推进医疗健康大数据，深化健康险产品创新

推进医疗健康大数据深化健康险产品创新 c 目录 ontents （一）医疗健康大数据背景 （二）健康险产品创新 （三）未来展望 01医疗健康大数据背景 医疗健康大数据背景 推进健康医疗大数据应用，加强建设健康信息化服务体系建设，推进基 于区域人口健康信息平台的医疗健康大数据开放共享、深度挖掘和广泛应用。 ——中共中央国务院 《“健康中国2030”规划纲要》 探索将商业健康保险信息平台与国家医疗保障信息平台按规定推进信息共享，强化医疗健康大数据运用，推动医疗支付方式改革，更好服务医保政策制定和医疗费用管理。 ——银保监会 《关于促进社会服务领域商业保险发展的意见》 阳光人寿“健康大数据工程”背景 “健康大数据工程”是阳光人寿致力发挥先进科技优势的创新工程，通过过往客户保单、理赔记录、其他合法合规途径获取的数据，将大数据分析和人工智能技术成功融入到保险产品中，深化健康险产品创新。 自2017年以来，阳光人寿先后在各地区推进“健康大数据工程”，建立智能风险量化实验室，辅助精算产品定价，优化核保体检流程，提供广泛的技术赋能定制化产品。 目前已开发了“大数据+专属终身重疾险”，为客户提供更优惠的保险服务，创新“预核保，再投保”的前置核保流程，优化客户投保体验；将大数据与医疗险结合，使用模型筛选体检代替随机抽样体检，优化了客户核保体验。 健康大数据工程——宁波地区 为促进“保险+医疗”服务提质、提量深度融合，助力保险行业的数字化改革，推进数字经济建设，阳光人寿与中保科联与宁波卫健委联合打造智能风险量化实验室，探索核赔核保由以往单纯的数据服务向综合性分析服务转变。 本项目具体是以宁波卫健委的地区就诊数据为基础，阳光人寿的业务和技术指导为方向，中保科联的技术实施为手段，达到为不同投保人群提供个性化的保险产品，精细化产品营销和风险控制的效果。项目具体完成了以下工作： 构建人群画像： 构建描地述区地性区的性疾的病疾人病群人画群像轮，廓，以及以疾及病疾的病趋的势趋分势析分析 构建重疾模型： 对被保人未来发生疾病或诊疗行为的风险进行预测评分、分级 构建医疗模型： 对被保人未来发生疾病或诊疗行为的累计费用额度进行预测评分 02健康险产品创新 重疾模型：重疾模型于2020.4月正式上线，已应用于“大数据+专属终身重疾险”产品，通过重疾模型优选，可以有效做好产品风险控制，降低赔付率，助力产品定价更加优惠，服务大众。 传统终身重疾险 大数据+专属终身重疾险 重疾险产品创新——更优惠保险服务 通过运动行为后置优惠 运动加保：累计多月运动达 标即可增加保额 更早锁定优惠 更高优惠额度 更符合生命周期 通过大数据智能定价行为后置优惠 重大疾病关爱金：60岁前患110种重 疾，额外给付保额 重疾险产品创新——更便捷投保流程 “先投保，再核保”的传统模式难题 通过 已投保客户 人工核保 下发体检 拒保 等待时间长 影响用户投保体验 前期客户促成努力白费 “预核保，再投保”的前置核保体验 未投保客户 不留痕 不影响投保其他产品 客户：流程便捷，体验极致 通过大数据模式识别优质客户，为优质客户带来0人核、0体检、0等待的极致投保体验 代理人：彻底解决销售顾虑 先获知核保结论，不用担心前期促成业务努力白费，放心销售 通过 智能大数据核保 可直接投保成功 只需健康告知 无需进一步核保 无需进一步体检 不通过 转投常规产品 场景：配合场景销售话术 预核保不用过，也可正常投保其他产品，客户不会流失 流程：吸引流量，利于转化 操作门槛低，吸引客户尝试体验测试；投保流程简单，提高客户转化率 医费模型：医费模型于2021.12月正式上线，已应用于相关医疗产品的下发体检环节。