El reto
Una aseguradora especializada del ámbito médico y sanitario necesitaba desarrollar sus políticas de precios. Para ello, debía comprender los riesgos asociados a cada paciente y ajustar en consecuencia sus modelos de precios, con el objetivo de lograr un ahorro considerable.
Nuestra solución
Creamos una aplicación en torno a un modelo de machine learning que predice la probabilidad de una enfermedad concreta a partir de numerosas variables y parámetros de entrada, entre ellos el historial médico. El modelo es una red neuronal profunda entrenada con datos médicos históricos de cinco años consecutivos, y se diseñó para gestionar dificultades intrínsecas de los datos, como el desequilibrio de clases.
También creamos un marco de validación para comparar de forma objetiva varios enfoques y confirmar que el modelo elegido superaba claramente a las alternativas.
- Predicción de la probabilidad de enfermedad a partir del historial médico y otras características del paciente
- Modelo de deep learning entrenado con datos médicos históricos de cinco años consecutivos
- Tratamiento del desequilibrio de clases en los datos de entrenamiento
- Marco de validación para comparar de forma objetiva enfoques alternativos
El resultado
El modelo superó con claridad a los modelos de referencia basados en estadística. La aseguradora utilizó sus resultados para optimizar su política de precios, aumentar los ingresos y gestionar mejor el riesgo, lo que se tradujo en un ahorro significativo.
