Analizando la nueva frontera desde tres perspectivas: aseguradora directa, proveedor y reaseguradora
Puntos clave
- La mayor disponibilidad de datos de salud digitales mejora la precisión y eficiencia en la suscripción, pero los suscriptores deben manejar la sobrecarga de información y cumplir con las regulaciones en constante cambio.
- Evaluar el valor protector único y las implicaciones costo-beneficio asegura que los nuevos activos de datos generen resultados significativos sin complejidad o gastos innecesarios.
- La tecnología y los modelos predictivos pueden agilizar los procesos, pero el pensamiento crítico sigue siendo esencial para interpretar los datos y alinear las decisiones con las prioridades del negocio.
En 1961, el presidente Kennedy declaró que Estados Unidos llegaría a la luna, no porque fuera fácil, sino porque era difícil. Esa misión no se logró solo con cohetes. Los datos fueron el combustible en cada etapa de aquella histórica carrera espacial.
Hoy, la suscripción enfrenta una frontera similar. Las herramientas han cambiado, pero el principio sigue siendo el mismo: los datos impulsan el progreso. Los suscriptores tienen acceso a un conjunto más rico y detallado de datos de salud que nunca antes. Cada fuente ofrece una perspectiva distinta del perfil de salud de un solicitante. Por ejemplo:
- Laboratorios clínicos: pruebas realizadas en entornos de atención médica que apoyan el diagnóstico, tratamiento y seguimiento continuo. Estos resultados ofrecen indicadores en tiempo real que validan o complementan las condiciones declaradas.
- Reclamaciones médicas: muestran las solicitudes formales de reembolso enviadas por los proveedores a las aseguradoras. Los datos de reclamaciones médicas revelan patrones de atención y condiciones crónicas que a menudo pasan desapercibidas en las solicitudes tradicionales.
- Registros médicos electrónicos (EHR): ofrecen una vista continua y digital del historial médico del paciente a través de distintos proveedores. Los EHR aportan profundidad y continuidad, a menudo revelando condiciones y tratamientos que no se mencionan en otros documentos.
- Registros dentales: sirven como indicadores de riesgos de salud más amplios, al proporcionar una visión integral de la salud oral.
Si bien las guías tradicionales de suscripción se basan en laboratorios de seguros y declaraciones del médico tratante (APS), el cambio hacia los datos digitales requiere recalibrar los procesos. El papel del suscriptor es entender lo que cada fuente de datos puede ofrecer, reconocer dónde pueden existir vacíos y aplicar pensamiento crítico para determinar la mejor manera de llenarlos.
No se trata de reemplazar la experiencia tradicional en suscripción; se trata de ampliar nuestra visión, mejorar la eficiencia y tomar decisiones con mayor confianza.
Las dos caras de la moneda de los datos
Como ocurre con cualquier cambio significativo, la incorporación de estos datos novedosos trae tanto desafíos como oportunidades.
Los desafíos
La evidencia digital contiene una gran cantidad de información. Aunque sus extensos datos ofrecen una visión completa del historial de salud de un solicitante, también implica que el suscriptor debe evaluar muchos más puntos de información en cada caso.
Más no siempre significa mejor. La repetición de datos dentro y entre fuentes, la aparición de formatos visuales poco familiares y la inclusión de información de salud irrelevante contribuyen al “ruido” del cual el suscriptor debe extraer la información útil.
Para calmar este desafío, los suscriptores pueden aprovechar las capacidades de toma de decisiones, puntuación y priorización que muchos proveedores ofrecen junto con sus productos de evidencia digital. Estas herramientas facilitan que el suscriptor concentre su atención y detecte los ‘detalles clave’ en el entorno digital
Otro reto para los suscriptores en la era de la evidencia digital es la intensificación del control regulatorio. Esto se da al mismo tiempo que surgen preguntas de productores y consumidores que aún pueden no estar familiarizados con su uso y relevancia.
Un ejemplo es el uso de puntajes de riesgo conductual basados en crédito para evaluar el riesgo de mortalidad. Estados como Colorado y Nueva York han emitido guías regulatorias que abordan preocupaciones sobre el uso por parte de aseguradoras de Fuentes Externas de Datos e Información del Consumidor (ECDIS, por sus siglas en inglés). Cumplir con estas directrices es fundamental, y los suscriptores juegan un papel clave para garantizar un uso justo y no discriminatorio.
