健康保险是医疗保健行业的一个重要组成部分，仅私人健康保险支出估计$ 1.1十亿2016年根据医疗保险和医疗补助服务中心(Centers for Medicare and Medicaid Services)提供的最新数据。这一数字占2016年全国卫生支出的34%3.3万亿美元。
在本文中，我们将研究四个AI应用程序，它们解决了保险行业的未充分利用和欺诈问题。
以下的一些应用程序声称，他们正在使用人工智能来帮助提高医疗保险的成本效率，同时减少在未充分利用或可预防的医疗上的资金浪费。
其他应用程序要求检测欺诈索赔。根据美国司法部的医疗欺诈部门的说法，当医疗服务提供商向医疗保险提供商(如医疗补助、医疗保险或私人保险公司)收取更高的费用以满足患者的医疗程序或预约时，欺诈行为就会发生。美国司法部报告称，医疗保险行业因欺诈而损失惨重1000亿美元一年。
在这篇文章中，我们着手确定的回答以下重要问题：
- 什么类型的AI应用正在兴起，以提高医疗保险的效率和优化？
- 医疗市场是如何实现这些人工智能应用的?
大多数的AI用例和健康保险行业新兴应用似乎可分成两大类：
- 成本效率:保险公司和类似的健康公司正在开发软件平台，向患者推荐预防性的健康习惯和行为，如营养策略和锻炼。这降低了由不健康习惯造成的可预防的医疗支出的浪费或损失。
- 欺诈检测:研究人员正在发展机器学习算法来分析医疗保险索赔预测欺诈案件。
下面，我们给出了每个类别的例子，以及每个人工智能应用的当前进展(筹集的资金，试点应用，等等)。在深入研究这些公司之前，我们提供一些关于健康保险是如何设计的背景。
(对保险行业使用人工智能有更广泛兴趣的读者可以阅读我们的全文，标题为:如何美国的前4家保险公司使用机器学习。)
了解健康保险费用-简要概述
健康保险绝不是一个线性的过程，它是由一系列的因素决定和影响保险公司如何设计保险计划的。例如，根据美国法律，医疗保险公司考虑并限制在五个因素计算保险费。根据美国医疗保险和医疗补助服务中心，这些因素包括年龄、地点、烟草使用、登记类别(个人与家庭)和计划类别。以下是对这些因素的描述:
- 年龄:作为个体的年龄,医疗需求预计将增加，并变得更加复杂。因此，保险公司可能会将老年人的保费设定为年轻人的三倍。
- 地点:这一因素在决定保费方面发挥作用，因为市场竞争和生活成本因州和地方水平而异。
- 烟草使用:根据美国卫生条例，烟草使用者比那些不使用这种物质的人要多支付高达50%的保险费用。
- 个人与家庭登记:根据法律规定,保险公司可以对配偶和/或受抚养人的保险计划收取更高的费用。
- 计划类别:这个因素可以分为五类:青铜、白银、黄金、铂金和巨灾。每个类别都试图在保费和自付费用之间实现成本分担的平衡。例如，一个较便宜的计划，如青铜器类别，通常有较高的自付费用，但较低的每月保费。对于月保费较高的计划(如白金保险计划)，情况正好相反。
上述因素和欺诈性医疗和处方索赔费用的重大负担使保险制度承受沉重压力。欺诈的例子包括提供者为实际上没有提供给病人的服务开票，或提供不必要的医疗服务以产生保险支付。
我们现在来看看下面的应用程序如何声称人工智能可以帮助提高效率和节约成本。
成本效率
荣誉
成立于2007年，在宾夕法尼亚州普利茅斯会议和华盛顿州西雅图设有办事处。荣誉。声称他们的玛雅智能平台使用机器学习来推荐明智的健康选择，比如帮助病人选择最适合他们需要的健康保险，提高生活质量，降低医疗成本。
该网站与寻找团体保险的雇主合作，但也可以帮助特定健康计划的成员，因为它提供一般医疗保健提供者和健康保险选项的个性化指导。除了Maya智能平台，该公司还允许用户与具有临床专业知识的人类顾问(如护士)进行交流。
2017年6月，公司成立宣布该平台的首次亮相，旨在以数字格式整合多个医疗数据信息集，包括福利计划、医疗和Rx(处方)索赔、实验室结果，以及该公司的客户与该公司聘用的医疗顾问和医疗专业人员之间的互动。数字平台帮助连接客户和供应商。
该公司报告称，目前该服务刚刚结束110万个客户其中包括美国雇员及其家人。用于训练玛雅智能算法的健康数据来自该公司的客户群。
该公司表示，平台使用自然语言处理帮助分析和文本格式的综合数据，以提取有意义的洞察和趋势。机器学习有助于收集患者的背景，包括“福利计划，医疗和Rx索赔，生物识别结果，风险评分和人口统计人口”，以建立一个病人的个人资料。
根据一项新闻稿及宣传短片在该公司，当患者登录时，他们可以访问自己的个人资料以及一些人口统计和公司健康保险信息。如果用户希望与护士或医疗助理讨论某个话题，比如医疗或账单问题，该平台有一个推荐功能，可以将他们与最符合他们背景和需求的医疗专业人员进行匹配。从那里，用户可以呼叫他们的办公室或向提供者发送消息
