Puntos clave:
- La colaboración entre RGA y DigitalOwl combina tecnología avanzada de IA con experiencia en suscripción y el Manual Global de Suscripción de RGA, creando una plataforma basada en IA que optimiza la revisión de registros médicos para los suscriptores.
- RGA ha creado diagramas de árboles de decisión y modelos de gravedad, integrándolos con los flujos de trabajo de DigitalOwl. Esto permite que la IA extraiga automáticamente detalles clave de los registros médicos para clasificar los niveles de riesgo en condiciones como la depresión y el cáncer.
- Las mejoras futuras que integren fuentes adicionales de datos, como historiales de prescripción, datos de exámenes e información de reclamaciones, proporcionarán una visión aún más completa para mejorar aún más la precisión de la evaluación de riesgos a través de flujos de trabajo de suscripción mejorados con IA.
Las plataformas de suscripción impulsadas por IA generativa prometen una eficiencia y precisión notables. Sin embargo, su verdadero potencial sólo se desbloquea cuando se conecta con rutas de evaluación de riesgos que combinan ricas bases de datos con herramientas y experiencia probadas en suscripción para tomar decisiones precisas rápidamente.
Una asociación reciente de la industria refleja el inmenso potencial de este enfoque impulsado por flujos de trabajo. La asociación de RGA con DigitalOwl combina una poderosa herramienta de IA con experiencia en suscripción y un Manual Global de Suscripción (GUM) altamente investigado. El resultado es un soporte de decisiones impulsado por IA que libera a los suscriptores de la ardua tarea de revisar miles de páginas de registros médicos. DigitalOwl también permite que los suscriptores consulten historiales médicos para obtener información específica, como medicamentos o tratamientos, y lleguen a decisiones más precisas.
A continuación, se ofrece una visión interna de cómo los suscriptores de RGA están integrando herramientas de IA como DigitalOwl para agilizar y mejorar las evaluaciones de riesgos.
Todo sobre los flujos de trabajo
DigitalOwl desarrolló flujos de trabajo diseñados para simplificar y personalizar la revisión de registros médicos. Estos flujos instruyen a la IA a buscar información específica en registros médicos que permitirá a los suscriptores localizar detalles clave rápidamente, como la fecha de diagnóstico de diabetes o el tiempo que un solicitante ha tomado un medicamento específico, como la Metformina. Armados con estos detalles, los suscriptores podrían ser dirigidos a la clase de riesgo adecuada según la filosofía de suscripción de RGA.
RGA luego desarrolló árboles de decisiones basados en su Manual Global de Suscripción. Estas directrices aprovechan la vasta experiencia de RGA en suscripción médica para agregar profundidad y especificidad a las aplicaciones de DigitalOwl.
El proceso consiste en encontrar los detalles clave para tomar una decisión de riesgo sólida. Por ejemplo, en casos de depresión, los flujos de trabajo analizan automáticamente listas de medicamentos, historiales de tratamiento y hospitalizaciones. Los flujos de trabajo harán preguntas como: “¿cuándo fue diagnosticada la persona con depresión?”, “¿la persona ha sido hospitalizada por depresión?”, “¿qué medicamentos toma la persona para la depresión?”. La tecnología propietaria de DigitalOwl luego utiliza las respuestas para presentar un análisis de depresión para el suscriptor.
En casos de cáncer, los flujos de trabajo se enfocan en informes de patología, duración de los tratamientos, recurrencias, resultados de laboratorio y hallazgos de imágenes médicas relevantes. Esta información, cuando se evalúa en conjunto, puede ayudar a mejorar los resultados de la suscripción.
Las respuestas generadas por flujos de trabajo incluyen la vinculación a una página fuente. Al hacer clic en estas páginas fuente vinculadas, el suscriptor es dirigido a la sección del registro médico de donde la IA está extrayendo esos detalles. Esto ayuda al suscriptor a validar la información y a dirigirse rápidamente a las páginas pertinentes que deben ser revisadas.
