实战 | 保险核保智慧体检体系建设

欢迎金融科技工作者积极投稿！

投稿邮箱：[e-mail]

                                          ——金融电子化

      

文 / 中国人寿保险股份有限公司智慧体检课题组

智慧体检建设背景

随着经济的快速发展，保险已成为国民经济的一个重要产业，持续发挥着经济减震器和社会稳定器的作用。尤其受近年来疫情影响，人们的风险防范和保险保障意识进一步增强，购买保险的意愿持续增加，对保险公司风险控制能力和客户服务水平提出较高要求。

核保作为保险公司承保阶段风险控制的重要手段，其标准化、专业化水平对公司稳健经营起到至关重要作用，目前主要存在以下三点亟待解决的问题。

（1）能力要求高：核保人员除熟练掌握核保操作流程外，还需要具备专业医学知识、熟练掌握核保实务及评点规则，对客户风险进行综合判定后，决定是否体检及具体的体检项目，需要核保人员具备较高的综合能力。

（2）核保时效低：体检报告生成后，核保人员通过逐页查看影像的方式对体检结果进行核对，记录异常体检结果，再综合核保医学及评点规则给出核保结论，整体处理时间较长。

（3）承保质量差：因体检周期长，体检结果可能会影响承保决定，导致加费、特别约定或拒保等非标准体承保情况，以至于客户对于体检较为抵触，具不完全统计约三成客户选择拒绝体检或撤销投保，直接影响业务发展。

随着机器学习、图像处理（CV）和自然语言处理（NLP）在金融行业的持续应用，在风险控制、流程优化、客户服务、智能决策上取得了良好的应用效果，也为通过综合应用大数据、机器学习等技术对既有核保体系各节点进行重塑，建设一套完整的智慧体检体系提供了技术保障。

智慧体检建设方案

智慧体检体系聚焦人工核保阶段客户体检垂直领域，充分利用智能化技术，对既有体检流程进行重塑，通过建设免体检额差异化评估模型、短期出险预测模型、体检通知书自动下发、体检风险评估模型、线上体检预约、体检报告智能OCR识别，打造集自动化、线上化、智能化、数字化于一体的智慧体检体系，实现风险控制水平与客户服务体验全面升级。

图1  免体检额差异化评估模型建设流程

1.风险智能评估，免检额度差异化。通过机器学习与精算假设有效组合建设免体检额差异化评估模型，可在自动核保阶段通过对客户风险进行智能评估，对不同风险等级的客户给予不同免体检额，对于风险较低客户提升免体检额度，对于风险较高客户控制免体检额度，进而有效降低客户体检概率，提高自动核保通过率和出单时效。

免体检额差异化评估模型由客户风险分级模型、精算假设利润评估两部分组成。其中，客户风险分级模型使用保单信息、投保人信息等65个特征变量，根据客户风险等级、地区、年龄等将客户划分为不同群体，通过精算假设评估不同群体在提升不同免体检额后对应的利润，经过持续不断地调参，最终确定针对不同群体的免体检额度。

2.智能预测体检，实现通知自动化。通过建设短期出险预测模型，对客户短期内出险概率进行预测，作为现有核保规则体系的补充，强化核保风险控制能力；对于风险较高的客户通过体检方式进行风险排查，降低客户逆选择风险；对于因短期出险率过高或者因触发其他核保规则需要体检的客户，通过智能化手段对需要体检项目进行预测，并完成体检通知书自动制定和下发。

模型构建包括场景确认、特征选取、数据加工、数据提取探查及清洗、特征工程、模型构建及优化、模型效果评估七个过程。其中，特征工程包含特征构建、提取、选择三个部分；模型构建及优化分别为训练阶段和测试阶段，基于PRC和ROC曲线下面积、F-score、查准率、查全率等指标对模型效果进行综合评估。

3.预约高效透明，体检结果数字化。通过与体检机构对接，客户可在线选择需要预约的体检机构和体检时间，预约完成后，如遇特殊情况，可对已预约的信息进行修改或取消；通过为客户提供线上化、透明化的体检预约服务，满足客户灵活多样的体检需求，极大提高客户体检体验。

客户完成体检，生成体检报告影像后，充分利用AI机器学习、图像处理和自然语言处理对体检报告进行结构化、归一化处理，形成标准统一的数字化结果；可支持800多种体检检查项识别及归一化处理，基于语义相关性处理，有效识别表格内信息换行、表格嵌套等特殊情况，确保结构化后的数据清洁。

4.结论自动生成，风险评估智能化。基于客户、险种信息、体检明细数据等数百个特征，通过对数据进行全面的清洗，包括处理缺失值、异常值处理、标准化处理等，将数据处理为初步训练样本，通过单因素分析和相关性分析，考察指标的统计信息及指标之间的相关性，初步筛选方差较小与被解释变量相关性较强的指标。

通过LASSO回归，随机森林进行进一步的特征筛选，对特征进行主成分分析，对指标的重要程度进行考察。通过特征提取与特征选择对数据进行降维，通过综合对比使用随机欠采样、随机过采样、SMOTE采样对数据进行平衡处理，通过深度学习和规则引擎相结合建设体检风险评估模型，将传统保险业务中的单点评估问题拓展为多维立体综合评估，发现可能潜在的承保风险，自动给出核保结论。

图2  体检风险评估模型建设流程

应用效果及展望

通过智能化技术的综合应用，建设了一套完整的智慧体检体系，实现对传统核保体检流程的重塑，在实现精准风险控制的基础上，为客户提供全新的体检服务体系，实现体检结果数字化及核保结论智能生成，大幅降低核保人员工作量和工作强度，提升作业时效。

1.精准风控，提升时效创费增收。通过智能模型在自动核保阶段对客户承保风险分析，实现客户无感知的风险精准排查，对低风险客户予以快速通过，对高风险客户通过体检等方式进行健康评估。模型准确度达93.1%，有效减少目标客户9.3%的体检量，因体检导致的体检脱落率降低1.2%，累计创收保费9000余万元。

2.随时随心，提升客户体检体验。通过为客户提供线上化、透明化的闭环体检服务，客户可根据实际情况在线选择适宜的体检机构。客户可在线对已预约信息进行修改或取消，极大地提升客户承保体验，实现客户完成自主，同时，可在线查看体检报告，及时掌握个人健康情况。

3.提高效率，提升核保处理时效。将人工智能技术与医学知识、保险业务紧密结合，对各种样式的体检报告数据进行结构化，通过自然语言处理和医学语义自动识别异常体检项目，在对客户健康状况进行智能评估的基础上给出核保结论，大幅提升核保处理时效，确保结论一致性。

4.灵活扩展，提升数据应用价值。在对体检报告识别的基础上，持续拓宽其他医学资料的识别，通过对医疗数据进行持续挖掘分析，逐步构建客户各维度结构化健康数据，为建设精准化产品定价体系及承保精准风险控制等应用提供基础数据，为各类健康群体客户推荐专属保险保障方案，拓宽可保边界。

在对既有体检模式深入研究的基础上，通过对各种人工智能技术的综合使用和有效编排，建立了一套完整的智慧体检体系，并取得了既定效果，后续将以此为契机，实现更多智能化、规模化、场景化的应用建设，为业务发展贡献人工智能的力量。

（智慧体检课题组成员：于高升、周华强、曹睿、颜瑜、王艺蒙、侍相君、朱涛、张娜；撰稿人：于高升）

（栏目编辑：张丽霞）

往期精选：

（点击查看精彩内容）

新媒体中心：主任 / 邝源  编辑 / 傅甜甜  张珺  邰思琪