Los datos, la piedra angular de la suscripción de seguros de vida, llegan a la puerta de un asegurador en una red enmarañada de formatos. Con demasiada frecuencia, en el caso de los datos estructurados de suscripción, la forma no sigue a la función. Esta realidad preocupante ha limitado las tasas de automatización de los aseguradores, obstaculizado su capacidad para obtener información crítica de las pólizas vigentes y dificultado el desarrollo de nuevas metodologías de suscripción.
A medida que nuevos proveedores como DigitalOwl aprovechan las tecnologías de IA para agilizar datos médicos complejos, la industria también se está moviendo hacia estándares universales para los datos estructurados de suscripción. Para examinar más de cerca esta emocionante intersección, RGA organizó recientemente un panel de partes interesadas clave para obtener sus principales consideraciones y perspectivas sobre el formato de los datos de suscripción.
Moderador:
Dave Rengachary, VP Senior de Suscripción de Vida Individual en Estados Unidos, RGA
Panelistas:
- Maria Beaulieu, VP de Transformación de Suscripción Digital, RGA
- Michael Hill, VP de Estrategia de Suscripción y Análisis de Datos, RGA
- Mark Ma, VP y Actuario Administrativo, RGA
- Sean Allen, VP Senior de Ventas y Marketing, DigitalOwl
- Andy Kramer, VP y Jefe de Riesgo e Innovación de Suscripción, M Financial
- Nick Milinovich, Director Senior de Asociaciones Estratégicas de Suscripción, Northwestern Mutual
Datos estructurados vs. datos no estructurados
Andy Kramer: Cuando piensas en datos estructurados, piensa en datos que pueden ser fácilmente analizados: filas y columnas de datos categóricos, como un panel metabólico o códigos de diagnóstico. Está en un formato estándar. Puede ser analizado en un motor de decisiones o por actuarios o analistas. Puedes consultar fácilmente cualquier atributo que estés buscando. Por otro lado, los datos no estructurados son difíciles de analizar de manera eficiente, como las declaraciones del médico tratante, la narrativa del médico sobre los síntomas del paciente. Nuestra industria está tratando de determinar cómo podemos convertir los datos no estructurados en datos estructurados para poder utilizarlos en el proceso de suscripción en lugar de hacer que un suscriptor pase por esos datos no estructurados y crear un resumen que pueda ser alimentado en un motor de decisiones.
Una cosa que mucha gente no se da cuenta es que cuando recibimos registros electrónicos de salud, los proveedores generalmente toman los datos sin procesar y aplican su propio estilo para formatearlo en una vista que un suscriptor está acostumbrado a ver. Pero el verdadero poder está en los datos subyacentes. Por ejemplo, cuando hoy miramos las declaraciones del médico tratante, a menudo son impresiones del sistema del médico. Son los mismos datos subyacentes, simplemente impresos en el estilo de la hoja de su proveedor de software de registros médicos. Al final del día, cuando hablamos de registros electrónicos de salud (EHR), esencialmente es lo mismo, simplemente presentado a través de una hoja de estilo diferente. Puede que tengas un proveedor y una hoja de estilo que te gusten, pero solo estamos arañando la superficie de las capacidades que queremos habilitar como suscriptores de seguros.
Dave Rengachary: Un tema que seguimos cuando hablamos de nuestras necesidades en torno a los datos estructurados es la pregunta de “¿Quién lo está usando y para qué lo necesitan?” Michael Hill gestiona la optimización para el negocio facultativo tradicional de RGA. Michael, ¿qué es realmente importante para ti con los datos estructurados?
Michael Hill: En primer lugar, todo se reduce a eficiencias en el proceso. Si miras hacia atrás en los últimos 10 o 20 años, hemos visto un aumento significativo en el tamaño de los casos que se nos refieren: el número de páginas de registros médicos prácticamente se ha duplicado. Eso puede ser algo bueno y algo malo. Por un lado, es bueno tener más datos para permitirnos evaluar el riesgo de manera más precisa. Pero el tiempo de revisión de suscripción también ha aumentado.
También estamos viendo un aumento en la complejidad de los datos. En RGA, nos hemos asociado con AWS para aprovechar las tecnologías de OCR (reconocimiento óptico de caracteres) y NLP (procesamiento de lenguaje natural) para identificar, extraer y estructurar elementos de datos de imágenes escaneadas. Y nos hemos asociado con DigitalOwl para incorporar múltiples puntos de datos para evaluar mejor la gravedad de las condiciones médicas. DigitalOwl nos permite ir más allá del simple reconocimiento de palabras y comenzar a evaluar la gravedad de esa condición.
