Caso de Estudio ST IT CLOUD: Machine Learning Asertivo
En este artículo, hablaremos sobre el caso de estudio del segmento de salud, cuyo principal desafío era el procesamiento de un gran volumen de clientes, lo que ocasiona cuellos de botella de alta complejidad en lo que se refiere a la auditoría médica en las autorizaciones de exámenes y procedimientos. El trabajo de ST IT Cloud fue, a través de Data Lake y Machine Learning, elaborar un sistema que trabajara de forma Orquestada y Económica.
EL DESAFÍO ST IT
Como se mencionó anteriormente, el procesamiento de información dentro de Unimed-BH se estaba volviendo extremadamente complejo a la hora de producirse la aprobación de exámenes médicos y la autorización de Guías. Con eso, el superintendente de TI, Ezequiel Ribeiro da Silva, explica que actualmente se generan más de 180 mil solicitudes de procedimientos por mes. «Cerca de 145 mil de esas solicitudes ya son tratadas por los sistemas de Unimed-BH a través de reglas fijas. Sin embargo, existen 35 mil solicitudes mensuales que son remitidas a médicos auditores, cuya función es evaluar caso a caso esas solicitudes», dice.
Con eso, se identificaron tres puntos principales necesarios para automatizar el proceso:
- Disminuir los gastos en auditoría médica en las solicitudes de exámenes y procedimientos
- Hacer las evaluaciones para aprobación y auditoría más efectivas
- Agilizar el proceso de aprobación de exámenes
CONOZCA LAS SOLUCIONES ST IT
Elaboración de la Arquitectura y desarrollo de un sistema capaz de cargar datos y archivos, estructurados y semiestructurados, transaccionales e históricos en un Data Lake de forma Orquestada y Económica.
Además, también se desarrolló un modelo de Machine Learning lo suficientemente asertivo para autorizar automáticamente los exámenes y procedimientos médicos, con validación y exhibición de informaciones y alertas en Near Real Time.
«La solución actual es resultado de varias experimentaciones y diseños de arquitecturas diferentes en diferentes pilotos. La flexibilidad del uso de diferentes servicios disponibles en AWS, con el sistema de cobro por asignación, permitió a Unimed-BH experimentar varios escenarios antes de llegar al más adecuado», revela Silva para AWS.
Actualmente, el proyecto está obteniendo buenos resultados, con más agilidad en los procesos: un 40% más rápido, y pretendemos mejorar al 60% conforme se dé la maduración del modelo, ¡mejorando aún más la experiencia y los resultados!
Si tu empresa tiene un desafío de datos, innovación o migración a Cloud, contacta a nuestros especialistas.
