التحدي
احتاجت شركة تأمين متخصصة تعمل في المجال الطبي والصحي إلى تطوير سياسات التسعير لديها. ولتحقيق ذلك، كان عليها فهم المخاطر المرتبطة بكل مريض على حدة وتعديل نماذج التسعير وفقًا لها، بهدف تحقيق وفورات كبيرة.
حلّنا
بنينا تطبيقًا حول نموذج تعلّم آلة يتنبأ باحتمال الإصابة بمرض معيّن انطلاقًا من خصائص ومعايير مُدخلة كثيرة، منها التاريخ الطبي. والنموذج شبكة عصبية عميقة دُرّبت على بيانات طبية تاريخية تغطي خمس سنوات متتالية، وصُمّمت للتعامل مع الصعوبات الكامنة في البيانات مثل عدم توازن الفئات.
كما بنينا إطارًا للتحقق يتيح المقارنة الموضوعية بين أساليب متعددة، والتأكد من أن النموذج المختار يتفوّق بوضوح على البدائل.
- التنبؤ باحتمال الإصابة بالمرض انطلاقًا من التاريخ الطبي وخصائص المريض الأخرى
- نموذج تعلّم عميق دُرّب على بيانات طبية تاريخية لخمس سنوات متتالية
- معالجة عدم توازن الفئات في بيانات التدريب
- إطار للتحقق يتيح مقارنة موضوعية بين الأساليب المتنافسة
النتيجة
تفوّق النموذج بشكل ملحوظ على النماذج المرجعية القائمة على الإحصاء. واستخدمت شركة التأمين مخرجاته لتحسين سياسة التسعير وزيادة الإيرادات وإدارة المخاطر بشكل أفضل، ما أسفر عن وفورات كبيرة.