A nivel individual de productor y consumidor, los suscriptores pueden tener la tarea de explicar cómo se usan los productos de datos para la evaluación de riesgos. Contar con un conocimiento sólido del producto, sus entradas y su relación con el riesgo de mortalidad es importante para que estas conversaciones sean efectivas.
Por último, la evidencia digital para suscripción a veces carece del nivel de detalle de las fuentes tradicionales. Los suscriptores deben aplicar habilidades de pensamiento crítico para tomar decisiones con la evidencia disponible cuando sea apropiado. Esto permitirá mejorar los tiempos de respuesta en la toma de decisiones y manejar de manera adecuada los costos por unidad de evidencia de suscripción.
Las oportunidades
Un perfil digital de datos más amplio puede ofrecer a los suscriptores una visión más completa de la salud del solicitante, lo que permite una evaluación de riesgos más precisa y una colocación de casos más efectiva. Como beneficio adicional, al facilitar aún más las decisiones sencillas, las aseguradoras primarias pueden dedicar recursos valiosos de suscripción a los casos complejos, donde más se necesitan.
Las insurtech cada vez más sofisticadas ayudan a procesar e interpretar de manera eficiente estos datos más completos, sin importar la cantidad que se obtenga de un solicitante en particular. Los motores de reglas y los modelos predictivos, que mejoran rápidamente, pueden dar sentido a grandes volúmenes de información que de otro modo podrían abrumar al equipo de suscripción, mientras que los modelos de lenguaje grande (LLMs, por sus siglas en inglés) pueden resumir de inmediato los datos no estructurados.
Además, la posibilidad de aprovechar una amplia variedad de activos de datos de salud digitales permite a las aseguradoras agilizar el proceso de solicitud para los consumidores. Con información más completa disponible desde el inicio, las aseguradoras primarias pueden tomar decisiones más rápidas y definitivas, y reducir la dependencia de requisitos de seguimiento invasivos o costosos.
Esta mayor conveniencia aumenta la probabilidad de que los solicitantes completen el proceso y obtengan cobertura de seguro.
Diferentes perspectivas
Voz de la aseguradora primaria
Comprendiendo el valor protector único
El valor protector único (UPV, por sus siglas en inglés) surge cuando un solo dato de evidencia conduce a una decisión de suscripción más adversa de lo que se habría tomado sin él. Por ejemplo, los datos digitales pueden revelar hábitos de consumo de tabaco actuales o insuficiencia cardíaca congestiva no declarada, lo que lleva a una reevaluación del riesgo. Identificar el UPV es crucial para determinar si la evidencia de suscripción justifica su costo.
Consideremos este ejemplo: un solicitante admite haber fumado hace cuatro meses, pero no desde entonces. Sin embargo, los datos de reclamos médicos indican consumo de nicotina un mes antes de la solicitud. El suscriptor aprueba el caso aplicando las tarifas estándar para fumadores.
¿Los datos de reclamos médicos proporcionados por la UPV? La respuesta probablemente sea no. La mayoría de las aseguradoras primarias evaluarían las tarifas de tabaco si hubo consumo de cigarrillos en el último año. Dado que el solicitante admitió consumo dentro de este período, se aplicarían las tarifas de tabaco de todos modos. Aunque hubo una declaración incorrecta por parte del solicitante, no fue material.Análisis costo-beneficio
Una vez identificado el UPV, un análisis costo-beneficio (CBA) evalúa el costo de obtener la evidencia frente a su valor protector. Los estudios muestran que incluso con pocos hallazgos, las aseguradoras primarias pueden lograr ahorros significativos utilizando evidencia de suscripción digital. Esto resalta la viabilidad financiera de integrar datos digitales en los flujos de trabajo de suscripción.
Análisis costo-beneficio
Una vez identificado el UPV, un análisis costo-beneficio (CBA) evalúa el costo de obtener la evidencia frente a su valor protector. Los estudios muestran que incluso con pocos hallazgos, las aseguradoras primarias pueden lograr ahorros significativos utilizando evidencia de suscripción digital. Esto resalta la viabilidad financiera de integrar datos digitales en los flujos de trabajo de suscripción.
Al realizar un análisis costo-beneficio (CBA) como parte de un estudio retrospectivo o un piloto en vivo, un aspecto clave es determinar cuánta evidencia se necesita para que el estudio sea exitoso. Esto implica equilibrar la necesidad de un tamaño de muestra lo suficientemente grande para garantizar credibilidad estadística con los recursos requeridos, tanto en mano de obra como en costos.
