0
De gezondheidszorg en de Kunstmatige Intelligentie (AI) zijn stuk voor stuk zeer veel in het nieuws nu. De Verenigde State Senaat heeft een voorstel voor wetgeving voor de intrekking van de Affordable Care Act (aka “Obamacare”), het verlaten van wat de Amerikanen met schroom over hun dekking. Ondertussen, de zinnen “machine learning” (ML) en “artificial intelligence” kan inspireren belangen van hun eigen.
Wat als er een manier te combineren dekking van de gezondheidszorg met machine learning te proberen en de levering van diensten niet alleen efficiënter (die veel zorgen kan worden code voor “minder goed”) maar meer pro-actief? Zou dit de kosten en het verbeteren van de zorg? Zou het helpen betalers optimaliseren van customer care dan de botte gegeven van het houden van de klantenservice bellen duur laag?
Gezonde tech?
Een bedrijf er zo over denkt. Accolade en de Maya ‘ s Intelligence-Motor, die kondigde vorige week, gebruik ML en AI in de richting van deze eindigt. Het bedrijf heeft het misschien onduidelijke ambitie van het leveren van de “meest gepersonaliseerde gezondheidszorg ervaring,” het lijkt erop dat ook de toepassing van beide gegevens wetenschap en gezond verstand om te helpen verzekeraars doen een betere baan te helpen van hun klanten.
Maya Intelligence Engine flow beschrijving
Credit: Accolade
Toen ik sprak met Mike Hilton, Accolade ‘ s Chief Product Officer van deze week, hij legde me uit dat het conventionele model in de gezondheidszorg is gericht op de ziekste 5% van haar klant bevolking, uit te voeren hulpverlening aan hen en misschien doen sommige predictive analytics op wat hun volgende cursus van actie zou moeten zijn. Hilton zegt dat klanten niet de neiging om voor deze aanpak en de participatie van deze inspanningen aan de zijde van de klant is erg laag.
Buiten de 5%
Accolade ‘ s aanpak is tot het uitbrengen van een veel breder netto, gericht op niet alleen de 5% van de klant bevolking in de meest acute staten van ziekte, maar veel gezonde klanten. Targeting jongere leden, die kan heel gezond, heeft merites te –, omdat die kunnen zijn dezelfde leden die, bijvoorbeeld, wemelt het op het indienen van claims, of naïef gebruik van out-of-network providers en zijn huiverig om te bellen en te vragen om opheldering over een hoge rekening die ze ontvangen.
Dit, op zijn beurt, kan ze rustig ontevreden met hun dekking, ziek-in-gemak met het gebruik van, of laks plannen gratis in het netwerk physicals en dergelijke. Een dergelijke afstandelijkheid van hun uitkeringen kunnen leiden tot een slechte gezondheid later, evenals minder dan vasthoudend beheer van hun voorwaarden.
ML is proactief
Machine learning kan helpen hier. Het is duidelijk in de verzekeraars het belang van hun gezondere leden tevreden zijn met hun dekking en profiteer van de preventieve voordelen. Intelligentie in de Prijs is een platform kan leiden tot outreach uitleg over de parameters van de aanbieder van het netwerk, of een (menselijke) gezondheidszorg assistent evenzo doen, via de telefoon. Dit kan helpen bij het opbouwen van vertrouwen en een rapport dat leidt leden meer comfortabel gebruik te maken van hun dekking en proactief te zijn in hun eigen zorg.
Dan de “gezonde duizendjarige” scenario, stel je voor een vrouw van middelbare leeftijd die pre-diabetes. Betrokkenheid in een vroeg stadium zinvol is, voor zowel de verzekeraar en de lidstaten. Proactief beheer van de aandoening zal duidelijk lagere kosten voor het eerste. Maar het vormt ook responsible care coördinatie. Zonder machine learning, vertellen betalers moeten ze gaan in een dergelijke reikwijdte kan worden glib op zijn best; maar met ML, verzekeraars kunnen implementeren, als een zaak van de procedure, met een hoge mate van vertrouwen, statistisch gezien, dat het in hun belang is om dit te doen.
De zorg voor de iPhone-generatie
Dit hele calculus van het analyseren van betrokkenheid van de gegevens, medische voorgeschiedenis, algemene voorwaarden en de “context” en vervolgens boeiende, heeft een aantal lingo die gepaard gaat met het: het bepalen van de “next best action.” Dat is een groot onderdeel van wat een Onderscheiding is, maar de technologie is niet op de back-end. Accolade biedt een mobiele app die de leden kunnen gebruiken om te communiceren met zowel de gezondheid assistenten en verpleegkundigen iets veel lekkerder in deze tijd dan het maken van een afspraak voor een kantoor bezoek en nemen misschien uren van de dag in reizen, wachten en tijd voor een afspraak.
Een screenshot vorm de Onderscheiding Mobiele app
Credit: Accolade
Zelfs met de mobiele app interactions, de Maya ‘ s motor kan helpen. Met behulp van Natuurlijke Taal Verwerking, de Maya ‘ s kunnen opnieuw gaan rond, naast de beste actie…het kan ook bepalen of de gezondheid van de assistent is aan te bevelen en indien het lid streeft. Nogmaals, dit is zo veel gezond verstand als het AI en, laten we eerlijk zijn, de zorgverzekering wereld echt kunnen profiteren.
Waar concurrerende belangen
Interessant is dat, hoewel een Onderscheiding heeft klanten die dragers zijn deelname in de verzekering van de gezondheid van de uitwisseling (er is dat Obamacare ding weer!), de meeste van zijn klanten zijn zelf-het verzekeren van de werkgevers. Dat is een interessante achterban, omdat het de gevestigde belangen, zowel in de kosten-efficiëntie en de gezondheid van de werknemers en de tevredenheid van de medewerkers (als deze leiden tot een hogere retentie van werknemers). Self-verzekeren van de werkgevers zijn niet goed bediend worden door systemen die spelen alleen om het minimaliseren van de kosten — een dergelijke benadering zou alleen maar leiden tot hogere kosten in de aanwerving en de productiviteit van de werknemer.
Accolade zegt het platform heeft een 70 Netto Promotor Score en zegt dat is tien keer het gemiddelde in de industrie. Hilton verklaarde een industrie termijn van kunst tot mij: de zogenaamde ‘ Triple Aim,” hetgeen betekent dat het voldoen aan de doelstellingen van gelukkiger consumenten, gezondere consumenten, en de lagere kosten van de zorg. Als met de CAP stelling in data science, elk facet van de Drievoudige Doel kan werken, in tegenstelling van de andere, en het bereiken van alle drie is ongrijpbaar.
Maar Hilton zegt Onderscheiding doet het erg goed in alle drie de aspecten. Hij vertelde me ook Accolade heeft een grote data science team. Die correlatie kan een element van de causaliteit. Soms, data science maakt het eenvoudiger om het juiste te doen.
0