”
信诺(Cigna)和Humana等大型医疗保险公司也在利用机器人来提供服务。
信诺推出了Answers聊天机器人,它可以使用自然语言处理来理解和回答150多个常见问题,并提供个性化的福利信息。
由于推出了Answers聊天机器人和DigitalOneGuide服务平台,在2017年,信诺的客户满意度上升了20%。
尽管目前机器人主要处理基本的客户互动,TorbenNielsen预计,“未来,机器人将访问客户的个人健康信息,并找出被忽略的医疗保健漏洞。
最终,它们可以为客户提供定制的、数据驱动的健康指导。
”
机器学习:
更快、更智能的索赔管理,减少医保欺诈行为
麦肯锡的一项研究显示,每10起医疗保险索赔中,保险公司通常会将8起列为医疗保险欺诈行为。
这意味着,多达80%的索赔必须由理算员进行审核,这一过程会耗费大量的时间、金钱和人力。
然而,人工智能正在改变整个保险业的索赔处理方式,因为算法能够在几秒内就发现异常,而不需要几天、几周或几个月的时间。
“多年来,接受还是拒绝索赔,主要是基于处理系统中硬编码的既定规则,”安永会计师事务所的Johnson解释说,“现在技术人员开始嵌入更多的机器学习模型,这些模型可以考虑多种因素,而不是仅仅依靠硬性、快速的规则。
”
美国反保险欺诈联盟表示,在将人工智能技术引入保险业的过程中,欺诈检测是投资最多的领域之一。
在2016年,超过75%的保险公司使用机器学习算法来识别医疗保险欺诈行为。
更快的欺诈检测意味着更快的处理过程。
一项由保诚集团牵头的新加坡试点项目证明:
人工智能将处理索赔的时间缩短了75%,曾经花了九天时间处理的索赔现在只需2.3秒就能解决。
然而,Johnson发现,由于受到多种因素的限制,比如收集、整理来自医院、医生办公室和药店等不同地方的非结构化数据,索赔处理中的人工智能自动化比许多人想象中要慢。
预测分析:
准确预测疾病发生,提早做好预防措施
许多大型保险公司正在探索,如何利用人工智能解决方案,来预防疾病的发生。
同时,它们也投资于科技初创企业,计划利用其创新分析技术。
例如,2017年,PremeraBlueCross投资了CardinalAnalytx。
这家医疗人工智能初创企业由斯坦福大学孵化,它可以利用预测模型,在患者生病或者出现其他身体紧急情况之前,推荐干预措施。
TorbenNielsen表示:
“CardinalAnalytx能够非常准确地预测出患者何时会出现严重的健康问题,从而避免一些重大且棘手的事情。
同时,这一技术也可以帮助我们降低成本。
”
同样,信诺也投资了Prognos,该公司将人工智能用于实验室诊断。
通过分析拥有140亿份医疗记录的数据库,Prognos可以预测客户最有可能什么时候去急诊室,或者进行髋关节、膝关节置换,还可以提前三个月准确诊断出抑郁症。
早期干预有很多益处,特别是对于慢性病患者来说。
ChristerJohnson引用疾病预防控制中心的研究说:
“目前,大约75%的医疗支出与慢性疾病有关,如非终末期癌症和糖尿病。
”
Johnson进一步解释道,“基于各项指标的预测分析,比如患者在线搜索症状信息或拜访专家等,可以预测即将发生的负面事件。
通过及早采取干预措施,保险公司可以提前提供相应的医疗服务。
”
“对于患有慢性疾病的人来说,有了人工智能,他可以即时收到提示,然后向医疗服务提供者或保险公司寻求帮助。
我们可以看到,如果在正确的时间寻求帮助,那么患者的参与度可以提高800%以上。
”Johnson说到。
远程信息技术:
基于客户行为的保险模式成未来趋势
在2014年,美国前进保险公司推出了一款手机应用程序,用于其Snapshot项目。
通过人工智能对数百万个超速、急刹车或开车时发短信等数据点的分析,该应用程序可以为遵章守法的驾驶员提供降低保费的服务。
好事达、StateFarm和Nationwide等大型保险公司也根据远程数据提供了类似的激励措施,为客户节省了数十亿美元的保费。
