Candidatura

LINCE. Modelos de predicción basados en IA y Machine Learning

El proyecto “LINCE. Modelos de predicción basados en IA y Machine Learning”, se basa en la implantación de la Inteligencia Artificial y Machine Learning, con el objetivo de detección de patrones y tendencias para la ayuda en la toma de decisiones en el ámbito asistencial a partir del estudio de grandes cantidades de datos.

A nivel de negocio se plantean distintas hipótesis a las que dar respuesta mediante algoritmos de predicción tales como: ¿cuánto tiempo estará de baja un paciente?, ¿cuál es la probabilidad de alta de un paciente?, ¿cuál es la probabilidad que una baja médica temporal sea permanente?

El proyecto persigue la evolución de Mutua Universal hacia una orientación Data driven, así como la implantación casos de uso para la predicción de: la duración de las bajas por Contingencias Comunes y Contingencias Laborales, la probabilidad de éxito de Propuesta de Alta ante organismo oficial, o la probabilidad de que un accidente laboral concluya en una Incapacidad Permanente. En todos ellos, se ofrece al asistencial la información analítica en base al algoritmo implantado y de forma totalmente integrada en su operativa diaria.

Antecedentes

La misión de Mutua Universal es velar por la salud y el bienestar de nuestros mutualistas y sus trabajadores, gestionando los servicios y las prestaciones sanitarias y económicas con rigurosidad, excelencia, comprometidos con la sociedad y la sostenibilidad del sistema público Estatal.
La situación actual ha conducido a un contexto socio-económico en el que el absentismo causa un fuerte impacto en las empresas y arcas públicas y, por ende en el sector de Mutuas Colaboradoras con la Seguridad Social. El abono de la prestación económica derivada de las bajas laborales por Contingencias Comunes supuso en 2020 un gasto en el sector de 6.472 M de €, generando un déficit de 2.141 M de € ( dossier “Mutuas colaboradoras con la Seg. Social” de AMAT).
En este entorno Mutua Universal identificó la oportunidad que supone emplear y valorizar un histórico de datos, mediante la aplicación de la inteligencia artificial con el fin de dar respuesta a las principales hipótesis que surgen desde negocio.

Retos

- Contribución a la sostenibilidad económica del sistema mediante el control de la duración media de las bajas, minimizando, los costes derivados del absentismo laboral.
- Inmediatez en la información ofrecida al personal asistencial, en el proceso de toma de decisiones ante un paciente.
- Optimización de los recursos, tanto económicos como humanos, para ofrecer una asistencia y prestaciones sociales adecuadas y de calidad, y así promover la equidad.
- Ofertar un servicio pionero, referente en el sector, mediante la implantación de analítica predictiva para la mejora en la gestión de las bajas laborales.
- Evolución de la entidad hacia la analítica predictiva, mediante la adopción de sistemas inteligentes basados en algoritmos de predicción con los que obtener más valor de nuestros datos.
- Devolución, en forma de valor al personal asistencial, de los datos registrados en el sistema en los últimos años. Ello nos permite pasar del esfuerzo individualizado al esfuerzo colectivo.

Fases

- May'19: inicio proyecto.
- Nov'19: desarrollo modelo analítica predictiva.
- Dic'19. Testeo de la solución e inicio piloto: 3 centros (equipos LINCE vs Equipos no LINCE).
- Conclusión: mejoras ratios equipos LINCE. 20-21. Avalancha de bajas derivados de COVID’19. Priorización de las gestiones en base a la predicción LINCE y priorización de las visitas presenciales en base a la predicción LINCE. 2022.
- Segundo piloto: 5 centros, uso combinado de dos modelos de predicción.
- Conclusión: Ahorros potenciales 21M €. A nivel de costes, a partir del procedimiento de contratación de la Ley de Contratación del sector público, se licitó y adjudicó. El proyecto ha sido desarrollado con cargo a los recursos disponibles y asignados a gastos de esta naturaleza en los presupuestos aprobados, sin que haya sido necesario solicitar modificación alguna de ampliación de los mismos. En el proyecto participaron más de 50 profesionales y con la puesta en marcha se ha impactado a más de 800 profesionales de la entidad

Nuevos Servicios

Nuevos servicios de Predicción integrados en solución de gestión para: la duración de las bajas por Contingencias Comunes y Contingencias Laborales, la probabilidad de éxito de Propuesta de Alta ante organismo oficial y de que un accidente laboral concluya en una Incapacidad Permanente. En todos ellos, se ofrece al asistencial la información analítica en base al algoritmo implantado y de forma totalmente integrada en su operativa diaria.
A nivel de costes el algoritmo de Predicción de la duración de las bajas por Contingencias Comunes, se mejora la precisión en la predicción de la duración gracias a la particularización de sus características individuales asimilable a la real y la fiabilidad en la clasificación de los procesos (disponer de una predicción para todas las bajas y 46% de falsos positivos evitados ). Extrapolado a la prueba Piloto en 5 centros se evidencia un ahorro potencial de 21M € al comparar los indicadores de gestión con los obtenidos por el resto de centros.

Conclusiones

Con la aplicación de la IA, Mutua Universal trabaja para una mejor sostenibilidad a nivel económico, medioambiental y social, potenciando modelos donde el profesional asistencial se enfoque a aquellas actuaciones donde tiene capacidad de decidir. Con ello, se consigue ofrecer una gestión asistencial personalizada y ser más eficientes. Para ello, se han desarrollado un conjunto de modelos predictivos que permiten, en base a la información histórica almacenada, predecir aspectos críticos en nuestra gestión.
En su toma de decisiones, todos los colectivos sanitarios cuentan con el apoyo de la IA para ayudar a encontrar la opción más adecuada para cada tratamiento. El aprendizaje automatizado sobre millones de variables específicas disponibles en registros históricos, nos permite implantar algoritmos predictivos con los que anticipar aspectos como: la duración estimada de una baja, tanto en contingencia común como en laboral o la detección precoz de secuelas entre otros.