La compleja relación entre machine learning y seguros de salud



La discusión entre demócratas y republicanos al hilo de los sucesivos intentos de anulación de Obamacare en los Estados Unidos han puesto de actualidad la discusión sobre el futuro del cuidado de la salud. En un país como los Estados Unidos, que históricamente ha carecido de un sistema universal de cuidado de la salud, la

IMAGE: Rangizzz - 123RFLa discusión entre demócratas y republicanos al hilo de los sucesivos intentos de anulación de Obamacare en los Estados Unidos han puesto de actualidad la discusión sobre el futuro del cuidado de la salud. En un país como los Estados Unidos, que históricamente ha carecido de un sistema universal de cuidado de la salud, la Patient Protection and Affordable Care Act, conocida como Obamacare, supuso un impedimento para las posibilidades de las aseguradoras de salud de discriminar a los pacientes en función de sus condiciones preexistentes, de introducir techos de gasto anuales o totales, de expulsar o denegar la renovación de la póliza a personas que contraían determinadas enfermedades, o de incrementar de manera abusiva las franquicias, entre otras posibilidades.

Con el avance de las técnicas asociadas al machine learning, las posibilidades de las aseguradoras de salud de desarrollar sistemas algorítmicos capaces de predecir el coste asociado con el cuidado de la salud de un paciente específico se incrementan de manera notable. Si el uso de este tipo de sistemas no se pone bajo un nivel adecuado de control que impida el abuso, las compañías privadas podrían utilizar de este tipo de sistemas para maximizar sus beneficios a costa de la expulsión o la limitación del gasto en pacientes con mayores probabilidades de incurrir en tratamientos de coste elevado.

Por otro lado, todo apunta a que el futuro de la salud se basa, fundamentalmente, en la gestión de modelos preventivos, apoyados en la entrada de nuevos competidores como Apple o Amazon, la disponibilidad progresiva de nuevos dispositivos y pruebas diagnósticas, el desarrollo del diagnóstico genético a nuevos niveles y el sinfín de wearables y dispositivos afines inicialmente dedicados al fitness o al bienestar, pero con cada vez mayor interés en el mercado de la salud preventiva.

Indudablemente, nos dirigimos hacia un futuro en el que no recurriremos al sistema de salud únicamente cuando notemos los síntomas de una enfermedad, sino en el que un conjunto de dispositivos y prácticas nos permitirán monitorizarla de manera constante. En ese tipo de entorno, garantizar que la compañía encargada de velar por mi salud no utiliza mis datos para denegarme la póliza en función de mi probabilidad de contraer enfermedades que originen un nivel de gasto elevado se convierte en fundamental: no hacer nada equivale a sostener un sistema que se enriquece a partir de una cartera de clientes sanos, mientras expulsa a los más necesitados de cuidados con el fin de maximizar sus beneficios.

¿Cómo desarrollar mecanismos de control sobre las aseguradoras que garanticen un comportamiento ético, al tiempo que permitimos que restrinjan, por ejemplo, comportamientos voluntarios del paciente que sean susceptibles de generar un gasto más elevado? ¿Cómo tratar ya no simplemente a un paciente que fuma, sino a uno que de manera voluntaria se niega a monitorizar determinados aspectos de su salud o a someterse a determinadas pruebas rutinarias, lo que podría conllevar que el tratamiento de una eventual afección resultase mucho más complejo al ser diagnosticado en una fase más avanzada? El diseño de un sistema de control de las aseguradoras que permita, por otro lado, ejercer también un cierto nivel de incentivo o desincentivo de determinados comportamientos en los pacientes supone un reto importante, que por otro lado, hace referencia ya a un entorno que está ya prácticamente entre nosotros: con los datos que una aseguradora de salud puede obtener sobre un usuario simplemente a través del uso de los servicios médicos a lo largo del tiempo, pueden llevarse a cabo ajustes del importe de la póliza destinados a expulsar de facto a ese paciente en función de una previsión de siniestralidad, y todo ello en un entorno en el que los importes de las pólizas suelen ser completamente arbitrarias y carentes de mecanismos de control o de transparencia. Si una compañía aseguradora puede, básicamente, poner a mi póliza el coste que buenamente quiera sin prácticamente control alguno, ¿cómo evitar el abuso y los comportamientos no éticos ante algoritmos cada vez más potentes, mejor entrenados y capaces de predecir el nivel de gasto en el que puede incurrir un paciente? ¿Cómo evitar el abuso en un entorno en el que, por definición, una de las partes va a tener cada vez más y mejor información, tanto agregada como individualizada, sobre la otra?

 

 

 

This post is also available in English in my Medium page, “The complex relationship between machine learning and health insurance” 

 



Leer más: Enrique Dans | Autor: Enrique Dans

¿Cuál es tu reacción?

Jajaja Jajaja
0
Jajaja
Genial Genial
0
Genial
Falló Falló
0
Falló
Lindo Lindo
0
Lindo
Oh mi Dios Oh mi Dios
0
Oh mi Dios
¿Qué rayos? ¿Qué rayos?
0
¿Qué rayos?
Triste Triste
0
Triste

log in

reset password

Volver a
log in