在非标（拒保、延期、次标）人群的识别度上明显优于传统方式，说明模型抽检更准确更高效。客户无需担心被随机抽中，优化了客户核保体验。 使用模型下发体检代替随机抽检 医疗险产品创新——更高效核保体验 已投保客户 有既往病史 高保额或高年龄 抽烟、体重超标等 随机抽检 替换为 通过 智能数据核保 下发体检 可直接投保成功 模型分超过阈值 人工核保 模型研发——构建模型 重疾模型：按照【3+3】思路构建模型：使用历史住院记录生成特征，预测未来是否患有重疾。样本数据为在历史有过就诊且非重疾住院人群，共计69万人群参与建模，按照60%：20%：20%划分训练集、验证集、测试集。 医疗模型：与重疾模型类似，使用历史住院记录生成特征，预测未来住院费用额度是否超过阈值。 算法CatBoost 更快的训练速度和更高的效率 更高的准确率 大数据处理能力 支持并行学习 支持类别特征 较强的抗过拟合能力 基本信息 性别 年龄 婚姻状况 医保类型 既往住院 非生育类住院特征 区间的实际时长 住院时长 住院次数 住院费用 疾病名称 医院等级 生育类住院特征 生育住院时长 生育住院次数 生育住院费用 生育手术及操作 历史数据建模模型(CatBoost)未来情况预测 模型研发——模型效果 评价指标含义 •AUC：模型给label=1（如重疾）的人评分比label=0（如非重疾）的人评分要高的概率，在0-1之间，越高模型效果越好; •各年龄段平均提升度：以每5岁为一组，各年龄段同性别人群，模型评分优选出70%人群的发生率对比 100%人群发生率的提升比率的平均值。 重疾模型效果： •AUC：训练验证测试集中，AUC>0.8且接近，代表模型在测试验证的表现和训练中的表现高度一致; •提升度：验证集+测试集在男性、女性人群的平均提升度达成超过20%。 医疗模型效果： •AUC：训练验证测试集中，AUC>0.78且接近，代表模型在测试验证的表现和训练中的表现高度一致; •提升度：验证集+测试集在男性、女性人群的平均提升度达成超过30%。 03未来展望 未来展望 根据客户健康情况评估，实现保险产品个性化定制： 通过对医疗大数据的分析，可以发现不同地区的疾病发生情况的差别及其中的规律，及时了解各地区居民对保险的需求，根据市场需求及其变化状况开发设计新的保险产品，或改良和组合现有的保险产品来满足市场需求，开发“千人千面”的健康保险产品，实现个性化定制服务。 通过医疗健康大数据分析及模型运用，实现自动核保： 将大数据运用到健康保险中，保险公司能够甄别出用户的历史健康风险并预测未来健康风险，准确判断用户的身体健康状况，有针对性地对用户进行系统风险扫描，核保流程更加精确化，无需用户投保告知及人工核保，使客户体验更好。 未来展望 构建多层次医疗保障为目标的商业健康险，设计开发“带病体保险”： 国家卫健委官网公布的《2018年我国卫生健康事业发展统计公报》显示，2018年中国卫生总费用预计达57998.3亿元，个人卫生支出约为1.6万亿元。结合国家提出的到2025年，商业健康保险市场规模力争超过2万亿的目标，覆盖次标体、带病体和老年人群的近万亿个人卫生支出部分成为健康险发力的重要机会点。 提升商业保险机构参与医保服务质效，实现出院自动理赔服务： 银保监会发布《关于促进社会服务领域行业保险发展的意见》中提出：探索将商业健康保险信息平台与国家医疗保障信息平台按规定推进信息共享，强化医疗健康大数据运用，推动医疗支付方式改革，更好服务医保政策制定和医疗费用管理。鼓励商业保险机构参与国家长期护理保险试点。 感谢聆听！