También tenemos la oportunidad de aprovechar los datos estructurados durante las auditorías, ya sea que la auditoría tenga lugar con el reasegurador o el asegurador, o sea parte del monitoreo posterior a la emisión. Con datos estructurados, puedes ser más preciso en lo que estás buscando durante las auditorías. Todos los caminos alrededor de los datos estructurados conducen de vuelta a eficiencias operativas y ahorro de tiempo. – Michael Hill, RGA
Maria Beaulieu: Voy a ampliar un poco la conversación más allá de los registros electrónicos de salud (EHR) y las declaraciones del médico tratante (APS). Cuando hablamos de suscripción y automatización completa, nos centramos en reunir todas las diferentes pruebas y examinarlas en conjunto para evaluar las condiciones médicas de una persona y el riesgo individual.
Cuando analizas las diferentes pruebas, quieres que los datos lleguen en una estructura que te permita comparar y utilizar todas esas pruebas para esa clasificación. Quieres la vista longitudinal. Si todo está en un formato diferente, te ves obligado a crear reglas y motores de decisión para evaluar esa información. Requiere un esfuerzo adicional desarrollar la tecnología y los sistemas necesarios para procesar los datos juntos y llegar al resultado final.
Dave Rengachary: Ahora pasaré a Nick, porque él desempeña diversos roles para Northwestern Mutual. Ya sea desde la perspectiva de una gran aseguradora, o desde tu perspectiva de trabajo con reaseguradoras u otros proveedores, ¿qué es lo que más te importa cuando se trata de datos?
Nick Milinovich: Con cualquiera de estos tipos de soluciones, lo mínimo indispensable es el formato legible por humanos. Puedes comenzar con una hoja de estilo y agregar capacidades de resumen para optimizar el enfoque del suscriptor. Pero incluso los datos estructurados son increíblemente diversos. Vemos cientos de miles de códigos diferentes en los registros electrónicos de salud. El sueño es destilar esos códigos en discapacidades y entidades de enfermedades, y luego agregar tanto como puedas de datos no estructurados. Entonces puedes capturar la gravedad, la sintomatología y otros factores que son críticos para la decisión de suscripción. Es aún mejor si podemos presentar estos hallazgos en un paquete limpio y utilizar reglas para adjudicar la mayoría de los casos. Entonces nuestros suscriptores están libres de aplicar sus habilidades considerables a los casos más complejos.
Desbloqueando el potencial de las pólizas en vigor.
Dave Rengachary: Hemos hablado sobre el uso de datos estructurados y no estructurados durante la adquisición de nuevos negocios. Pero los mismos datos pueden brindarnos mejores conocimientos sobre las pólizas en vigor. Mark nos guiará a través de ese recorrido.
Mark Ma: En la mayoría de las empresas, los sistemas de suscripción y los sistemas actuariales, como los estudios de experiencia, están separados. Después de las decisiones de suscripción, esa rica información de suscripción tiende a perderse.
Un suscriptor puede acudir a nosotros y preguntar: “Oye, si aumento el punto de corte de un resultado de A1C para clases preferidas, ¿cómo afecta eso la mezcla de negocios y la mortalidad?”
Vergonzosamente, esas preguntas son difíciles. Son difíciles porque la riqueza de datos de suscripción está bloqueada en nuestros sistemas de suscripción.
Como resultado, no podemos convertir rápidamente la experiencia humana en conocimientos sobre mortalidad. Estas limitaciones sofocan mi creatividad como actuario. Mark Ma, RGA
Antes de que una idea pueda madurar, automáticamente la descarto: la idea es imposible porque no hay datos disponibles. La digitalización de los archivos de suscripción con DigitalOwl nos permite desbloquear una gran cantidad de datos viables que antes eran inaccesibles.
Cada caso es único, sin embargo, con datos estructurados creíbles y análisis avanzados, podemos pasar de revisiones a nivel de caso a identificar los verdaderos impulsores de la experiencia de mortalidad. Los actuarios pueden realizar mejores ajustes al migrar la experiencia histórica a un nuevo mercado objetivo o canal de distribución. También pueden cambiar productos con un alto grado de precisión y confianza.