Una estrategia para manejar las limitaciones de recursos es limitar la revisión manual de suscripción a los casos que probablemente generen un UPV significativo (por ejemplo, edades mayores, montos asegurados más altos o mayores diferencias en la clasificación de riesgo). Es importante destacar que esto subestima la relación beneficio/costo, lo que permite al equipo del estudio prometer menos y superar expectativas en cuanto al valor de la evidencia una vez que se utiliza en producción.
Sin embargo, este enfoque puede no ser adecuado para todas las aseguradoras primarias. Los estudios exitosos generalmente involucran un equipo multidisciplinario (por ejemplo, suscripción, actuaría, operaciones financieras, ciencia de datos, entre otros).
Voz del proveedor
Desde la perspectiva del proveedor, cualquier producto nuevo debe ofrecer un retorno de inversión (ROI) significativo. Si no lo hace, es difícil de vender. Al evaluar el valor de un nuevo activo de datos para suscripción, una pregunta importante es: ¿Qué información única y relevante aporta este dato? Una pregunta igualmente importante es: ¿Qué recursos se necesitan para estructurar e interpretar los datos de manera efectiva?
Los historiales de prescripción (Rx) o los datos de reclamos médicos (Dx) destacan en ambos aspectos. Identifican claramente hallazgos únicos y relevantes, y dado que estos conjuntos de datos ya están estructurados, se prestan a una interpretación automatizada. En cambio, los registros médicos electrónicos (EHR) contienen información rica y distintiva, cuyo valor aún está en desarrollo, ya que puede requerir un esfuerzo significativo para estructurar e interpretarla.
Contar con más información al momento de la suscripción generalmente es positivo, pero ¿cuál es el valor de esa información adicional en relación con su costo? Existen diferentes enfoques para evaluar el impacto de información adicional, y elegir el método adecuado depende del contexto y del objetivo del análisis.
Un ejemplo es el aumento en las tasas de detección al agregar datos de reclamos médicos a los datos de prescripción comúnmente utilizados.
Se puede analizar con qué frecuencia la incorporación de datos de reclamos médicos resultaría en una decisión de suscripción más adversa y, a partir de esto, estimar el valor protector. Este enfoque puede aproximar de manera efectiva los posibles ahorros por mortalidad y también cuantificar con qué frecuencia los datos de reclamos médicos revelan hallazgos que la aseguradora considera significativos. Los resultados de este tipo de análisis dependen de los datos que impulsaron la decisión original y de la lógica utilizada para interpretar los nuevos datos médicos añadidos.
El valor protector y los ahorros por mortalidad son, por sí solos, resultados positivos. Pero no siempre es apropiado que la suscripción se vuelva más conservadora con cada nuevo activo de datos. El objetivo final es usar la información adicional para tomar decisiones más precisas, no solo más restrictivas.
Una forma de abordar este dilema es actualizar las directrices de suscripción para reflejar la mayor información disponible. En lugar de ignorar los nuevos datos porque podrían generar decisiones más adversas bajo las reglas existentes, las aseguradoras pueden ajustar sus criterios para alinearlos mejor con la nueva combinación de información. Esto puede implicar reclasificar a ciertos solicitantes: algunos que antes habrían sido rechazados ahora podrían ser aprobados, y otros que habrían sido aprobados podrían ahora ser rechazados.
Los modelos predictivos ofrecen una forma completamente distinta de evaluar el valor de un nuevo activo de datos. A diferencia de los humanos, los modelos tienen un apetito casi ilimitado por los datos y la capacidad de procesar nueva información de manera que permita identificar más riesgos inscribibles, en lugar de simplemente restringir la elegibilidad.
Es importante señalar que un modelo solo puede usar el tipo de datos con el que ha sido entrenado. Por ejemplo, si un modelo solo ha sido entrenado con historiales de prescripción, ingresar datos de reclamos médicos no mejorará su desempeño. Pero cuando un modelo ha sido entrenado con el nuevo tipo de datos, la información adicional sí debería mejorar sus resultados. Esta mejora puede ofrecer a la aseguradora varias opciones útiles: la oportunidad de emitir más pólizas sin aumentar la mortalidad, mantener las ventas mientras se mejora la mortalidad, o mantener ventas y mortalidad mientras se agiliza el proceso de suscripción.
