医拍智能引领健康险行业变革

• 医拍智能引领健康险行业变革

  
  

  以人工智能为代表的新一轮科技革命正在引爆保险业的变革与创新。其中，始终热衷于在保险领域进行创新变革的泰康保险再一次不负众望，于今年年初正式上线了金融保险行业首个全流程AI认知核保系统。与传统核保系统相比，该系统不仅有效提高了核保人员的工作效率，减轻了保险公司对核保人员素质的过度依赖，也将为后续保险公司向客户提供全生命周期的健康管理起到坚实的支撑作用。由于该系统是世界首创，毫无经验可寻，因此，泰康在立项之初只能慎之又慎，对医拍智能、IBM、腾讯等公司的开发实力进行了较长时间缜密的评估。最终，泰康选择了具有深厚医疗AI背景的医拍智能公司作为核心系统的开发公司。

  泰康之所以选择医拍智能，主要是因为医拍智能作为最前沿的医疗AI公司之一，在人工智能和大数据分析等方面具有绝对优势，在医学图像辅助诊断和医疗单据识别方面也达到了国际领先水平。基于亿级的医疗影像和保险单据识别业务中积累的实践经验，结合三维卷积与时序神经网络等世界前沿的人工智能技术，医拍智能成功地将医疗、人工智能与保险业务进行了更为紧密的结合。

  

  那么，人工智能核保系统具体能为我们带来什么呢？在传统的健康险核保流程里，核保师要通过对客户的体检报告、健康告知书以及其他相关信息综合分析，做出承保（包括标准承保和除外责任）和拒保（包括延期观察和拒绝）的结论。这种透过体检报告和告知书等信息对客户健康情况进行评估的工作是一个极其复杂的过程，这需要核保师不仅要熟悉保险业务，而且要有丰富的医学知识和临床经验。优秀的核保师原本就应该是优秀的临床医生。但众所周知，医生是个越老越吃香的职业，很少有人会离开本专业去做核保师。而健康险的核保工作又是保险风控里最重要的一个环节，很多保险公司都非常缺乏优秀的核保师，随着近些年保险业务量的激增，优秀核保师的缺口越来越大，同时由于核保师的缺乏也制约了保险公司业务的提升，这也是包括泰康在内的所有保险公司共同的痛点。因此，基于对医疗和保险的深刻理解，采用AI方法训练智能核保模型，以协助抑或替代部分核保师的工作，对保险公司具有非常重要的现实意义。

  但对于初次接触智能核保AI模型的用户而言，很多人不禁会问，AI是否真的可以胜任如此复杂的核保工作呢？可以通过分析医拍智能的核保系统，揭开这一复杂工作的神秘面纱。让我们化繁为简，把智能核保模型的工作流程归纳为以下三步：第一步是先把体检报告的影印件通过OCR技术（计算机文字识别技术），将影印件里的文字提取出来转变成信息；第二步是把这些体检信息标准化，亦即把不同格式、不同名称的体检项和检查单里的长文变成统一格式、统一项目、统一的语言描述，这是一个自然语言处理的过程（NLP技术）；第三步是将标准化的体检信息和健康告知书及其他相关信息输入智能核保模型，最后由系统给出承保或拒保的结论。其中，值得我们关注的是，相对于通过规则建立起来的核保模型，由AI赋能的智能核保系统具有天然的优势。这是因为，随着AI核保模型学习内容的增多，系统的准确率会不断提高，甚至有超过优秀核保师的可能。

  但知易行难，世界第一个健康险智能核保系统之所以今年才在泰康上线，是因为将保险、医疗和AI技术相结合需要攻克诸多难题。我们知道，智能核保系统需要保险、医疗、人工智能和计算机工程四个领域资深专家共同开发才能顺利完成，管理和协调难度相当大。俗话说隔行如隔山，保险专家、医疗专家和IT工程师在一起讨论问题，基本上是“鸡同鸭讲”。为此，医拍智能在AI核保项目的开发中，构建了新的研发模式。通过这种新的工作方式，使团队里的每个成员都尽可能地了解其他业务知识，也使每一位成员都具有了项目的整体观。并且，通过在开发过程中，每个开发人员较为清晰地了解自己的工作与其他专业的交叉点，熟悉这个交叉点的其他专业知识，从而大幅提高了开发效率。

  开发这一世界首创的智能核保系统，不仅要解决上述跨专业项目管理的问题，还要攻克诸多技术难题，这也是当前尚无同类智能核保系统的主要原因之一。具体来看，首先，训练人工智能学习模型需要海量的数据，而这些数据需要有效的清洗，亦即对数据进行去粗取精、去伪存真的工作。如果数据量少，其实这项工作并不难完成，但因为模型训练所需要的数据是海量的，因此，如何高效地对数据进行清洗就成为一个非常大的难题。其次，智能核保项目不仅要求系统对每一个被保险人的体检件给出正确的核保结论，而且要求对该结论给出评判依据，这就要求项目组选取较好的训练模型。这一过程也需要大量的试错。再次，人工智能模型有一个重要的环节就是特征工程的构建，这也是医学和AI的一个交叉领域。要做好这项工作需要医学团队有丰富的医学知识和临床经验，同时要对AI的原理和核保的原则有深入的理解。因为各家医院对检查结果的描述千差万别，若要完成对客户的标准画像，同时要有助于模型的训练，需要对这些自然语言进行处理（natural language processing，NLP）。而对于医学文献的自然语言处理，其最大困境在于需要医学专家标注海量的学习资料，目前来讲很难请到那么多有经验的医学专家在短时间内标注这么大量的资料，而且对专家们进行标注培训也是一个相当耗时费力的过程。

  

  健康险智能核保系统已成功服务于泰康保险集团数十家省级分公司，实现核保作业全流程数字落地、AI技术嵌入，同时建立了客户健康及投被保等业务相关特征描述矩阵，能够对保险客户做出精准的健康画像，为后续对客户进行个体化的健康管理打下了良好的基础。

  随着生活水平的提高，基本医疗保险的保障范围很难再满足人们对高水平高质量医疗服务的追求，商业医疗保险对基本医疗保险的补充作用越来越明显，而商业医疗保险对风险控制的要求也会越来越高，因此人工智能核保可能会被更多的传统保险公司和互联网保险公司所看好。