中国保险报:民建中央调研组考察好人生集团 解读人工智能知识图谱核心能力与应用

2018-12-14 15:44:20 12

  日前,民建中央调研组一行到好人生健康集团考察和调研人工智能知识图谱及“健保云”系统。

课题组了解到,好人生集团经逾十年的研发与积累,具有近2000多种完整的常见病诊断决策树,同时还具备健康风险诊断等面向大健康产业发展未来的基础性知识图谱。课题组希望了解完整的知识图谱与行业壁垒、人工智能进化的计划和方法,以及如何保持长远的竞争优势的核心能力。

  2007年成立至今,好人生集团在健康医疗和健康保险领域中的人工智能科学研发脚步从未停止。十年间,好人生集团通过率先或独家地与世界顶尖的健康医疗和保险规则的底层数据库、IT技术等基础资源对接、不断研发和更新,沉淀和迭代了“健康保险+健康管理”的人工智能知识图谱,其中获得包括IDMA国际疾病管理协会和“疾病管理之父”Warren Todd先生、“世界最好的医院”梅奥Mayo Clinic、世界知名再保公司等专业合作伙伴的大力支持。

  通过机器学习建模,好人生集团对基础资源数据进行开发,面向不同领域的应用技术,包括机器学习/深度学习、智能机器人等,使其能像人一样,甚至是富有一定经验的人,自主思考和行动,从而解决了人工智能发展中“替代和发展人的知识和逻辑”的关键技术。

目前较多应用于人工智能学习方法是认知算法、采用监督学习的方法,以IBM Watson为例,从海量的医学文献和病历中提取医生临床诊断经验,通过不断重新调整它的内部处理流程来得到一些问题集合的最高可能性的正确答案,比如哪张放射性图片显示癌症。正确答案必须是已知的,这样系统才能被告知它何时做对、何时做错。然而,这种算法需要大量、有质量的临床数据,医生的临床经验差异性较大、治疗偏好各异、各国本土化差距甚远等因素,导致在研发六年后的今天,Watson的问题被频频爆出:“开错药”、“需要医生使用,不能完全独立”、“数据来源受阻”等问题。

不同于以IBM Watson为代表的归纳法学习方法,好人生基于马尔可夫逻辑网的关联规则迁移学习方法,通过对从源领域(梅奥疾病诊断决策树、IDMA疾病管理决策树)中得到的与当前目标领域(个人健康风险评估与干预、疾病自我诊断、健康险核保、健康险核赔)相关的领域模型的迁移来完成精确有效的结构学习,将迁移视为优化结构,给出一个算法来调整和扩展源MLN结构(引入气候、环境、医疗、个人行为等动态因素,保险两核规则等相关行业规则)并加以优化,提高对目标领域学习的精确性和适用性。同时,还也利用过去十余年健康风险管理服务实践所积累的实例样本数据对小样本学习方法做相应的尝试,希望能够为特定目标人群(如:慢病人群、地方病人群)的健康风险管理提供更为有效的支持。

近年来,好人生集团的人工智能建设不断推出新成果。

 2015年发布了疾病症状自我诊断人工智能系统“绝世好医”,累计帮助了数千万人群通过在线的自我诊断,明确疾病状况、避免低效就医。“绝世好医”是基于梅奥首次在华投放的150年大数据算法及海量医疗知识库由好人生独立完成本土化和研发、发布。

 2016年,基于好人生人工智能和健康医疗服务的经验沉淀,确定了VHS Inside生态赋能战略,为健康保险+大健康产业提供赋能助力。赋能战略实施至今,已服务超过数百家大型企业、50余家保险公司、300多万活跃付费客户、数千万提供健康医疗服务覆盖人群。

 2017年至今,基于对健康险和健康管理行业的十年研发和服务经验,好人生发布了人工智能健康保险智能风控平台“健保云”,为保险公司提供了更为高效的检核工具。目前,“健保云”已以人工智能和大数据为驱动、以“健康风险诊断”和“疾病诊断”为核心,为健康保险行业提供包括了智能健康干预、智能两核、大数据挖掘行为识别等4大核心技术、6大智能规则引擎、12项健康风控赋能的模块化部署,并在不断接入健康医疗、保险规则、健康风险管理实务和相关重量级行业大数据的同时,持续、高效地迭代和优化系统。

 利用人工智能技术,好人生“健康保险+健康管理”知识图谱在一直快速学习、高效输出、积极反馈,在应用中不断趋于更优。