Wir sind vom 15. bis 17. Oktober auf der ITC. Besuchen Sie Stand 2175 für eine exklusive Enthüllung von MedHub 🚀

So transformieren Sie Verlustquoten mithilfe unstrukturierter Daten

Verbesserung der Prognosemodelle und der Automatisierungsgenauigkeit durch Extrahieren medizinischer Informationen aus Notizen und Korrespondenz Was sind unstrukturierte Daten? Einer der größten...

EvolutionIQ
February 12, 2021

Verbesserung der Prognosemodelle und der Automatisierungsgenauigkeit durch Extrahieren medizinischer Informationen aus Notizen und Korrespondenz

Was sind unstrukturierte Daten?

Eine der größten Datenherausforderungen für Versicherungsträger ist die Fähigkeit, datengestützte Entscheidungen an vorderster Front zu treffen. Während des normalen Geschäftsverlaufs fällt eine enorme Menge relevanter Daten an, und infolgedessen bleibt das institutionelle Wissen in den Schadensfällen verborgen. Die meisten dieser unstrukturierten Daten enthalten wichtige Informationen in Form von Notizen, die von Sachverständigen, Krankenschwestern, Berufsexperten und anderen verfasst wurden. Die Auswertung dieser Informationen ist für die Sachverständigen, Gutachter und Prüfer, die für die Bereitstellung der Ergebnisse verantwortlich sind, zeitaufwändig. Im Gegensatz zu strukturierten Feldern verfügt jeder Gutachter über eine eigene Methode zur Erfassung von Notizen in freier Textform, die weder standardisiert noch meldepflichtig ist. Ein typischer Anspruch besteht aus Dutzenden von Notizen, die sich nur selten auf die ursprünglich erfassten strukturierten Daten auswirken. Daher ist es schwer nachzuvollziehen, was bei Schadensfällen im großen Maßstab vor sich geht, da die wichtigsten Informationen in unstrukturierten Daten enthalten sind, die schwer zu analysieren und zu interpretieren sind. Und was noch wichtiger ist: Da sich die Branche in Richtung prädiktiver Modellierung bewegt, kann es zu Fehlern in automatisierten Arbeitsabläufen kommen, wenn das gesamte medizinische Profil eines Antragstellers nicht verstanden wird.

Extraktion medizinischer Informationen aus unstrukturierten Daten

In nicht mehr als 20% dieser Fälle wurden die strukturierten Daten nach der ersten Schadenmeldung um eine sekundäre Erkrankung oder detaillierte Symptome erweitert. EvolutionIQ war jedoch in der Lage, maschinelle Sprachverarbeitung auf Tausende von Schadensfällen anzuwenden, sodass pro Schadensfall durchschnittlich über 14 zusätzliche Diagnosen oder Symptome ermittelt wurden. Mit einem vollständigeren und genaueren Bild des Gesundheitszustands eines Antragstellers ist EvolutionIQ in der Lage, das Ergebnis genauer vorherzusagen und für jeden einzelnen Anspruch eine Anleitung bereitzustellen.

Nutzung unstrukturierter Daten als Grundlage für die Arbeitsabläufe von Adjustierern

Um den Kunden den bestmöglichen Service bieten zu können, müssen diese Daten zu umsetzbaren Erkenntnissen zusammengefasst werden, die als Grundlage für die Behandlung und Dauer dienen können. EvolutionIQ analysierte Tausende von Beschwerden, die bei unseren Partnern ausgewählt wurden, und identifizierte eine Reihe von Trends, die sich aus diesen Daten ergaben, um den Arbeitsablauf der Sachverständigen zu unterstützen.

Identifizierung kritischer medizinischer Informationen

Die Analyse ergab einen ähnlichen Trend bei der Primärdiagnose sowie bei den anhand der Notizen identifizierten Symptomen. In 72% der Fälle wurde jeweils mindestens eine schwere Komorbidität einschließlich Depression, Bluthochdruck und Diabetes festgestellt. Diese schwerwiegenden Erkrankungen können, wenn sie bei der Priorisierung und dem Arbeitsablauf nicht berücksichtigt werden, die Dauer und die Kosten erheblich verlängern als erwartet.

Anpassung des Schweregrads von Ansprüchen mithilfe unstrukturierter Daten

Bei 69% der Beschwerden sind in den Notizen schwerwiegendere Diagnosen oder Symptome enthalten, als es ihr primärer Diagnosecode in den strukturierten Datenfeldern vermuten lässt. Durch eine genauere Identifizierung des Schweregrads und der Wiederherstellungszeiten können Spediteure die richtigen Ressourcen und Spezialisten zuweisen und Arbeitsabläufe effektiver priorisieren.

Head-Up-Einstellhilfe

Auf dieser Grundlage wissen wir, dass primäre Symptome in strukturierten Daten selten die ganze Geschichte über eine Person erzählen. Durch die Bereitstellung einer umfassenden Extraktion des Gesundheitszustands eines Anspruchstellers können Spediteure ihre Arbeitsabläufe ohne Bedenken stärker automatisieren, und Sachverständige können Leistungsansprüche besser priorisieren, angemessene Behandlungen verschreiben und die Patienten schneller wieder an die Arbeit bringen.

Um mehr darüber zu erfahren, wie EvolutionIQ Ihnen helfen kann, das Potenzial Ihrer unstrukturierten Daten auszuschöpfen, wenden Sie sich an Andrew Naoum, Vertriebsleiter bei andrew@evolutioniq.com

Related posts

EvolutionIQ
EvolutionIQ erweitert MedHub: Durch aktive medizinische Zusammenfassungen werden medizinische Daten zu einem Wettbewerbsvorteil
Nachrichtenredaktionen
All