REVISTA ACTUARIOS. Nª40 BIG DATA EN SEGUROS
http://actuarios.org/actuarios40/
Big data en los seguros sobre
personas
José Miguel
Rodríguez-Pardo
Introducción
La industria
del seguro de vida y/o salud todavía no se ha incorporado a los procesos de
innovación tecnológica que ya se han consolidado en la mayoría de los sectores
empresariales. Lo que se empieza a denominar como insurgencia financiera,
empieza a tomar posiciones en la era digital en la banca, bien podría aplicarse
al seguro y así podríamos acuñar la expresión insurgencia actuarial que vendría a alterar el área de
confortabilidad del actuario y ausencia
de innovación en sus competencias y capacidades aplicadas al seguro de riesgos
personales , situación que recuerda Carmen Laforet en su novela Nada (1944) decía
en voz de su protagonista Andrea ¡Cuántos
días sin importancia!
La propia
naturaleza de los contratos de seguros sobre las personas que requieren
compromisos a largo plazo y ser un sector fuertemente regulado, podrían
explicar también este retraso singular en la aplicación de las nuevas
tecnologías en el diseño, asesoramiento, determinación del perfil del riesgo y
pricing de los seguros de vida y salud. En las modalidades de seguros masa de
daños podemos contrastar una cierta adaptación a los nuevos desafíos
que supone la innovación tecnológica, de hecho los modelos actuariales bajo el epígrafe sophisticaded pricing techcniques se encuentran ya implantados.
Creemos que
estamos en condiciones de afirmar es que esta generación será la última que
suscriba el catálogo actual de productos asociados a la morbilidad y mortalidad
humana, veremos cómo se consolidan las propuestas de Insurance as a Service ( IaaS) donde el seguro es un servicio
prevención y protección de la salud o de la supervivencia.
Y todo ello
antes de que nos adentremos en la cuarta revolución industrial, donde los
modelos de inteligencia artificial puedan replicar las funcionalidades propias de
los humanos, en este escenario las consecuencias sobre la salud y la
supervivencia humana se antojan difíciles de pronosticar. Nick Bostrom, en su
libro Superinteligencia, caminos, peligros y estrategia de 2014, cree que entre
2075 y 2090 las máquinas serán tan inteligentes como los seres humanos con un
90% de probabilidad.
A modo de
ejemplo, la asistencia robótica aplicada a la salud se mejorará la calidad de
vida de pacientes con evaluación permanente de las constantes vitales. Los
conocidos como co-bots ( robots aplicados a tareas laborales) suponen
un reto en todos los aspectos de la vida
empresarial y cotidiana individual.
Big data y el análisis de la salud
El campo de
la biomedicina es uno de los sectores donde mayores oportunidades se han
identificado en el uso de Big Data. La secuenciación genética, aún siendo un
proceso muy complejo, ya está disponible por 1.000 euros, y se estima que en
cinco años el coste de la lectura del genoma de cada individuo se podrá hacer
por tan 100 euros.
La
generación de patrones genéticos personalizados permite determinar parámetros,
sensores, tratamientos e incluso rutas de salud en estado asintomático
adecuadas a las anomalías genéticas de cada individuo. Todo ello bien en forma
presencial o de forma remota, ambos casos favorecerán las
estrategias de salud personalizadas.
Se estima que en diez años la mayoría de las
decisiones médicas se verán de algún modo automatizadas, si en la actualidad el
diagnóstico médico se apoya en las llamadas unidades biológicas como la
analítica, en la imagen o la anatomía patológica, y se empieza a incluir el perfil genético, veremos
pronto cómo la decisión médica se complementará con la decisión clínica
computarizada.
De manera definitiva la medicina basada en la
evidencia científica sustituirá a la medicina basada en la experiencia,
conocida popularmente como el ojo clínico. Lo que se conoce con el acrónimo en
inglés como RWD ( Real World Data) datos recogidos de pacientes fuera de
ensayos clínicos, o RWE ( Real World Evidence) o datos de
pacientes en el diagnóstico y tratamiento en condiciones de vida
real y no en ensayos clínicos, supone el sustrato que permitirá aplicar las técnicas de big data y que conllevará una mejora en la salud de la población.
Cuando este
proceso esté asentado en todas las historias clínicas informatizadas en
atención primaria o especializada, con la receta electrónica y los servicios de
laboratorio e imagen, una vez garantizada la anonimicidad y la construcción
adecuada de los parámetros, estaremos en disposición de verificar si cumplen
las seis V del big data en salud:
-Tres
generales a todo big data: volumen, variedad, velocidad.