¡Suena genial! ¿Pero por dónde empezamos? Comencemos con un estudio de impacto. Extraigamos un grupo de solicitantes y digitalicemos su evidencia de suscripción y solicitudes. Echemos un vistazo al resumen digital resultante. ¿Coincide el resumen con la decisión de suscripción? Si no es así, ¿se debe a impedimentos adicionales, la complejidad de las comorbilidades o a falta de experiencia?
La inconsistencia de la toma de decisiones humanas puede exponer la complejidad de las consideraciones. La buena noticia es que tienes los datos para incorporar esas consideraciones en tus reglas y modelos. Al final, comprenderás la relación entre las características en un resumen digital y tus decisiones de suscripción históricas.
Los enfoques de la industria hacia la estandarización.
Dave Rengachary: Hablemos sobre la discusión en curso sobre el establecimiento de estándares para datos estructurados. ¿Deberías optar por un formato existente basado en atención médica o construir un formato basado en seguros? Sean hablará sobre esos diferentes formatos y los desafíos que podrías encontrar.
Sean Allen: La gran pregunta para nuestra industria es: “¿Cómo estandarizas las cosas y las estructuras para que podamos simplemente analizar la mortalidad y deshacernos de todos los problemas de morbilidad?” Los registros electrónicos de salud (EHR) fueron creados para la medicina clínica; están destinados a que los proveedores pasen información de un lado a otro mientras tratan a los pacientes. En seguros, es una perspectiva totalmente diferente: estamos monitoreando el riesgo y tratando de determinar cómo encajan las personas dentro de nuestros conjuntos de productos. Queremos realizar el tipo de análisis actuarial y estudios retrospectivos que describió Mark. También estamos conscientes de los problemas regulatorios relacionados con la transparencia y el sesgo. ¿Cómo vemos todo desde una única perspectiva global?
Andy Kramer: Históricamente, los registros electrónicos de salud (EHR) han estado en formatos propietarios porque nosotros, como industria, nunca nos sentamos a decir: ‘Oye, vamos a hablar sobre estandarizar esto’. En ACORD, hemos pasado casi tres años tratando de impulsar estándares para lograr una mayor interoperabilidad en los EHR. Con suerte, todos los adoptarán para que podamos lograr la interoperabilidad en toda la cadena de valor del seguro de vida, desde la producción hasta el reaseguro en la parte posterior.
Nick Milinovich: Al igual que cualquier aseguradora, en Northwestern Mutual tenemos procesos propietarios que se aplican a los datos entrantes. Tenemos manuales propietarios, conjuntos de reglas automatizados y modelos predictivos. Están finamente ajustados a nuestro mercado y nuestra clientela, y se actualizan continuamente.
Pero muchos de los estándares en torno a los datos no deberían ser propietarios, como la forma en que los datos llegan, las hojas de estilo utilizadas por los suscriptores humanos y la estructura de datos que fluye hacia un conjunto de reglas. El problema en torno a los datos es lo suficientemente grande como para que deba resolverse como industria.
Maria Beaulieu: Los registros electrónicos de salud (EHR) estructurados de forma nativa dependen del proveedor que aplique sus estructuras propietarias. Por ejemplo, si estás obteniendo un registro de prescripción de Vendor A, no se traducirá y leerá de la misma manera que un registro de Vendor B. Si no todos podemos hablar el mismo idioma, es difícil completar la evaluación de riesgos y poner esos datos a través de la automatización. Las aseguradoras están dedicando su tiempo a construir tecnologías para manejar diferentes iteraciones de la misma información. Eso es redundante y resta tiempo y esfuerzo que podríamos dedicar a abordar la información dentro del EHR.
Andy Kramer: Uno de los proyectos en los que estoy trabajando es la aplicación estándar. Uno de nuestros proveedores dijo que si la industria pudiera unirse en torno a una solicitud estándar, reduciría el costo de implementación de esos sistemas de solicitud electrónica en aproximadamente un 80%. Y eso se debe a que están gastando el 80% de sus esfuerzos mapeando todas estas preguntas de solicitud dispares a la estructura de datos en la parte posterior. Si nosotros como industria podemos llegar a estándares, reducirá drásticamente el costo de agregar nuevos proveedores.
Actualizaciones de ACOR
Dave Rengachary: Me gustaría cambiar de tema y obtener una actualización de Andy sobre los mandatos de ACORD y en qué punto se encuentra esa organización en términos de mover a la industria hacia estándares.
Andy Kramer: ACORD es una organización internacional de estándares de datos para la industria global de seguros de vida y de propiedad y accidentes. Tenemos dos proyectos principales de registros electrónicos de salud en curso.
