编者按：医疗系统结构日益复杂化，信息却呈现分散化，往往会导致患者由于所得信息不充分而作出多余的医护决定，实际并没有什么疗效，徒增不必要的费用。数字医疗保健公司Accolade致力于帮助自保险企业雇主改善消费者体验，运用人工智能技术，引导个人及企业做出更好的医护决定。

        医保和人工智能现在都经常出现在新闻中，美国参议院废除了“美国平价医疗法案”（又称“奥巴马医改”）的立法草案，这让一些美国人感到恐惧，与此同时，机器学习ML和人工智能这两个概念的流行也激发了他们对自身的担忧。

        如果有办法将医疗保健与机器学习结合起来，提供不仅仅更高效而且更主动的服务？能否削减成本、增强医保水平？它能帮助医保机构优化客户服务吗？而不仅仅依靠简单的指标？

        健康科技？

       医疗技术平台Accolade公司在做这样一件事情：Accolade的Maya智能引擎将ML和AI结合，利用公司的医疗技术和服务平台，为企业雇主、医疗机构和卫生系统提供“专业健康助手”服务。该公司致力于提供“最具个性化的医疗体验”，但似乎也通过应用数据科学来帮助保险公司更好地帮助他们的客户。

        Accolade的首席产品官Mike Hilton表示，传统的医疗保健模式是针对最病重的5％的客户群体，扩大一些服务，或者对其进行一些下一步行动的预测分析。客户并不喜欢这种方式，而且客户的参与率非常低。

        不只是5%

        Accolade的做法是投入更广泛的网络，不仅仅针对最严重的疾病状况的5%客户群体，而且是囊括了许多健康的客户。 针对可能健康的年轻成员也有好处，因为这些成员可能遇到同样的问题，例如，提起索赔，或者天真地使用医保网络外供应商，并且没有打电话确认他们可能收到的高额帐单。

        反过来，这可能会使他们对他们的保险责任范围造成形象，局促不安地使用，或者松懈安排。这种冷漠可能导致以后的健康状况不佳，以及对身体条件的严格管理。

        主动的机器学习

       机器学习对于保险公司很有帮助。保险公司的利益显然是使其健康的成员对其承保范围满意并利用客户预防措施获益。平台，全方位收集用户信息，根据医疗分析工具和临床模型，给患者提供个性化咨询诊断。用户有医疗需求的时候可以直接通过电话、手机app或PC端网页来联系“健康助手”，而且一个“健康助理”背后又有一群有资质的医疗技术支持者，如护士、医生、药剂师、医学社会工作者或者医学专家。 这可以帮助建立信任和关系，引导成员更加舒适地利用自己的承保范围，并主动关心自己。

        想像一名中年女性患有糖尿病。 对于保险公司和受保人来说，早期参与是有道理的。 积极管理条件将明显降低保险公司的成本。 但它也构成了医保的协调。 不用机器学习，告诉付款人他们应该进行这样的宣传可能是最好的; 但是有了ML，保险公司可以将其作为一个程序，以高度的信心，统计地实现这一点，这样做符合他们的利益。

        iPhone一代的医疗保健

        分析参与数据、病史、健康状况和“生活环境”，然后参与，确定“下一步行动”。这是Accolade所做的很大一部分事情，但它的技术绝对不只是后端。 Accolade提供了一个移动应用程序，成员可以使用App与健康助理和护士进行沟通 ，在这个时代，这是比预约办公室访问更令人愉快的，因为预约、通勤、等待的过程可能需要数个小时。

        即使使用移动应用交互，Maya引擎也可以起作用。 通过使用自然语言处理，Maya可以再次参与下一个最佳的行动，它还可以确定健康助理是否得到推荐，以及用户喜欢。 同样，这与AI是一样常识，健康保险行业可以从中受益。

        服务企业利益

        有趣的是，虽然Accolade有客户参加了奥巴马医保，但大多数客户都是企业商业保险用户。这是一个有趣的用户群，因为它在成本效益以及员工健康和员工满意度（高满意度可以带来更高的员工保留）方面息息相关。Accolade帮助企业员工及家属做出医护决定，改善医护效果，并能够充分利用医疗体系和保险价值，提高员工满意度及对于企业的忠诚度，从而节省了企业由于人员流失而增加的成本。Accolade平台帮助企业提升医疗福利的质量，还不断降低医疗成本。

        包括让消费者更快乐，让消费者更健康，降低医疗成本三个目标。和数据科学中的CAP原则一样，三重目标的各个方面都都影响其他两个目标，实现这三个目标是很困难的。

        但Hilton表示Accolade在这三个方面表现非常出色。 他解释说Accolade有一个大型的数据科学团队。 这种相关性也可能具有因果关系。 有时，数据科学只是让我们更加直接地做正确的事

来源：36氪  2017-07-01