在这一过程中,汽车保险公司也节省了数十亿美元的事故赔偿费用。
相关研究表明,车辆远程信息技术可以减少60%的超速事件,对于年轻司机来说,这一技术可以让大型事故发生率降低35%。
鉴于可穿戴传感器的普及,比如Fitbit以及通过智能手机追踪健康数据等,基于客户行为的保险模式似乎是医疗保险的必然选择。
TorbenNielsen表示:
“我们可以看到,一些保险公司已经开始尝试这种模式。
比如,针对运动步数的奖励措施。
”
2018年,美国保险巨头恒康保险宣布将停止承保传统人寿保险,只销售通过智能手机和可穿戴设备追踪健康数据的“互动式”保单。
这家保险公司的首席执行官BrooksTingle向《纽约时报》解释说:
“人们活得越久,我们赚的钱就越多。
”
但是,TorbenNielsen强调,“在健康保险领域,基于客户行为的保险模式还处于早期发展阶段。
目前,行业相关人员还无法确定,是否应该将这种模式进一步推广。
”
就消费者而言,他们似乎非常愿意用个人数据换取更便宜的保险。
TroubadourResearch对1194名美国消费者进行了调查,近一半的人表示,他们愿意向医疗保险公司提供自己的生物特征数据,以换取保费折扣。
当大型健康保险公司正关注基于行为的保险模式时,一些保险技术初创公司已经研发了相关的产品。
BioBeats和FitSense正利用人工智能技术,对健身可穿戴设备生成的数据进行处理,以提供个性化的员工健康计划。
其他AI医疗保险初创公司也在不断创新,推出更加个性化的产品,比如Collectivehealth、Bind和Oscar。
TorbenNielsen认为,“这些科技公司会使所有的医疗保险公司及其客户受益。
创业公司进入医疗保险市场会带来积极的影响,因为他们带来了新的思维,这让我们能够真正深入了解我们的核心竞争力是什么,并确保我们开发的医疗产品是适应未来趋势的。
”
最终,向个性化的转变会从根本上改变健康保险公司的传统业务模式。
长久以来,保险公司的承保范围都是基于使用统计抽样构建的风险池。
现在,人工智能可以帮助他们实时挖掘大量数据集,预测单个消费者(而非群体)的健康状况。
TorbenNielsen表示:
“自然语言处理、机器人技术、机器学习——这些人工智能技术不仅可以帮助保险公司提高效率,也可以为消费者创造更好的体验,让他们过上更健康的生活。
”
一年为客户节省27亿美元,CotivitiHoldings如何提高医疗支付准确性?
2018年6月,业内领先的提供支付精度解决方案的公司CotivitiHoldings(以下简称“Cotiviti”)被VeritasCapital和投资组合公司VerscendTechnologies以49亿美元的价格收购。
这项收购协议达成之后,Cotiviti 6月初股价大涨,溢价32%。
此时距离Cotiviti成立也不过三年多时间。
Cotiviti成立时间虽短,却大有来头。
2014年5月,后付费医疗保健支付精度解决方案领导者ConnollySuperholdings(创立于1979年)宣布与预付费医疗保健支付精度解决方案领导者iHealthTechnologies合并。
合并后的新公司致力于帮助医疗保健客户识别和纠正不准确的支付,通过集成的解决方案帮助客户在日益复杂的医疗环境中提升支付精度。
该公司于2015年9月正式更名为CotivitiHoldings。
就在当年,该公司为客户挽回了27亿美元的损失。
这一出色表现,使“CotivitiHoldings”这个新名字被业内广泛认可,该公司借此机会迅速与美国最大的25家医疗保健支付机构,以及美国最大的10家零售商中的大多数建立了合作伙伴关系。
动脉网对该公司的基本情况及主要业务进行了梳理:
上市、换帅、并购,巩固支付精度领域领导者地位
迅速建立起行业地位以后,Cotiviti并没有止步于此,接下来的两个大动作更是证明了该公司立志成为行业领袖的决心:
一是2016年5月26日,Cotiviti首次公开募股,正式登陆纽约证券交易所(股票代码为COTV),发行价19美元每股,共发行1250万股,募资2.375亿美元;二是同年8月,该公司迎来了上市后的首任总裁兼首席执行官——EmadRizk博士。
作为一名经验丰富的知名医疗行业高管,EmadRizk博士拥有超过25年与付款人、提供者和政府实体密切合作的经验。
此前,他还出任了AccretiveHealth的首席执行官,并加入了该公司董事会。
在AccretiveHealth之前,EmadRizk博士是为医疗保健支付者提供临床和财务解决方案的McKessonHealthSolutions公司的总裁。
在加入McKesson之前,EmadRizk博士曾担任德勤咨询公司(Deloitte)的高级合伙人和全球医药管理总监。
在德勤任职期间,他领导了公司所有部门的医疗成本和质量管理实践。
在此之前,他曾担任孟山都(Monsanto)公司的副医疗总监和全球医疗总监。
EmadRizk博士目前是Intarcia/Accuray和全美西班牙裔健康协会(NationalAssociationforHispanicHealth)的董事会成员。
他还曾在美国国家临床咨询委员会、国家质量审查委员会任职,并在DMAA(护理连续体联盟)董事会担任董事。
加入Cotiviti一年后,2017年7月,EmadRizk领导该公司通过股权融资获得3000万美元。
同月,EmadRizk带领Cotiviti以7000万美元的价格收购了医疗数据分析公司RowdMap,旨在进一步丰富和优化Cotiviti的支付精度分析工具。
业内表示,这两家公司的共同之处在于,它们提供的分析软件能提供相应数据支持,以确保一些需要承担风险、高价值的医疗服务是可行的。
这次收购进一步巩固了Cotiviti在支付精度领域的领先地位,也让业界见识到了EmadRizk雷厉风行的作风。
在EmadRizk看来,随着美国医疗保健行业的成本不断上升,医疗行业参与者们面临着越来越复杂的临床和财务风险。
Cotiviti的核心使命就是帮助客户优化财务绩效、提高支付效率以及整体医疗价值。
值得一提的是,该公司的客户类别相当广泛,包括付款人、政府、医疗保健机构、保险经纪人、零售商、人寿保险公司以及律师事务所等等。
EmadRizk表示,医疗保健的监管和结构格局最近发生了许多变化,比如对个人健康计划市场的重大修改以及医疗补助计划的扩大,这些变化都在推动着医疗保健计划的创新。
但创新也面临着重大挑战,例如,支付方必须大力投资,以改善其过时的IT基础设施。
这些基础设施无法对市场变化做出快速反应,无法使用分析技术加强与供应商之间的合作。
基于此,该公司主要为其遍布美国、加拿大、英国和印度的客户提供由数据分析驱动的三类支付精度解决方案:
▪1、前瞻性索赔准确性解决方案,使医疗服务客户能够在索赔裁决后立即识别并解决索赔差异,并在索赔支付给医疗服务提供商之前解决;
▪2、追溯索赔准确性解决方案,使医疗保险公司识别和解决付款不准确后,索赔已支付给医疗服务提供商;
▪3、该公司还提供分析和支持服务,包括反欺诈、浪费和滥用分析,以识别编码和计费实践中的异常模式。
构建多样解决方案,为医疗支付生态系统创造差异化价值
这三大类解决方案是Cotiviti所有支付精度解决方案的基础和核心,以此为基础,该公司又根据不同的业务类型和客户类型对其进行了细分,具体问题具体分析,构建了专门针对医疗行业客户的四大解决方案,希望为医疗保健生态系统创造差异化价值:
付款准确性解决方案
Cotiviti的支付准确性套件可以通过为索赔支付生命周期中的每一个关键维度(从早期支付策略管理和临床索赔审查到支付后图表审查和欺诈模式调查)提供解决方案,节约医疗和行政成本。
以付款准确性解决方案中的“欺诈,浪费和滥用(FWA)解决方案”为例。
医疗诈骗造成的经济损失估计每年高达数百亿美元。
强制处理效率、被忽视的索赔、人员过多或不足、不同的记录系统、不完整的报告和数据集都可能造成欺诈、浪费和滥用(FWA)。