El primero se trata de estándares para registros electrónicos de salud (EHR). Comenzamos con los estándares de datos de atención médica Fast Healthcare Interoperability Resources (FHIR) y Clinical Document Architecture (CDA). Luego, eliminamos todo lo que no estaba relacionado con la mortalidad, como la atención al paciente y la información de facturación.
Trabajé en uno de los archivos de prueba con Sean, en colaboración con DigitalOwl y otras entidades. Comenzamos con un registro de intercambio de información de salud sobre un diabético de 71 años. El registro CDA de este individuo de prueba tenía 25,000 filas de XML. Después de aplicar el estándar de datos, el archivo se redujo a 1,800 filas de HL7. Este caso de prueba ilustra la realidad de que si nuestra industria quiere llegar a la aprobación en el punto de venta, y posiblemente a la emisión, de pólizas para casos complejos, no podemos enviar 25,000 filas de código a través de nuestros sistemas y esperar una decisión rápida. Pero 1,800 filas pueden ser analizadas muy rápidamente.
Más acerca de ACORD:
ACORD impulsa hacia adelante la industria global de seguros al fomentar y facilitar la información global, permitiendo una mayor eficiencia y aplicando una posición estratégica efectiva.
Tanto Maria como Sean han sido fundamentales en nuestro segundo proyecto, que consiste en tomar las 200 principales discapacidades que vemos en la suscripción y definir los atributos clave necesarios para evaluar una decisión de suscripción. Con la diabetes, por ejemplo, estamos profundizando y preguntando sobre el Tipo 1 o Tipo 2, la fecha de inicio y medidas como el A1C. También estamos considerando complicaciones como problemas renales, problemas de visión, enfermedad vascular periférica y enfermedad de las arterias coronarias, y poner eso en un formato de datos estructurados. Cuando se aplica, un proveedor como DigitalOwl no necesita enviar las 1,800 filas de datos. Simplemente pueden enviar los 20 campos que cubren los atributos clave para esa discapacidad, que la aseguradora luego puede pasar por su motor de decisiones RGA u otro.
Estamos cerca de completar el proyecto de las principales discapacidades; tenemos alrededor de 115 de las 200 principales completadas. Estamos haciendo un gran progreso.
Una mirada interna a DigitalOwl
Sean Allen: ¿Dónde se encuentra DigitalOwl con la estandarización? Creamos nuestro propio formato de datos estándar, y te diré por qué.
La gente utiliza los datos para diferentes propósitos. Comenzamos con la pregunta de cómo llevar los datos de las declaraciones del médico tratante (APS) a un formato de datos estructurados. Lo pusimos en un formato de archivo HL7 pero nos dimos cuenta muy rápidamente de sus limitaciones, incluidas las condiciones negadas. Por ejemplo, ¿alguien estaba tomando un antidepresivo de forma reactiva porque su cónyuge murió, o era parte de un proceso de enfermedad más amplio?
Aquí es donde entra en juego la inteligencia artificial generativa. Básicamente creamos un conjunto de API llamado Connect. Puede mapear a cualquier motor de decisiones. Utilizamos inteligencia artificial avanzada y tecnologías de texto generativo desarrolladas exclusivamente para registros médicos.
Al extraer información médica de los registros enviados a la plataforma, DigitalOwl proporciona un resumen enfocado de los puntos de datos médicos con un sistema de navegación fácil de usar. Los informes resultantes garantizan que los suscriptores puedan acceder a los puntos de datos más significativos en cuestión de horas en lugar de días. Los suscriptores pueden utilizar esto para la suscripción de nuevos negocios, análisis de pólizas en vigor o cualquier otra metodología de suscripción que deseen explorar. Sean Allen, DigitalOwl
Dave Rengachary: Concluiré mencionando que el estándar en el que RGA se ha decidido es el estándar médico desarrollado por el equipo de DigitalOwl. Sus estándares permiten que casos más complejos se ejecuten a través de sistemas de suscripción automatizados. También proporcionan el siguiente nivel de optimización de evidencia y fortalecen el valioso ciclo de retroalimentación en torno a las evaluaciones de pólizas en vigor. La solución también estará “alineada con ACORD” para complementar este estándar de la industria emergente e importante. Nuestro equipo liderará con el ejemplo; tenemos un excelente asiento en primera fila en la transformación de la estructura de datos de DigitalOwl.
