知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公表特許公報(A)
(11)【公表番号】
(43)【公表日】2024-03-28
(54)【発明の名称】機械学習駆動型のリアルタイムデータ分析
(51)【国際特許分類】
G06Q 40/08 20120101AFI20240321BHJP
【ＦＩ】
G06Q40/08
【審査請求】未請求
【予備審査請求】未請求
(21)【出願番号】P 2023563009
(86)(22)【出願日】2022-04-05
(85)【翻訳文提出日】2023-12-11
(86)【国際出願番号】 US2022023491
(87)【国際公開番号】W WO2022221095
(87)【国際公開日】2022-10-20
(31)【優先権主張番号】17/499,485
(32)【優先日】2021-10-12
(33)【優先権主張国・地域又は機関】US
(31)【優先権主張番号】17/228,975
(32)【優先日】2021-04-13
(33)【優先権主張国・地域又は機関】US
(81)【指定国・地域】
(71)【出願人】
【識別番号】523387507
【氏名又は名称】ネイヤ・ヘルス・インコーポレイテッド
(74)【代理人】
【識別番号】100108453
【弁理士】
【氏名又は名称】村山 靖彦
(74)【代理人】
【識別番号】100110364
【弁理士】
【氏名又は名称】実広 信哉
(74)【代理人】
【識別番号】100133400
【弁理士】
【氏名又は名称】阿部 達彦
(72)【発明者】
【氏名】シーナ・チェーラジ
(72)【発明者】
【氏名】ジョン・ジョセフ・グロリオーソ・ジュニア
(72)【発明者】
【氏名】アカーシュ・マグーン
(72)【発明者】
【氏名】アマン・マグーン
(57)【要約】
保険金請求分析および裁定のためのデータ処理システムは、複数の保険証券の各々に関する保険証券補償情報、および被保険者ユーザに関連する複数の保険金請求に関連する保険金請求情報を取得することと、第1の機械学習を使用して保険金請求情報を分析して、イベントに関連する請求グループ化情報を取得することと、第2の機械学習モデルを使用してイベントに関連する請求グループ化情報および標準化された保険証券情報を分析して、各イベントに関連する1つまたは複数の請求を補償する可能性が高い複数の保険証券のそれぞれの保険証券を特定する予測を含む補償予測情報を取得することであって、第2の機械学習モデルが、標準スキーマに従ってフォーマットされた第2の訓練データを使用して訓練される、ことと、ネットワーク接続を介して、被保険者ユーザに関連するコンピューティングデバイスに補償予測情報を提供することとを実現する。
【特許請求の範囲】
【請求項1】
データ処理システムであって、プロセッサと、
実行可能命令を記憶するコンピュータ可読媒体と
を備え、
前記実行可能命令は、実行されるときに前記プロセッサに、
被保険者ユーザに関連する複数の保険証券の電子コピーを取得することと、
前記複数の保険証券の前記電子コピーを分析して、前記保険証券の各々に関する保険証券補償情報を生成することと、
前記保険証券補償情報を第1のフォーマットから第2のフォーマットに変換して、標準化された保険証券補償情報を生成することであって、前記第2のフォーマットが、保険証券および請求情報を処理するための標準スキーマに関連付けられる、ことと、
前記被保険者ユーザに関連する複数の保険金請求の電子コピーを取得することと、
前記複数の保険金請求の前記電子コピーを分析して、保険金請求情報を生成することと、
前記保険金請求情報を第3のフォーマットから第4のフォーマットに変換して、標準化された保険金請求情報を生成することであって、前記第4のフォーマットが、保険証券および請求情報を処理するための前記標準スキーマに関連付けられる、ことと、
前記標準化された保険金請求情報を第1の機械学習モデルに入力として提供することと、
前記第1の機械学習モデルを使用して前記標準化された保険金請求情報を分析して、第1の種類のイベントの発生、および前記第1の種類のイベントに関連する保険金請求の第1のグループを特定することであって、前記第1の機械学習モデルが、前記被保険者ユーザに関連する保険金請求のグループに基づいて、医療を必要とする種類のイベントの発生を予測し、前記種類のイベントの前記発生のインジケーションを出力するように、前記標準スキーマに従ってフォーマットされた第1の訓練データを使用して訓練される、ことと、