此外,由于医疗身份盗窃、身体风险以及与有组织犯罪集团的合作日益密切,医疗诈骗活动对患者的危害越来越大。
Cotiviti的FWA解决方案由临床医生、索赔和监管专家、管理人员和数据分析师共同设计,适用于新出现的欺诈方案和合规要求。
该集成解决方案将来自一个模块的数据分析、决策和见解应用到其他模块的规则和算法中,从而创建更强大的反欺诈解决方案,在满足合规性和财务目标的同时,检测并阻止欺诈,浪费和滥用(FWA)。
该公司独特的解决方案为其赢得了近100个支付方客户——从小型第三方管理员到全国25家最大支付方中的21家,其中许多都与Cotiviti合作十年以上。
风险调整解决方案
风险调整解决方案旨在对会员的风险负担进行合规、准确的补偿。
风险调整计划很复杂,成功的管理需要保持完整的合规性,同时确保个人健康计划的风险负担在医疗记录和相关提交中得到适当记录。
了解要使用哪些风险调整工具以及何时使用它们对于确保及时和一致的收入支付至关重要。
此外,监管环境变化频繁,政府审计也变得越来越普遍,这些因素都会对风险调整产生影响。
为了进行风险调整,Cotiviti部署了自然语言处理(NLP)和机器学习方面的临床和分析专家,一千多名经过认证的编码专业人员以及超过450名检索专家,为健康计划提供全面的、端到端的前瞻性和回顾性风险调整服务和支持,结合技术、人工智能、分析和深入的专业知识,确保与风险相关的收入得到优化,同时保持适当的遵从性。
以风险调整解决方案中的“家庭评估解决方案(In-HomeAssessments)”为例。
为了充分管理和协调其成员的护理,卫生计划需要访问所有相关成员的医疗数据。
然而,医疗记录、索赔或数据中包含的信息往往不能代表成员的健康、行为健康洞察力的全部状况。
让合格的执业护士或医师助理接触家庭成员,并完成全面的个人健康评估,可以提供基本和缺失的临床数据。
这一过程不仅可以推进护理质量和护理管理,还可以提供适当和全面的文件,确保成员的临床风险负担得到适当的掌握和证实,以便进行风险调整。
质量和性能解决方案
随着基于价值的补偿成为标准,Cotiviti的质量和性能解决方案允许卫生计划从简单地报告质量措施,转变为驱动更高价值的卫生保健计划的购买、交付和使用。
该公司的解决方案使卫生计划能够更有效地与其提供者网络、成员以及计划本身内的其他功能团队协作。
计划可以成功管理会员的临床和财务风险,最大限度地利用有限的内部资源,并符合行业要求和法规。
质量改进是复杂的、不断发展的,并且越来越与财务盈利能力联系在一起。
Cotiviti可以帮助客户将质量度量和报告转化为基础,以支持诸如人口健康、质量改进、遵从性、网络管理和合同以及基于价值的补偿等关键任务。
该公司通过NCQA认证的度量逻辑和易于使用的报告软件与大量的、专业的检索和抽象服务相结合,以简化整体流程,争取在每个阶段都以最少的工作量获得最有效的结果。
DxCGIntelligence风险调整和预测模型是Cotiviti性能分析解决方案的核心,20世纪90年代初与美国医疗保险和医疗补助服务中心(CMS)合作开发。
DxCGIntelligence使用Cotiviti的专有预测模型将医疗数据转化为个人成员的风险评分,分数与其潜在疾病负担的成本相关。
评分后汇总具有关键属性的个人得分可生成组级预测结果,帮助分析有关医疗保健效率的关键问题。
分级条件类别(HCC)模型也建立在DxCGIntelligence的基础上,CMS今天仍然使用该模型作为风险调整医疗支付的基础。
Cotiviti的质量性能解决方案DxCGIntelligence凭借付款人质量分析和报告解决方案荣获2017年度最佳KLAS奖。
KLASResearch利用其完善的方法和详尽的客户研究来评估多个类别的供应商和解决方案性能。
客户特别指出,Cotiviti在软件性能和易用性方面领先于竞争对手。
生命和法律服务
Cotiviti的生命与法律服务旨在快速、轻松地检索对其客户的业务至关重要的医疗记录。
