人工智能控費為健康險理賠把脈

劉戈杰

健康險智能控費的大規模應用已經成為行業的主要趨勢。目前市場上已經有多家機構開發健康險智能控費系統，但在面對復雜的理賠業務時，現有的系統仍然面臨能力短板的制約。

大部分健康險智能控費系統對理賠信息的應用仍停留在錄入、查詢、修改和簡單的統計等數據展現功能，錄入字段范圍有限，造成理賠數據基礎薄弱，對于基礎數據質量要求高，如果不符合數據質量的要求，即造成較大范圍功能的失效，難以適應數據質量參差不齊的現狀；依賴于現有的規則和知識庫，難以發現刻意規避的欺詐案件和未列入規則的不合理行為，對于潛在的風險無法及時發現，也無法做到及時的系統經驗沉淀。

人工智能為健康險理賠風控把脈

基于上述挑戰和問題，一些技術團隊在深入研究健康險政策、健康險控費現狀、健康險數據庫和醫療知識庫特點的基礎上，結合人工智能技術，開始在健康險理賠風控領域提供技術服務。

技術設計思路是從挖掘理賠數據自身的特征出發，運用領先的人工智能建模技術搭建風險模型，在基于模型的自學習能力對“合規”與“合理”的醫療行為進行重新定義，通過識別數據異常來排查高風險醫療行為，結合多維度風險特征因子、團體健康險政策及醫學知識庫，輸出高風險案件的評分，以指導后續核查工作。人工智能技術的應用有以下幾個優勢。

精準高風險識別

基于人工智能建模技術的開發，相比傳統的智能風控技術，模型擁有強大的自學習能力。從數據自身特點出發，以異常行為作為學習規則，通過自聚類、回歸分析等技術手段對合規、合理與高風險醫療行為搭建分類器，結合健康險政策、規范化路徑及醫療知識庫，對案件的輸出配備相應的醫學和政策解釋，作為核查及控費的指導依據。

通過人工智能技術，定義了以下三大類高風險行為：

一是欺詐，用虛假信息套取保險基金支出。

二是違規，藥品或治療手段使用超出理賠限制范圍，或者采取違規手段規避審核。

三是濫用，藥品或治療手段使用明顯超出實際治療所需。

數據質量要求低

在數據質量不高的情況下，通過人工智能技術依然能夠產生明顯的效果。人工智能技術僅需調用最常見的基本字段，即可對健康險的理賠案件進行審核。隨著數據質量的逐步改善，其審核效果進一步得以提升，不會產生由于數據質量差而導致失效的情況。

合理醫療路徑指導

健康險業務牽涉各方，理賠控費難度較大。通過大數據分析建立理賠高風險畫像庫，包括醫院、醫生、參保人和診療等各類子畫像庫，各個子畫像庫中，標簽維度隨著業務開展不斷予以完善，進而從中發現普遍性問題，通過政策建議逐步改善各項不合理支出。

理賠業務管理的有力抓手

通過人工智能技術，可以對高風險案件進行分級和分類管理。一方面對理賠案件的風險進行評分，使保險公司有條件進行分層級審核，對于高風險案件的審核權限適當地予以上收，一定程度上減輕一線審核人員由于主觀因素帶來的損失；另一方面對理賠案件進行風險分類，使保險公司得以有針對性地調閱文件，手冊化規范線下稽查動作，使得優秀的審核經驗得以沉淀和貫徹。借助人工智能技術，使保險公司的省分公司智力資源和市縣支公司的人力資源得到合理的分配和利用。

人工智能助力健康險理賠風控

傳統的基于規則的健康險風控系統由于對數據質量要求高，而全國各地政策差異大，數據錄入的質量參差不齊，導致現有的健康險風控系統難以大范圍推廣。而人工智能技術采用不同的技術路徑，僅調用最常用的字段，符合大多數地區的數據現狀，具備了合作的基礎條件。

由于該技術路徑不依賴于政策、目錄等外部因素，定制化工作少，可以有效適應各類醫療健康保險，也極大地降低了推廣的成本和難度。

基于人工智能學習的既往經驗，試點可以在很短時間內即產生不錯的效果，所積累的經驗、方法論以及合作模式亦可向全面合作拓展。

降本增效，促進業務發展

健康保險業務效益的產生，依賴于理賠業務的費用控制，其過程中產生的數據對于公司商業保險業務的產品設計、核保、核賠和展業都有重要的價值。但是由于理賠業務工作量大，審核成本高，與此同時，公司部分競爭對手正加大力度發展理賠智能風控業務。通過實踐來看，人工智能技術不僅能夠有效減少人工審核工作量，還能有效降低理賠業務的經營成本。

建立技術、管理和數據壁壘

人工智能技術是下一代健康險智能控費系統的主要方向，目前各保險公司、科技公司、TPA公司都在搶占技術制高點，所采用的人工智能技術在該領域優勢明顯，在實際項目中驗證了可行性和效果。

在人工智能技術的協助下，保險公司將會在業務實踐中不斷總結經驗，形成優秀管理模式，通過統一的數據平臺沉淀管理經驗，形成健康險業務的管理優勢。而理賠數據積累更是一筆有形的財富，通過人工智能技術對公司歷年的理賠數據進行深入挖掘，大幅提高用戶高風險的分析識別準確率，對于多元化產品設計，核保核賠端降本增效，最終實現自動核保、自動理賠，提升終端用戶體驗。

本文作者系棧略數據創始人兼CEO。