Comment l'IA permet de relever le défi des données non structurées dans le cadre des réclamations

L'intersection entre l'automatisation intelligente et les conseils en matière de réclamations grâce à l'IA a été à l'honneur lors du Conférence annuelle sur l'éducation de l'International Claim Association qui s'est récemment tenue à San Diego, en Californie.

Inversant le format traditionnel des panels, les responsables des sinistres de Reliance Standard Life et Securian Financial ont posé des questions technologiques aux chefs d'entreprise de FastTrack, un leader des technologies d'automatisation pour les réclamations et la souscription, et d'EvolutionIQ lors de la table ronde intitulée L'ère des données : conduisez des résultats de gestion des risques informés et cohérents en capturant les données clés sur les handicaps grâce à une automatisation numérique intelligente.

Le public a particulièrement apprécié la manière dont l'intelligence artificielle de nouvelle génération est désormais en mesure d'aider les équipes chargées des réclamations à tirer pleinement parti des grandes quantités de données complexes contenues dans chaque réclamation. Un certain nombre de questions du public ont donné lieu à une discussion libre sur la manière dont l'IA peut comprendre les codes médicaux et les comorbidités qui se chevauchent, comment elle peut lire et obtenir des informations à partir des notes conversationnelles contenues dans un dossier de réclamation, et comment l'IA peut ensuite en tirer parti pour prédire les trajectoires des réclamations.

Comme Michael Saltzman, directeur des opérations et cofondateur d'EvolutionIQ, l'a déclaré aux participants : « L'apprentissage automatique intégré aux logiciels de gestion des sinistres permet de détecter des modèles historiques et de comprendre non seulement le contexte, mais aussi les causes et les effets. Il est important de noter que le système offre une capacité inégalée à lire des données non structurées telles que les notes détaillées d'un professionnel de la santé sur une réclamation, les notes prises par un examinateur lors d'une conversation avec des experts ou le demandeur, des notes juridiques et d'autres informations sous forme de notes. Par conséquent, il distille d'énormes ensembles de données en temps réel pour comprendre le rétablissement comme un expert médical et prévoir les résultats avec une précision de 95 %. Le partenaire IA formule et explique ensuite des recommandations d'action aux examinateurs et experts d'assurance de première ligne afin qu'ils soient guidés vers la bonne réclamation au bon moment. Il répète ensuite le processus quotidiennement pour prioriser les réclamations les plus importantes, prêtes à être traitées immédiatement.

Comme Mike l'a expliqué, même les examinateurs et les experts en sinistres les plus expérimentés ont du mal à identifier les réclamations prêtes à être traitées en raison de la complexité des données et du manque de visualisation des dossiers en temps réel lorsque de nouvelles données entrent dans le système. L'un des principaux défis réside dans le fait que les données contiennent à la fois des données médicales structurées (situées à un endroit correctement étiqueté dans un système de réclamations de base ou une feuille de calcul) et des données difficiles à analyser non structurées sur les blessures corporelles et le rétablissement médical (les notes médicales et juridiques détaillées et conversationnelles figurant dans chaque réclamation).

Être capable de trouver et d'interpréter des données non structurées et d'agir en fonction de celles-ci est particulièrement important car, en moyenne, chaque réclamation contient 2,5 codes médicaux dans des formats structurés, mais 14,5 codes relatifs à l'allégation sont cachés dans des formats de notes conversationnelles non structurées pouvant s'étendre sur plusieurs pages. C'est ce que fait le traitement du langage naturel de l'IA.

Grâce à ces informations riches en données et à ces connaissances institutionnelles issues de l'examen de dizaines de milliers de dossiers de sinistres historiques, l'IA est ensuite en mesure de prédire les trajectoires des sinistres avec une grande précision. Cela permet à son tour d'orienter les examinateurs et les experts en sinistres vers les réclamations qui pourraient bénéficier de mesures immédiates pour se concentrer sur les réclamations qui pourraient bénéficier de mesures immédiates.

Il ne s'agit pas d'un futur état de la technologie, a ajouté Mike. Les transporteurs et les TPA utilisent actuellement cette technologie. Cela améliore le processus de traitement des réclamations à tous les niveaux, réduit les durées et augmente la satisfaction des demandeurs.

‍