这个平台也可以推荐公司的健康保险计划的选择或其他金融选项给用户。根据宣传视频此外，该公司还表示，用户还可以拍下账单的照片，记下有问题的地方，然后将其发送到医疗服务机构的办公室。
在下面的短视频中，ade的员工和健康服务提供商讨论了他们为什么选择创建Maya，同时指出了它的一些特性:
在一个案例研究中，ade报告说，天普大学卫生系统(TUHS)能够成功地降低其医疗成本达第二年节省980万美元与公司合作。
在此之前与赞誉工作，TUHS卫生服务表示，对TUHS健康计划员工都不能充分发挥预防访问和调度安排很少涉及医疗预约。这导致了相当的收入每年损失的百分之四。荣誉称它帮助TUHS员工及其家属通过TUHS更有效地浏览可用的服务。
“我们签署了赞誉，因为我们认为这将有利于我们的员工，的确如此。在今年之一，我们取得了接近50％的员工敬业度和保存在医疗赔付成本超过两百万美元。在第二年，这些成本节省有翻了两番多。”- 约翰·拉斯基，副总裁兼首席人力资源官，天普大学健康系统
据报道，截至2018年3月，该公司已经筹集了资金2.173亿美元在总资金。根据LinkedIn页面该奖项的数据科学家包括Ankita耆那教徒的他拥有休斯顿大学(University of Houston)计算和应用数学博士学位。
该奖项的客户包括Teladoc公司，一家为7500多名客户提供远程医疗服务的公司，美世和AmeriHealth。
集体健康
该公司成立于2013年，总部位于加州旧金山，集体健康据称，该公司通过其在线管理平台使用机器学习来整合人口数据、医疗索赔和查询，以简化雇主的医疗管理。
2017年3月，该公司宣布一个试点项目，为集体健康客户(雇主、受保员工、他们的家人和他们的医疗服务提供者)引入一个推荐引擎，该引擎使用机器学习来个性化医疗导航过程，以更好地导航他们的医疗保险选项。
据Collective Health称，CareX平台使用多种算法，这些算法根据Collective Health成员门户网站上的索赔和搜索查询，以及用户和集体健康成员倡导者之间的互动和询问而训练。
CareX声称可以识别模式，并建议哪些解决方案或程序将满足每个独特用户(包括雇员和雇主)的健康需求。
在发布新闻稿时，该公司报告称，它为15名雇主客户提供服务，达到7万名雇员客户及其家属。
据该公司称，当雇主登录该平台时，仪表板允许他们点击一个选项来了解更多关于他们的具体公司计划和他们提供的服务。该平台的搜索引擎允许雇主使用搜索标准和位置信息，找到他们可能想要选择或转移到的潜在健康、视力和牙科员工计划的建议。
Collective Health声称是公司保险计划的一站式网站，它指出，一旦公司的保险计划被选定，选择加入保险计划的员工可以利用这个平台获得综合的健康、视力和牙科保险信息，即使保险计划来自不同的保险公司。
员工还可以使用该平台根据搜索条件查找医生或与健康相关的项目。该公司表示，用户还可以收到保险公司的建议，看看他们所在地区的情况，以及公司可能提供的其他保险计划，这些计划可能更适合他们的生活方式。
当雇主返回平台，他们也可以看到保险计划参与度统计资料，包括多少预防保健（通常由美国保险计划覆盖）是由自己的员工使用。
该公司指出，医疗服务提供商也可以使用不同的平台格式来审查索赔或提交新的索赔。该平台也可以通过移动设备访问。
以下来自CareX的照片展示了雇主如何使用该平台来跟踪会员使用覆盖预防保健的比例，以及员工如何使用该平台来选择和跟踪他们公司的保险计划。
雇主的观点:
员工的观点:
虽然找不到演示版，但这段2分钟的视频解释了集体健康如何帮助雇主为公司选择保险，并帮助员工利用其功能。
CareX的试点项目持续到2017年，“精选客户和1.5万多名会员”，从2018年1月开始扩展到其他群体。
根据该公司的网站，集体健康客户的例子包括红牛，爵士制药和易趣。
根据Collective Health的领英(LinkedIn)页面，公司员工中有数据科学家，其中包括资深科学家吉姆Kubicek他拥有卡内基梅隆大学机械工程博士学位尼古拉斯Gustafson他拥有纽约大学(New York University)神经科学博士学位。据报道，截止到2018年2月，该公司已经筹集了总额为10亿美元的资金2.67亿美元。
欺诈检测
Kirontech
成立于2014年，总部位于英国剑桥，Kirontech声称其软件平台KironMed使用机器学习来识别和减少索赔管理过程中的低效。
根据公司的网站中，KironMed算法进行培训，对大型公共数据库。Kirontech宣称其平台综合这些数据，以确定医疗报销的组件和检测模式，其归属关系健康保险欺诈（不准确的计费）或废物（即服务的利用不足）。
