Skip to main content
首页 > 综合资讯 > 网络快报 »正文

理赔环节算到头大?「深智科技」的新产品「慧识票」能实现医疗票据识别自动化

网络快报 来源:科技快讯 dongxuan 2018-05-25 10:12:01 查看评论 加入收藏

  保险业的变革步伐不断加速。

  保险公司往往面临着严格的法律及市场监管,对于变革慎之又慎。但普华永道 2017 年全球金融科技调查显示,在所有金融机构里,保险公司在关注金融科技方面表现得最为积极,并采取了各种具有竞争性的应对措施,45% 的传统保险公司已与保险科技公司建立合作关系,而在 2016 年,这个数字是 28%。

  而在中国,随着人均收入水平提高和人口结构的变化,保险市场在未来拥有巨大的增长空间。据 Oliver Wyman 报告,中国保险科技市场的总保费到 2021 年的年复合增长速度达到 31.2%。中国的保险密度(人均总保费)和保险深度(总保费与 GDP 比率)高于新兴市场水平,但与发达国家相比还有很多差距。这意味着,保险行业还有许多机会。

  36 氪曾报道过的「深智科技」成立于 2017 年,他们选择从车险、农险和寿险三个垂直领域切入保险市场,重点关注承保和理赔两个环节,试图用人工智能对保险业改革提供解决方案。目前已有 6 款产品,包括基于深度学习的车辆识别评估、OCR单证识别、人脸识别,以及之前报道过的农险领域的牛脸识别。其中,牛脸识别目前已进入试点状态,效果良好,运用牛脸检测和耳标号识别功能后,工作人员能够以平均 2 秒一头牛的速度采牛的信息。

  最近,深智科技研发了面向针对医疗险理赔环节的的票据识别产品「慧识票」,试图让票据录入环节实现机器自动化。

  目前的健康险理赔大致包括录入、理算、理赔和赔付环节,大部分依靠人工处理,其中票据的录入占用了理赔人员大量的精力,还会有计算出错的风险。行业内,有医疗保险第三方管理公司(TPA)能够为保险公司提供处理理赔以及安排医疗费用结算等服务,在票据处理上也应用了传统的 OCR,但通常还须人工核算一次,实际效率提高有限。

  而深智的新产品「慧识票」基于数百万张医疗票据图片,应用了OCR、专项数据训练方法和机器学习抽取等方法,来对医疗票据进行识别。在以前,人工录入一组医疗票据大概需要 5 到 10 分钟,但引入「慧识票」后,时间能压缩到 5 秒之内。

  

1212.jpg

  医疗票据识别示意图

  深智科技产品总监白志斌表示,医疗票据识别领域目前鲜有人工智能公司参与,其难点在于医疗票据种类多,各地标准不统一,为了反欺诈,机器还得涉及大量的理解过程。

  首先,健康险涉及到的医疗票据种类多种多样,为机器感知数据增加了难度。以返还型健康险为例,理赔所需的医疗票据包括住院票据、门诊票据、医保分割单和费用清单,重疾险还涉及了诊断书、化验报告、出院记录等等。平均每张票据涉及到 200 - 300 个字段——而传统的票据识别,如发票,涉及到的字段数可能不到一半。

  另外,我国各地的医疗系统缺少统一规范,因此,保险公司往往要处理上百种不同模板的票据。让机器来识别数据则要面临票据套错位、褶皱、光线、印章等干扰信息,这些都是需要攻克的难题。

  其次,让机器理解数据存在难度。理赔环节中,为了防止欺诈,理赔人员需要比对不同的票据,确定数据无误。因此,机器需要在不同的表格中理解数据所在的相对位置、确定核心关键字到底是哪个。比如,药物清单的各项药物价格相加,总价到底与票据上显示的是否一致?这些都需要机器来理解。

  因此,深智科技设置了大量校验规则。相较于人工选择性地对核心数据进行处理,机器能够对全部数据都进行收集,对于保险公司确定来年的业务计划也有帮助。

  在推广方式上,「慧识票」一般会为保险公司提供定制化的解决方案,如部署在保险公司内部的 IT 系统上,或采用调用 api 接口的方式。这样一来,保险公司可以减少各地部署定损员的成本,并且也提高了人效。另外,团队支持在客户的服务器上训练模型,因此不会带走客户的数据,为客户隐私提供了保障。

  目前「慧识票」已经研发完毕,在山东地区进行试点,并与数家保险公司达成合作,预计将在 6 月上线。白志斌表示,深智科技之后还将继续耕耘保险领域,公司预计在今年第三季度开启首轮融资。

广告06

微信