MedCAT AI Insurance: Góp phần giải bài toán của ngành bảo hiểm

“Thế giới hiện nay đang sở hữu một lượng dữ liệu khổng lồ từ các hoạt động thường ngày của mình, đa phần trong số đó là dữ liệu dưới dạng phi cấu trúc. Nếu không có cách thức xử lý và chuẩn hóa để đưa vào ứng dụng trong phân tích khách hàng, dịch vụ, ngăn chặn khủng hoảng xã hội, nguy cơ cạnh tranh, khủng bố…, có thể chúng ta sẽ dễ rơi vào tình trạng ‘chết khát trong biển thông tin’”, TS. Lưu Vĩnh Toàn - chuyên gia công nghệ tại Công ty Move Digital AG (Thụy Sĩ) từng chia sẻ trong một bài viết trên tạp chíTia Sáng.

Nói một cách đơn giản, dữ liệu phi cấu trúc là những thông tin không được định nghĩa trước về mô hình dữ liệu hay cách thức tổ chức nội dung của dữ liệu. Các dữ liệu này phần lớn là những dữ liệu văn bản, tạo ra theo cách diễn đạt tự nhiên của con người. Tính bất thường (irregularities) và mơ hồ (ambiguities) khiến dữ liệu phi cấu trúc khó được xử lý bởi các chương trình máy tính truyền thống so với loại dữ liệu có cấu trúc được lưu trữ thành các bản ghi với kiểu dữ liệu và trường dữ liệu rõ ràng.

Ngày nay, chúng ta đang chứng kiến sự bùng nổ về khối lượng dữ liệu phi cấu trúc như web, văn bản, tin tức, email, mạng xã hội… từ các nguồn internet, truyền thông xã hội và dữ liệu nội bộ. Theo báo cáo năm 2015 của Deloitte, tổ chức chuyên về tư vấn doanh nghiệp, kiểm toán và dịch vụ tài chính lớn nhất thế giới, mỗi ngày cả thế giới gửi và nhận 294 tỉ email, 1 tỉ chia sẻ nội dung trên Facebook, 200 triệu ‘tweets’ (chia sẻ nội dung ngắn) trên Twitter (hiện nay có tên là X). Theo một số nhận định trên Forbes, Forrester Research, dù lượng dữ liệu phi cấu trúc chiếm từ 80-90% khối lượng dữ liệu của các tổ chức, doanh nghiệp lớn nhưng dữ liệu này chưa được khai thác hiệu quả để có thể biến thành các quyết định, giải pháp, hành động mang lại giá trị và lợi nhuận cho doanh nghiệp hay tổ chức bởi việc nắm bắt, phân tích, tận dụng loại thông tin này gần như vượt quá khả năng của các doanh nghiệp.

Biến “dầu thô” thành nguyên liệu

Thực tế trên cũng là điều mà chị Đặng Thị Ánh Tuyết - Tổng Giám đốc Công ty Cổ phần MedCAT nhận thấy từ trải nghiệm cá nhân. Khi đi cùng với người thân đến các bệnh viện ở cả trong nước và ngoài nước, mỗi ngày, chị đều phải tự ghi lại thông tin, tự cấu trúc lại tất cả các dữ liệu để có một bản tổng kết thực sự đơn giản và dễ hiểu cho những lần thăm khám tiếp theo. “Tôi thấy rằng vấn đề này không chỉ ở lĩnh vực y tế mà còn ở tất cả các ngành, và tôi quyết định rằng, phải làm một giải pháp để tái cấu trúc dữ liệu - biến ‘dầu thô’ thành nguyên liệu có thể sử dụng được”, chị Ánh Tuyết nhớ lại trong bài phát biểu tại Ngày Khoa học Công nghệ 18/5. “Chúng ta phải xử lý xong dữ liệu phi cấu trúc thì mới hoàn thành giai đoạn hai của quá trình chuyển đổi số, và khi đó mới có dữ liệu để các doanh nghiệp khác thực hiện các bước liên quan đến tự động hóa trong phần chuyển đổi số tiếp theo”.

Sau một thời gian làm việc cùng chuyên gia AI trong và ngoài nước, Công ty MedCAT đã chính thức đưa sản phẩm của mình - hệ thống MedCAT AI Insurance - ra thị trường vào tháng 8/2024. Trong bài dự thi giải thưởng AI Awards 2024 của Bộ KH&CN (MedCAT là một trong năm dự án thắng giải), MedCAT cho biết, hệ thống của họ bao gồm MedCAT IDUS (Intelligent Document Understanding and Structuring) - một nền tảng thông minh được phát triển với mục tiêu đọc hiểu và tái cấu trúc dữ liệu từ các hồ sơ y tế. Nền tảng này sử dụng những tiến bộ mới nhất trong lĩnh vực ngôn ngữ tự nhiên (Natural Language Processing – NLP), trí tuệ nhân tạo (Artificial intelligence – AI), và kiến thức y tế chuyên sâu để phân tích và xử lý các tài liệu y tế một cách hiệu quả. Bất kể hồ sơ y tế có cấu trúc như thế nào, MedCAT IDUS đều có khả năng hiểu và tái cấu trúc dữ liệu từ chúng.