Voz del reasegurador
Afinando la señal: Un enfoque centrado en condiciones para la suscripción
En el entorno actual, rico en datos, los suscriptores enfrentan un desafío crítico: distinguir las ideas relevantes del “ruido” de fondo. Una perspectiva centrada en las condiciones —que alinea las fuentes de datos con condiciones médicas específicas— puede mejorar significativamente la relación señal-ruido y optimizar la toma de decisiones.
A nivel de investigación y desarrollo, estudios extensos de RGA han dado respuesta a una pregunta fundamental: ¿Cuándo es suficiente, suficiente? Partiendo de los insumos tradicionales de los programas de suscripción acelerada (AU, por sus siglas en inglés) —declaraciones, datos del MIB y historiales de prescripción—, estos estudios buscaron identificar los insumos necesarios para realizar una evaluación de riesgo y una decisión con confianza.
La respuesta varía según la condición y depende de comprender las fortalezas y limitaciones de las fuentes de datos disponibles, desde EHRs y reclamos médicos hasta laboratorios clínicos y registros dentales.
Alineación estratégica con prioridades de negocio
Como reaseguradora global líder, el enfoque de RGA se basa en cuatro principios clave de suscripción:
- Procesos optimizados
- Rentabilidad
- Enfoque en el cliente
- Impacto limitado en la mortalidad
La investigación muestra que las cargas de riesgo —el exceso de prima para cubrir la incertidumbre— suelen ser comparables entre diferentes fuentes de datos. Por ejemplo, los EHRs y los APS, o los laboratorios clínicos y los laboratorios de aseguradoras, generan distribuciones de riesgo similares para muchas condiciones. Este hallazgo abre la puerta a la automatización. Los paneles de laboratorio y los reclamos médicos pueden automatizarse. Los EHRs, aunque completos y detallados, aún requieren revisión humana para garantizar precisión y contexto, pero pueden procesarse más rápido que los APS tradicionales.
Pensamiento crítico: La ventaja del suscriptor
Independientemente de la fuente de datos, el pensamiento crítico sigue siendo la herramienta más valiosa. Las preguntas centrales continúan siendo: ¿Qué necesito realmente para evaluar el riesgo con precisión? ¿Cuál es mi objetivo final? Estas preguntas deben guiar la evaluación de cada caso.
Por ejemplo, para un solicitante con diabetes, un resultado reciente de A1C de LabPiQture puede ofrecer una imagen suficientemente completa, dependiendo de factores como la edad, el tratamiento y la gravedad. Para trastornos del estado de ánimo, los datos de reclamos médicos y de prescripción pueden aportar contexto esencial. La clave es emparejar la condición con la fuente de datos más relevante y confiable, y saber cuándo debe intervenir el juicio humano.
Conclusión: Una nueva era de la suscripción
El 20 de julio de 1969, el Apolo 11 aterrizó en la Luna. Neil Armstrong y Buzz Aldrin salieron de la nave, hundieron sus botas en la superficie polvorienta del satélite y comenzaron a explorar esta nueva frontera que la humanidad podía alcanzar gracias al uso exitoso de los datos.
Hoy, la evidencia digital para suscripción está abriendo una nueva frontera en la forma en que las aseguradoras evalúan el riesgo, aportando velocidad, precisión y profundidad a estas evaluaciones. Al aprovechar las fuentes de datos emergentes y comprender su valor protector único (UPV), los suscriptores pueden tomar decisiones más inteligentes, impulsar la eficiencia operativa y ofrecer mejores experiencias a los clientes.
Sin embargo, la tecnología por sí sola no es la solución. Un mismo caso, visto desde distintas perspectivas —EHR, reclamos, laboratorios— puede ofrecer conclusiones similares, pero cada enfoque aporta matices. Al igual que fue necesaria la intervención humana del tercer miembro de la tripulación del Apolo 11, Michael Collins, para mantener el módulo de comando en órbita mientras sus colegas exploraban la Luna, el pensamiento crítico sigue siendo indispensable en la suscripción. Ya sea evaluando diabetes a través de resultados de laboratorio o trastornos del estado de ánimo mediante reclamos y prescripciones, la capacidad del suscriptor para interpretar e integrar la información de manera reflexiva es lo que distingue a una suscripción de excelencia.
A medida que la industria aseguradora avanza hacia esta nueva frontera, los suscriptores deben mantenerse ágiles, guiados por los datos y comprometidos con la mejora continua. El futuro de la suscripción no es solo digital; es inteligente.
