Пресса о страховании, страховых компаниях и страховом рынке

CNews.ru, 8 сентября 2026 г.

В платформу Webiomed встроен сервис андеррайтинга для медицинского страхования

143 просмотра

Компания «К-Скай», разработчик платформы прогнозной аналитики Webiomed, объявила о завершении создания и валидации новой прогностической модели на основе машинного обучения для оценки рисков наступления страховых случаев. Продукт предназначен для цифровой трансформации процесса андеррайтинга в медицинском страховании, включая ДМС.

Разработанный алгоритм lightgbm позволяет страховым компаниям с высокой точностью выявлять застрахованных с повышенным риском госпитализаций и сложных амбулаторных визитов – событий, формирующих основную часть страховых выплат.

Применение сервиса позволяет существенно повысить эффективность управления программами страхования, перейдя от усреднённых тарифов к персонализированной оценке риска на основе комбинации медицинских и региональных данных.

Модель обучена на обезличенных данных 44083 пациентов трудоспособного возраста, а также на агрегированных макропоказателях субъектов Российской Федерации. Итоговая прогностическая точность модели (AUC ROC = 0,794) подтверждает её эффективность и готовность к интеграции в реальные процессы ценообразования.

Целевым событием для модели является эскалационный первичный визит за медицинской помощью в прогнозируемом периоде. Под ним понимаются: госпитализация (случай стационарного лечения любой длительности); амбулаторный визит, в ходе которого выполнялись лабораторные и/или инструментальные исследования (клинический анализ крови, ЭКГ, УЗИ, рентгенография) или осмотр пациента, который проводили два или более врача различных специальностей.

Из целевого события исключены стоматологические приёмы, профилактические осмотры без дополнительных исследований и диспансерное наблюдение без активного лечения. Такие исключения позволяют модели фокусироваться именно на затратоёмких случаях.

Уникальность созданной модели заключается в комплексном учёте региональных особенностей. В нее интегрированы не абстрактные «коэффициенты региона», а агрегированные макропоказатели по четырём блокам: демография, экономика, здоровье населения и здравоохранение. Для создания обучающего набора были использованы данные Росстата, ЕМИСС и сборников «Регионы России». Учет региональных особенностей позволяет: выявлять связи между социально-экономическими условиями и частотой эскалационных обращений; применять модель для регионов, которые не входили в исходную выборку из 44 субъектов – достаточно подставить актуальные статистические показатели; учитывать динамику региональных систем здравоохранения при регулярной перекалибровке модели.

В совокупности региональные признаки объясняют около 7% дисперсии прогноза, что подтверждает их значимость для андеррайтинга и ценообразования.

Ваше мнение об этом материале:

— Ваше имя
— Ваш email
— Тема

Ваш отзыв (заполняется обязательно):

Укажите код на картинке слева:

Установите трансляцию заголовков прессы на своем сайте

 Подробнее »

Получить код для трансляции заголовков прессы »