这家非营利性医疗保险公司正在使用机器学习和预测分析技术来提供一个更好的健康结果和更具成本效率的医疗服务网络。
对于一个医疗保险公司来说，评估医疗的成本效率和质量是一项长期存在的挑战，而患者可能会因为某个问题而去拜访无数的医生、专家、医院和其他的医疗服务提供者，这更是加剧了这一挑战。医疗保健服务公司(HCSC)，一家为美国近1500万会员提供服务的非营利性医疗保险公司，则正试图通过结合数据分析和机器学习技术来应对这一挑战。
HCSC负责应用程序开发的高级副总裁Marv Richardson解释说：“我们希望通过提供正确的信息来帮助我们的服务提供商提高他们的护理质量并减少护理成本，这样他们就可以更好地与其他提供商比较他们的结果和治疗方法。”
HCSC拥有超过22000名员工，是蓝十字和蓝盾协会(Blue Cross and Blue Shield Association)在伊利诺伊州、蒙大拿州、新墨西哥州、俄克拉荷马州和德克萨斯州五个州的授权机构。为了更好地服务于它的成员，它将在一个地理区域中的同一组服务提供商捆绑在了一起。捆绑的内容可能包括医院系统、医生团体、脊椎按摩疗法和物理治疗等不同部分。
“我们希望能够及时了解这些群体的治疗进展情况，这样我们就能以一种对客户来说最好的方式组合这些网络，”Richardson说。
为此，从2017年7月开始，Richardson的团队专门开发了两个平台：供应商和网络决策分析(PANDA)和供应商电子质量情报(EQUIP)。这些平台通过HCSC的供应商绩效和分析报告(PAR)工具交付给了供应商。PANDA，EQUIP和PAR的结合为HCSC赢得了Digital Edge 50 Award的数字创新奖项。
医疗服务的评价基准
PANDA可用于帮助比较提供商与在类似市场中为会员提供类似服务的同行的绩效。与此同时，EQUIP可以将供应商的质量与认证机构和政府项目赞助商制定的国家标准进行比较。这些平台利用了两年以来的供应商索赔数据，每六个月更新一次。然后，PAR能够以提供商为中心的视图交付数据，允许提供商比较质量、效率、风险调整、医疗使用和药房成本。
“我们正在给他们提供关于他们在接受特定治疗时的详细信息，”Richardson说。这样就可以了解他们是否提供了比其他医疗机构更具性价比的健康服务，亦或是不如另外一组提供商。
这种比较很少是可以一言而喻的。一个提供商可能比另一个结果更糟，但也可能是因为它们一开始就面临着需要处理更具健康挑战的人群。
“我们使用机器学习算法来观察人群的风险，并将其反馈到我们获得的健康结果当中，然后利用精算师团队的一些专业知识将其标准化，”Richardson解释说。
该模型使用机器学习来驱动一个增强了的预测分析模型，该模型可以从数据中学习并识别模式，从而更好地检测提供商们潜在的性能驱动因素。它会根据护理类型来评估索赔，并将每个提供商的成本与同行的类似治疗进行比较。HCSC利用这些平台的结果来构建性能更好的供应商网络以及改进现有网络。
这让HCSC的提供商对患者与会员之间的互动有了更深入的了解。这些信息包括这些会员的所有会议和临床数据，例如他们经历的测试以及这些测试的结果。
“这是一个非常深入的数据集--比我们过去所拥有的都更加详尽，”Richardson说。
确保分析成功的伙伴关系
虽然提供商只会看到他们自已的那部分数据，但HCSC却能对所有提供商所有会员的情况有一个完整的视图。例如，如果一名会员正在接受膝关节置换手术，提供商将有权访问有关该手术的所有信息。但是HCSC还能够了解有关于病人的其他有价值的信息，比如他们可能服用的处方，他们在膝关节置换手术之前接受过的治疗，以及接下来可能安排的治疗。
“我们拥有了关于会员的完整信息，以及提供商提供的关于病人的完整的信息，当你把这两方面的信息结合起来的时候，你就会得到一个非常强大的信息集，它可以为你的治疗提供实现各种分析和机器学习的基础，”Richardson说。
Richardson的应用团队与业务部门建立了牢固的合作伙伴关系。他指出，在他的团队的支持下，企业开始对这些项目进行了销售。
“如果我们能够在帮助我们的供应商提供更好的医疗服务的同时以更好的方式构建我们的网络，这对我们内部来说便是一笔相当不错的买卖，因为这正是我们的使命所在，”他说。“从成本和结果的角度来看，这样的结合可以使护理更加有效，这是HCSC非常重视的事情。”
为了确定需求，Richardson和他的团队与提供商的外部焦点小组进行了合作，以了解对他们有用的信息类型。在内部，应用程序团队则与HCSC的健康分析团队合作，在该团队的帮助下识别数据，以便将其添加到HCSC的数据湖中并进行清理。HCSC的业务团队拥有自己的数据分析团队和数据科学家，因此Richardson的团队也需要与他们进行紧密合作。
“我们会提供基础和数据，然后与我们业务领域的数据科学家进行合作，这样他们就可以利用他们对特定业务需求的更深入的知识，应用数据科学算法、机器学习算法等来获得正确的答案，”Richardson说。
他指出，最大的挑战是将所有不同的数据元素以一种对提供商有意义的方式组合在一起。
“对供应商而言，重要的不是单一的索赔，”他说。“单个的案例对他们来说没有多大意义。”
以膝关节手术为例。这似乎只涉及到一个单一的主张，但事实并非如此。还包括手术前的诊断，手术本身，手术的潜在并发症，物理治疗，随访，处方等等。所有这些都是一次单独的索赔所需要了解的内容，但被HCSC归到了“护理事件”一类当中。为了正确评估这些数据，HCSC需要比较同等的治疗情况。
“正如你所想象的那样，关于哪些东西适合而哪些不适合，需要进行很多复杂的考量，”Richardson解释说。“也许你在从膝盖手术中恢复时会感染链球菌，但这与你的膝盖手术没有关系。所以这不会被纳入考虑。将临床知识嵌入到分析当中是一项巨大的挑战。”
Richardson说，总而言之，PANDA，EQUIP和PAR正在帮助HCSC能够以更低的成本和更好的健康结果来为其会员提供更有效的健康护理。
第三十八届CIO班招生
国际CIO认证培训
首席数据官（CDO）认证培训
责编：pingxiaoli
免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。
抢沙发