-Tres
propias de la salud: veracidad de los datos (libre de errores), variabilidad (la
historia clínica no es homogénea y valor (toda la información debe estar
agregada en un único repositorio de datos).
Superados este test de las seis V, los
algoritmos de IA se podrán utilizar en la toma de decisiones diarias clínicas y
sub-clínicas.
Este escenario
bien de sanidad pública o privada se complica aún más con las App de salud, que
actuarán a modo de early warning y
que contribuirán a establecer patrones de
reconocimiento del comportamiento y permitir "sacar" inteligencia
para mejorar la vida de las personas.
No dejemos
de mencionar a las potencialidades del ordenador de IBM Watson que aplica analítica predictiva
monitoreando de manera continua datos y
decisiones clínicas que hacen que las decisiones médicas sean cada vez más
precisas y eficientes. En 2016, el profesor Satoru Miyano del Instituto de
Ciencias Médicas de la Universidad de Tokio que trabaja en IA de Watson, su equipo
fue capaz de diagnosticar en 10 minutos a un paciente de leucemia cuyo
tratamiento con fármacos no daban los resultados esperados, el ordenador
descubrió una mutación específica y permitió que el paciente se recuperara.
Para alcanzar este logro, Watson ha recopilado 20 millones de artículos
científicos, 15 millones de piezas de información de pacientes y datos de
mutación de genes de cáncer.
Su aplicación en el proceso de suscripción y
gestión de siniestros de seguros sobre la vida humana, posibilitará mayor
precisión en la medida del riesgo técnico en la toma de decisiones. El
tratamiento de datos ayudará al suscriptor médico a la mejora y precisión del
diagnóstico.
Ahora bien, la automatización de decisiones en
el ámbito del seguro puede conllevar
reducción de recursos humanos por la "robotización de decisiones
técnicas", como ha sucedido en la firma japonesa Fukokui Mutual Life
Insurance quien ha sustituido a más de
30 trabajadores de oficina por la aplicación de inteligencia artificial (AI) de IBM Watson. Esta deriva puede extenderse al
40% de las empresas, al cambiar incluso el modelo de negocio por razón de las
tecnologías aplicada.
Los planes de promoción de salud
personalizados
En un
contexto sanitario donde la medicina clínica o sanadora se amplíe a una
medicina predictiva personalizada que incorpore el patrimonio genético
individual, nos lleva a manejar un volumen de datos y variables que harán
posible los llamados modelos prescriptivos, donde el actuario ya no valora el
riesgo de morbilidad o mortalidad, sino que enfoca sus modelos hacia valorar
qué debe hacer suceder para que el asegurado adopte patrones de vida saludable.
Cuando estos
modelos se asienten en la comunidad actuarial y en los productos aseguradores,
se deberán revisar los principios básicos de rigen la medida de la
supervivencia, los criterios de suscripción de riesgos, la estratificación de
riesgos.
El manejo
intensivo de datos posibilita escalar hacia la personalización absoluta del riesgo
de vida o salud, donde las condiciones del seguro serán singulares para
asegurado. Siendo así, la cobertura del riesgo, no será el atributo principal
del producto concebido como plan personalizado de salud, sino que lo relevante
serán los llamados personal paths,
hacia lo que ya conoce en algunos foros como el Nirvana de salud. Este es el
ecosistema propio de Insurance as a
Service ( IaaS)
La capacidad
del fenómeno big data, permitirá que el individuo sea el principal mitigante de
su riesgo de morbilidad, con la ayuda de un conjunto de servicios y tecnologías
proporcionados por la salud pública y/o privada, donde encontrará recompensa
por la adopción de estilos de vida saludable, que incluso en algún caso se
materializarán en precios y coberturas preferentes.
Comentario final
Los modelos bioactuariales
de naturaleza prescriptiva sostenidos sobre algoritmos de IA aplicados a la
salud y la supervivencia humana, con el apoyo de la tecnología aplicada, nos
lleva a la necesidad de repensar el propio modelo de negocio asegurador de
riesgos personales, para lograr este propósito es necesario un consenso social
sobre la tradicional visión de mutualización de riesgos.
El actuario para
poder intervenir en esta insurgencia de la medida del riesgo debe de estar
capacitado para poder ser miembro de una nueva comunidad de profesionales
categorizados como el acrónimo inglés
STEM ( Ciencia, tecnología, ingeniería y matemáticas) sin abandonar el
valor social del seguro y los postulados deontológicos propios del
profesionalismo actuarial.