人寿保险行业在很大程度上依赖于既有利可图又长期有效的强有力政策的批准和承保。
快速收集准确的主治医师陈述(APS)的能力对于解读政策至关重要。
Cotiviti拥有专利的医疗记录检索流程,该流程足够灵活,每个人都可以通过安全的在线帐户快速订购、跟踪、检索和查看数字化的APS文件。
该公司为人寿保险行业的所有利益相关者提供服务,包括经纪人总代理(BGA)和独立代理人。
该公司解决方案允许其他不可计的费用可计,并足够灵活,可以让任何法律专业人员快速订购、跟踪、检索和查看数字化医疗记录。
Cotiviti的调度和检索工作流系统是其检索过程的核心,帮助代理快速准确地请求、汇总、数字化和索引患者临床数据。
一旦记录被提取,就可以从其中央医疗记录库中随时获取。
该公司则会跟踪、存储和管理有关每个提供商的详细信息(例如,联系信息、营业时间、检索方法以及记录位置、类型和联系方式),以确保有效检索。
Cotiviti在生命与法律服务方面的的客户包括为保险和金融服务市场提供销售分销软件套件的Pipeline公司、为律师事务所提供案例管理软件的公司TrialWorks以及从事专业分时数据处理服务的公司Needles。
这几家公司都拥有35年以上的运营历史。
对于CotivitiHoldings的定位及其多样化解决方案,该公司执行副总裁兼行政干事JordanBazinsky曾说过这样一段话:
“在医疗行业,技术和数据正变得越来越精确,以至于行业参与者们可以在比以往任何时候都更细粒度的细节上去做文章。
换句话说,Cotiviti在观察总体和评估需求方面已经做得相当好了,但是在个体层面上应用同样的分析方法是非常困难的,例如,我们不仅要从数据中解析出发生了什么,还要分析它为什么会发生。
当我们能够更好地查明各种风险的驱动因素时,我们就可以为解决这些问题指定责任。
”
由此看来,医疗支付领域的解决方案有很多种形式:
基于价值的智能合约、医疗系统中新的伙伴关系,以及向患者提供更多有关其健康的信息,使他们能够做出更好的决定,等等。
随着时间的推移与技术的进步,业内对知识的这种微调只会越来越精确,使医疗支付类企业能够“治疗”医疗系统,并取得有意义的进展。
健海科技用AI打造以随访为入口的医疗后花园
随访是一个医疗体系中,让医生爱恨交织的环节。
爱之,不仅可以拉近医患距离、提升医疗质量,还能帮助医生收集科研所需的相关临床数据;恨之,让稀缺的医生资源去管理海量的患者群体,难度不言而喻,随访时常意味着医生在工作量上的“加量不加价”。
心有余而力不足,是我国医护人员在面临随访环节时的普遍状态。
为什么会形成这样的局面?
健海科技CEO汪健在接受动脉网(vcbeat)记者采访时表示:
“医生的天职和价值是判断和诊疗,而与患者建立长期联系,本质上是一件服务性质的事。
”
在他看来,随访市场是一片广阔的蓝海,这个市场最大的痛点是医护人员时间上的不足,这使得现有的医疗体系无法支撑随访市场的快速发展。
因此,这个行业需要创新。
健海科技的核心成员来自于思创医惠、网新、阿里、联众等知名企业。
这家成立于2015年的生命科学企业主要专注于患者的院后管理,以“让关怀成为一剂良方”为理念,通过互联网+物联网+AI的模式,广泛对接医院HIS系统,帮助患者完成出院到家庭再到医院复诊闭环的精细化管理。
上线四年,健海科技已经深度合作超过200家医院,其中全国百强医院二十余家,三甲医院占比约60%,服务住院患者2000万+、医院患者近亿人次,协助完成科研学术论文/cell杂志/863课题近百篇。
解放医生的关键,是把看病与服务分开
现有医疗体系下的医疗方式主要有两种:
一种是主动医疗,另一种是被动医疗。
随访是主动医疗中的一种,即需要医生主动去跟踪病人的病情。
但问题也随之而来——在我国医疗资源急剧匮乏的情况下,患者治疗尚不能保证,如何有精力对患者进行随访?
很多患者尤其是慢性病患者,在医院只能完成看病这一环节,更多的康复和调养,都需要回到