Oportunidades de formación con los flujos de trabajo
Los flujos de trabajo también pueden capacitar a los nuevos suscriptores y familiarizarlos con los detalles de un manual de suscripción. Con flujos de trabajo sólidos, los nuevos suscriptores no tienen que saber todo lo que hay que preguntar sobre una discapacidad médica en particular. Los flujos de trabajo ayudan a los suscriptores a reunir cada pieza de información y les dan el resultado final, además de las preguntas formuladas para asegurar que no se pase por alto nada. Ver la información extraída sobre discapacidades específicas y cómo se obtuvo esa información puede proporcionar aprendizajes clave para los suscriptores más nuevos y darles una perspectiva integral del caso.
Modelos de gravedad
Los suscriptores pueden clasificar a las personas de diversas maneras para evaluar el riesgo, pero el proceso suele ser complejo.
En el pasado, los suscriptores revisaban miles de páginas de registros médicos para recopilar la información necesaria y clasificar a un individuo. Estos registros podrían llegar desordenados, lo que obligaba al suscriptor a revisar cada página para descifrar detalles importantes de múltiples visitas médicas. Además, esos registros podrían contener una mención aislada de un evento médico importante o un factor de estilo de vida que podría pasarse por alto si el suscriptor se enfrenta a una cantidad tan grande de documentos.
Para combatir estos desafíos, los equipos de suscripción de RGA han desarrollado y probado modelos de gravedad completos para integrarse con los flujos de trabajo de DigitalOwl. Estos modelos utilizan manuales de suscripción para aplicar diferentes niveles de riesgo a las diversas severidades de una condición particular: por ejemplo, leve, moderada y grave. Utilizando métodos innovadores de modelado con IA, las herramientas digitales como DigitalOwl pueden implementar modelos de gravedad complejos alineados con manuales de suscripción, como el Manual Global de Suscripción.
Por ejemplo, una versión leve de depresión podría incluir el uso de un antidepresivo en baja dosis con síntomas mínimos o nulos. Una versión moderada podría incluir múltiples medicamentos psiquiátricos o tiempo perdido del trabajo debido al empeoramiento de los síntomas. Y si un solicitante tiene antecedentes de intentos recientes de suicidio o hospitalizaciones, se clasificaría como grave.
RGA y DigitalOwl continúan desarrollando nuevos modelos de gravedad y esperan expandirlos para cubrir condiciones médicas pertinentes como el asma, apnea del sueño, enfermedades psiquiátricas, cánceres, diabetes y otras condiciones comórbidas.
Mejoras futuras
Las herramientas de suscripción impulsadas por IA, como DigitalOwl, seguirán mejorando a medida que se disponga de nueva información.
Una mejora clave será integrar bases de datos externas, como recetas médicas, resultados de laboratorios, datos de reclamaciones y aplicaciones de seguros. Estos nuevos flujos de datos ofrecen una visión más clara del riesgo de una persona y pueden llenar vacíos en el registro médico. También pueden proporcionar información más actualizada sobre los tratamientos.
El resultado será una visión más completa de la historia médica de una persona sin que el suscriptor tenga que reunir fuentes de datos dispares para determinar una clasificación de riesgo.
Esta visión integral también puede ser útil en procesos posteriores, como auditorías (monitoreo posterior a la emisión y control de calidad interno) y manejo de reclamaciones. Los profesionales de reclamaciones pueden utilizar los flujos de trabajo para obtener la información relevante que les permita determinar la causa de muerte de un asegurado. La capacidad de hacer clic en las páginas fuente y acceder directamente a los registros médicos también es enormemente útil en el procesamiento de reclamaciones.
Conclusión
Integrando herramientas impulsadas por IA, como las soluciones de DigitalOwl, los suscriptores pueden convertir datos no estructurados en información clara y procesable, mejorando significativamente los procesos de toma de decisiones. Estas herramientas permiten evaluaciones de riesgo más precisas y brindan oportunidades de capacitación para nuevos suscriptores. RGA continúa evolucionando las capacidades de DigitalOwl, incorporando fuentes de datos más amplias para lograr una mayor precisión. El potencial transformador de los flujos de trabajo mejorados con IA está creando un nuevo paradigma para la evaluación y gestión de riesgos.