Để làm được điều này, MedCAT đã đi theo một phương pháp hoàn toàn khác biệt với những cách truyền thống hay chiết xuất dữ liệu - vốn đòi hỏi hệ thống phải học theo từng bảng biểu mẫu. “Thay vào đó, hệ thống của MedCAT ứng dụng AI, sử dụng mô hình ngôn ngữ kết hợp thị giác và mô hình ngôn ngữ lớn để tạo thành một mô hình riêng có thể giúp số hóa và tái cấu trúc mọi loại dữ liệu mà không phụ thuộc vào biểu mẫu với độ chính xác rất cao tới hơn 97%”, chị Ánh Tuyết cho biết.

Quá trình bắt đầu bằng việc chụp ảnh hoặc quét các hồ sơ y tế của một bộ hồ sơ yêu cầu bồi thường. Những hình ảnh này sau đó được phân tích nội dung bằng hệ thống MedCAT IDUS. Hệ thống đọc và hiểu nội dung của hồ sơ y tế và chuyển đổi chúng thành dạng dữ liệu có cấu trúc. “Điều này có nghĩa là thông tin từ các hồ sơ y tế không chỉ được số hóa mà còn được cấu trúc hóa, giúp dễ dàng truy cập và phân tích sau này”, MedCAT cho biết. Sau khi dữ liệu đã được tái cấu trúc, hệ thống MedCAT AI Insurance sẽ tiếp nhận và xử lý dữ liệu này. Với khả năng đối chiếu các nội dung trong hồ sơ y tế với các yêu cầu bồi thường, hệ thống có thể tự động tính toán chi phí bồi thường dựa trên từng trường hợp cụ thể của khách hàng - một cải tiến giúp giảm thiểu thời gian và công sức cho cả khách hàng và công ty bảo hiểm.

Tăng tính tự động hóa

Một trong những tính năng nổi bật của MedCAT AI Insurance là khả năng đưa ra các tư vấn bồi thường chuyên sâu. Hệ thống có thể xác định tính phù hợp giữa đơn thuốc và chẩn đoán của bác sĩ. Bên cạnh đó, MedCAT AI Insurance cũng có thể kiểm tra xem các chẩn đoán này có phù hợp với dữ liệu lâm sàng và cận lâm sàng hay không để giúp đảm bảo rằng mọi quyết định về bồi thường đều dựa trên các thông tin chính xác và đáng tin cậy.

“Trong bài toán này, chúng tôi ứng dụng nhiều mô hình về dược và bệnh học để tự động đưa ra kết quả bồi thường, đồng thời hỗ trợ tư vấn kết quả cho nhân viên. Với cách làm này, nhân viên không cần nhập liệu hay tính toán thủ công nữa. Đặc biệt, thay vì chỉ xử lý 20 trường dữ liệu như trước, hiện tại chúng tôi sử dụng hơn 200 trường để giải quyết toàn diện các bài toán bảo hiểm và dữ liệu thị trường liên quan, đặc biệt tập trung vào bài toán phát hiện và ngăn ngừa các chi trả bảo hiểm không phù hợp”, chị Ánh Tuyết cho biết.

Không chỉ dừng lại ở việc hỗ trợ bồi thường, hệ thống còn cung cấp các báo cáo chi tiết và dự báo xu hướng. “Các công ty bảo hiểm có thể sử dụng những báo cáo này để quản trị hiệu quả hơn, nắm bắt xu hướng và điều chỉnh chiến lược kinh doanh của mình - một điều đặc biệt quan trọng trong bối cảnh ngành bảo hiểm ngày càng cạnh tranh và đòi hỏi sự tối ưu hóa liên tục”, MedCAT cho biết.

MedCAT AI Insurance cũng đã chứng minh được rằng hệ thống có thể tăng năng suất của khâu giải quyết bồi thường lên tối thiểu 5 lần. Một lợi ích quan trọng khác là khả năng quản trị dữ liệu bảo hiểm chi tiết đến mức “lego”. “Điều này có nghĩa là hệ thống có thể phân chia và quản lý dữ liệu theo các khối nhỏ, tương tự như cách các viên gạch lego được lắp ráp để tạo thành một cấu trúc lớn, giúp các công ty bảo hiểm dễ dàng theo dõi và quản lý từng chi tiết nhỏ của dữ liệu, từ đó đưa ra các quyết định chính xác và hiệu quả hơn”, MedCAT giải thích.

Mặc dù mới chỉ tiếp cận một phần nhỏ trong rất nhiều khâu của lĩnh vực bảo hiểm, cũng như “còn một chặng đường rất dài ở phía trước” theo lời tự nhận xét của người sáng lập MedCAT, song, điều mà chị Ánh Tuyết tự hào là “chúng tôi đã đi được từ những ‘nỗi đau’ của người dùng đến một bài toán thực tế để từ đó triển khai và xử lý. Và điều quan trọng nhất là bài toán này đủ lớn và đủ dài để có thể hỗ trợ được cho rất nhiều người và nhiều doanh nghiệp”, chị chia sẻ.

Bài toán này cũng đã giúp MedCAT thu hút được nhiều chuyên gia AI đã học tập ở nước ngoài về làm việc cùng cũng như các bạn trẻ đam mê giải các bài toán lớn. “Và khi đã tập hợp được lực lượng như vậy thì chúng tôi cũng quyết tâm phải xây dựng được một nền công nghệ lõi đủ tốt. Dù thời gian đầu sẽ rất dài và thực sự là rất khó khăn, nhưng khi giải quyết được thì sẽ giúp thúc đẩy tất cả những khâu sau đó”, chị Ánh Tuyết cho biết.