Kirontech目前没有提供其公共数据库来源的名称。然而，公共数据库的例子包括HealthData.gov;其中包括来自美国疾病控制中心、美国食品和药物管理局以及美国国立卫生研究院的数据。
该在线平台提供基于云的服务。当用户登录时，他们可以使用特性进行分析风险分析和可能的损失预测。他们也可以医疗保健供应商比较。任何情况下，研究目前发表在Kirontech的网站。Kirontech也没有提供一个演示视频。
据报道，截止到2017年3月，该公司已经筹集了总计10亿美元的资金350万美元的A轮融资与飞跃创投该公司是一家风险投资技术公司，被列为主要出资人。Kirontech的创始人兼联合ceo，Tarek Nassar，在理论和数学物理博士用在投资银行业十年的经验。据说，他还持有在机器学习应用专利。
在Linkedin上与Kirontech有关联的14位专业人士中，有一位是初级数据科学家，桑德罗Ephrem他是一名计算机工程专业的研究生，现居黎巴嫩。
在KironMed的网站、Youtube、Vimeo和在线搜索中，找不到KironMed平台的任何演示或产品图片。
Azati
成立于2001年,Azati一家位于新泽西州利文斯顿的软件公司声称，它利用机器学习技术，在其自定义自助服务网络和移动保险平台上发现并提醒保险公司欺诈行为。
该公司的软件解决方案的算法训练了大量先前处理的索赔。然而，Azati并没有具体说明其网站上实际使用的索赔数量。与欺诈相关的模式可以被识别为平台生成的数据之间的连接，并通过数字通知向用户显示。
当保险公司或公司保险的投保人登录平台时，他们可以跟踪保单和索赔通过一个简单的仪表板，Azati可以定制，以适应保险公司的需要。Azati表示，如果该系统在分析新索赔时发现可能存在欺诈行为，它会通知保险公司的人类专家，以便进行调查。软件平台还提供有标签索赔的说明，说明作出这种决定所使用的因素。
当保险提供者登录到在线门户时，azati构建的仪表板中提供的可用选项包括保险结算和编码，管理文档管理和索赔管理。Azati表示，它的平台也是一个定制的CRM(客户关系管理)软件解决方案，可以直接从客户那里集成数据和文档。
根据Azati的LinkedIn页面，对数据科学家的搜索结果只有一个，阿拉Khramkova他拥有白俄罗斯国立格罗诺大学(Yanka Kupala State University of Grodno)经济控制论硕士学位。
在一个案例研究该公司声称，它帮助优化了一家未透露名称的保险公司的业务流程，并“比以前更准确地发现欺诈性案件三倍”。“在与Azati合作之前，保险公司需要投入大量的时间和资源来确定其收到的每个索赔的可信度。该案例研究不包括成本节约或收入的数据。
Azati是一家声称可以为多个行业提供解决方案的软件公司，它的保险平台并没有专门的演示版本。
然而,其保险服务网页包括一个产品形象，其中显示了他们的一个预先构建的定制平台可能看起来像一个保险公司。
该公司说，迄今为止，他们大约有330名客户和一个由105名专业人士组成的团队，除了金融、教育和娱乐等保险行业外，他们还涉足多个领域。迄今为止，Azati尚未公布其保险行业客户的名字。
最后的想法
机器学习非常适合处理必须进行分析和评估以简化医疗保险程序的大量数据集。由于大多数应用程序在实施过程中仍处于相对较早的阶段，因此有必要进行更多的案例研究，以证明节省成本的潜力和对所有最终用户的易用性。
展望未来，对于寻求为索赔管理实现AI软件解决方案的健康保险公司来说，有一些重要的因素需要考虑。荣誉的平台，它使用自然语言处理、似乎是文档分析的自然选择。因此，保险公司可能希望确保来自医院的发票是数字格式的，以优化系统处理。
同样重要的是要记住，人工智能解决方案的价值是由强大的程序补充的。保险公司应该事先有一个完善的索赔管理程序。例如，Collective Health的CareX依靠健壮的索赔数据来训练其算法，并优化其平台的性能。
例如，Azati的保险平台可能要求人类专家准备接收和处理索赔，当他们被标记为潜在的欺诈。为接下来的步骤制定一个清晰的分步程序将有助于保险公司实现它们的目标。
经济和政治因素也将影响保险市场。医疗保险和医疗补助服务中心预计取消个人强制参保的税收立法，再加上GDP增长和就业趋势，可能会使参保人口从2016年的91.1%略微下降到2026年的89.3%。
在对这些市场波动的预期中，我们可以预期，寻求削减成本、扩大业务规模和改善客户结果的公司将更多地在医疗保险行业采用人工智能解决方案。
标题图片来源：thebalance.com
