← Каталог

Страховые убытки — самая сложная проблема с данными для ИИ

Insurance Claims Are AI's Messiest Data Problem — Denys Linkov, Wisedocs

Сложные медицинские дела по страховым выплатам упираются в грязные данные: дубликаты, смешанные записи пациентов и сканы, поэтому AI даёт надёжный результат только после очистки данных и проверки человеком.

  • Дубликаты и смешанные записи — по словам спикера, дубликаты в некоторых юрисдикциях занимают до 50% и больше, а записи других пациентов попадают в дело. Без систем детекции плохие данные приходят снова и снова.
  • Оценка по MLCR — бенчмарк из шести уровней вопросов по медицинским делам оценивает точность, полноту и краткость против экспертных ответов, а судьи калибруются. По словам авторов, максимальная точность на самом высоком уровне reasoning выросла с 20% до 75% за несколько месяцев.
  • Конвейер извлечения — OCR, модели извлечения и классификации, затем слой сводок, которые проверяет человек. Собственные модели обучены ради стоимости, а точность и галлюцинации названы главными ограничениями.
  • Анализ по портфелю — структурированные данные позволяют смотреть на провайдерные сети, сочетания диагнозов и разброс цен на одинаковые процедуры. Экономию по срокам спикер подтверждает для отдельных организаций, а не для отрасли в целом.

Кому полезно: инженерам, которые извлекают данные из PDF, сканов и факсов в регулируемых отраслях, например в страховании.

Статья по теме

Главы

Ещё доклады: Denys Linkov

Страница спикера →

Похожие доклады