編者按：醫療系統結構日益複雜化， 資訊卻呈現分散化， 往往會導致患者由於所得資訊不充分而作出多餘的醫護決定， 實際並沒有什麼療效， 徒增不必要的費用。 數位醫療保健公司Accolade致力於幫助自保險企業雇主改善消費者體驗， 運用人工智慧技術， 引導個人及企業做出更好的醫護決定。
醫保和人工智慧現在都經常出現在新聞中， 美國參議院廢除了“美國平價醫療法案”（又稱“奧巴馬醫改”）的立法草案， 這讓一些美國人感到恐懼， 與此同時， 機器學習ML和人工智慧這兩個概念的流行也激發了他們對自身的擔憂。
如果有辦法將醫療保健與機器學習結合起來， 提供不僅僅更高效而且更主動的服務？能否削減成本、增強醫保水準？它能説明醫保機構優化客戶服務嗎？而不僅僅依靠簡單的指標？
健康科技？醫療技術平臺Accolade公司在做這樣一件事情：Accolade的Maya智慧引擎將ML和AI結合， 利用公司的醫療技術和服務平臺， 為企業雇主、醫療機構和衛生系統提供“專業健康助手”服務。 該公司致力於提供“最具個性化的醫療體驗”， 但似乎也通過應用資料科學來説明保險公司更好地説明他們的客戶。
Accolade的首席產品官Mike Hilton表示，
傳統的醫療保健模式是針對最病重的5％的客戶群體，
擴大一些服務，
或者對其進行一些下一步行動的預測分析。
客戶並不喜歡這種方式，
而且客戶的參與率非常低。
Accolade的做法是投入更廣泛的網路， 不僅僅針對最嚴重的疾病狀況的5%客戶群體， 而且是囊括了許多健康的客戶。 針對可能健康的年輕成員也有好處， 因為這些成員可能遇到同樣的問題， 例如， 提起索賠， 或者天真地使用醫保網路外供應商，
反過來，
這可能會使他們對他們的保險責任範圍造成形象，
局促不安地使用，
或者鬆懈安排。
這種冷漠可能導致以後的健康狀況不佳， 以及對身體條件的嚴格管理。
主動的機器學習機器學習對於保險公司很有幫助。 保險公司的利益顯然是使其健康的成員對其承保範圍滿意並利用客戶預防措施獲益。 平臺， 全方位收集使用者資訊， 根據醫療分析工具和臨床模型， 給患者提供個性化諮詢診斷。 使用者有醫療需求的時候可以直接通過電話、手機app或PC端網頁來聯繫“健康助手”， 而且一個“健康助理”背後又有一群有資質的醫療技術支持者，
想像一名中年女性患有糖尿病。 對於保險公司和受保人來說， 早期參與是有道理的。 積極管理條件將明顯降低保險公司的成本。 但它也構成了醫保的協調。 不用機器學習， 告訴付款人他們應該進行這樣的宣傳可能是最好的; 但是有了ML， 保險公司可以將其作為一個程式， 以高度的信心， 統計地實現這一點， 這樣做符合他們的利益。
iPhone一代的醫療保健分析參與資料、病史、健康狀況和“生活環境”， 然後參與， 確定“下一步行動”。 這是Accolade所做的很大一部分事情， 但它的技術絕對不只是後端。
即使使用移動應用交互， Maya引擎也可以起作用。 通過使用自然語言處理， Maya可以再次參與下一個最佳的行動， 它還可以確定健康助理是否得到推薦， 以及用戶喜歡。 同樣， 這與AI是一樣常識， 健康保險行業可以從中受益。
服務企業利益有趣的是， 雖然Accolade有客戶參加了奧巴馬醫保， 但大多數客戶都是企業商業保險使用者。 這是一個有趣的用戶群， 因為它在成本效益以及員工健康和員工滿意度（高滿意度可以帶來更高的員工保留）方面息息相關。 Accolade幫助企業員工及家屬做出醫護決定， 改善醫護效果，並能夠充分利用醫療體系和保險價值，提高員工滿意度及對於企業的忠誠度，從而節省了企業由於人員流失而增加的成本。Accolade平臺幫助企業提升醫療福利的品質，還不斷降低醫療成本。
包括讓消費者更快樂，讓消費者更健康，降低醫療成本三個目標。和資料科學中的CAP原則一樣，三重目標的各個方面都都影響其他兩個目標，實現這三個目標是很困難的。
但Hilton表示Accolade在這三個方面表現非常出色。 他解釋說Accolade有一個大型的資料科學團隊。 這種相關性也可能具有因果關係。 有時，資料科學只是讓我們更加直接地做正確的事。
【編譯組出品】編輯：楊志芳
改善醫護效果，並能夠充分利用醫療體系和保險價值，提高員工滿意度及對於企業的忠誠度，從而節省了企業由於人員流失而增加的成本。Accolade平臺幫助企業提升醫療福利的品質，還不斷降低醫療成本。包括讓消費者更快樂，讓消費者更健康，降低醫療成本三個目標。和資料科學中的CAP原則一樣，三重目標的各個方面都都影響其他兩個目標，實現這三個目標是很困難的。
但Hilton表示Accolade在這三個方面表現非常出色。 他解釋說Accolade有一個大型的資料科學團隊。 這種相關性也可能具有因果關係。 有時，資料科學只是讓我們更加直接地做正確的事。
【編譯組出品】編輯：楊志芳