保険金請求の前記第1のグループ、前記第1の種類のイベントの前記発生の前記インジケーション、および前記標準化された保険証券情報を第2の機械学習モデルに入力として提供することと、
前記第2の機械学習モデルを使用して、保険金請求の前記第1のグループ、前記第1の種類のイベントの前記発生の前記インジケーション、および前記標準化された保険証券情報を分析して、前記複数の保険証券のそれぞれの保険証券が保険金請求の前記第1のグループを補償するかどうかの予測を取得することであって、前記第2の機械学習モデルが、前記標準スキーマに従ってフォーマットされた第2の訓練データを使用して訓練され、前記第2の機械学習モデルが、保険金請求の前記第1のグループを補償する可能性が高い前記標準化された保険証券情報内の保険証券の1つまたは複数の種類を特定し、保険金請求の前記第1のグループを前記それぞれの保険証券の保険証券の条項と比較することによって前記それぞれの保険証券が保険金請求の前記第1のグループを補償する可能性が高いと予測するように訓練される、ことと、
前記第2の機械学習モデルによって出力された保険金請求の前記第1のグループを補償する前記保険証券の前記それぞれの保険証券をユーザインターフェースモジュールに提供することと、
前記被保険者ユーザに関連するコンピューティングデバイスのディスプレイ上にユーザインターフェースを提示して、前記それぞれの保険証券に関連する保険業者への保険金請求の前記第1のグループの提出を前記被保険者ユーザに案内することと
を含む動作を実行させる、データ処理システム。
【請求項2】
前記複数の保険金請求が、第1の保険金請求を含み、前記複数の保険金請求の前記電子コピーを分析して、前記保険金請求情報を生成するために、前記コンピュータ可読媒体が、
前記第1の保険金請求に関連する情報に対して、請求の説明の標準的なセットとのファジーマッチングを実行して、前記第1の保険金請求に関する第1の標準的な説明を特定することと、
前記保険金請求情報に前記第1の標準的な説明を加えることと
を前記プロセッサに実行させるように構成された命令を含む、請求項1に記載のデータ処理システム。
【請求項3】
前記コンピュータ可読媒体が、前記第1の機械学習モデルを使用して前記保険金請求情報を分析して、第2の種類のイベントの発生、および前記第2の種類のイベントに関連する保険金請求の第2のグループを特定すること
を前記プロセッサに実行させるように構成された命令を含む、請求項1に記載のデータ処理システム。
【請求項4】
前記コンピュータ可読媒体が、前記第2の機械学習モデルを使用して、保険金請求の前記第2のグループ、前記保険証券情報、および前記第2の種類のイベントのインジケーションを分析して、前記複数の保険証券の前記それぞれの保険証券が第2の保険金請求を補償するかどうかの第2の予測を取得することと、
前記それぞれの保険証券が保険金請求の前記第2のグループを補償するという前記第1の機械学習モデルによる予測に応じて、前記それぞれの保険証券に関連する第2の保険業者に保険金請求の前記第2のグループを提出するための案内を前記ユーザに提供する前記ユーザインターフェースを提示することと
を前記プロセッサに実行させるように構成された命令を含む、請求項3に記載のデータ処理システム。
【請求項5】
前記コンピュータ可読媒体が、第1の閾値未満である前記第2の予測に関連する信頼スコアに応じて、前記第2の予測に関連する前記信頼スコアを増加させ得る、保険金請求の前記第1のグループの少なくとも1つの保険金請求に関連する追加的な情報を取得するための質問のセットを動的に生成することと、
質問の動的に生成されたセットに関連するユーザ回答情報を取得することと
を前記プロセッサに実行させるように構成された命令を含む、請求項4に記載のデータ処理システム。
【請求項6】
前記コンピュータ可読媒体が、前記第1の機械学習モデルを使用して、請求の前記第1のグループ、前記標準化された保険証券補償情報、および前記ユーザ回答情報を分析して、請求の前記第1のグループが前記複数の保険証券の前記それぞれの保険証券によって補償され得るかどうかの第3の予測を取得すること
を前記プロセッサに実行させるように構成された命令を含む、請求項5に記載のデータ処理システム。
【請求項7】
前記コンピュータ可読媒体が、前記それぞれの保険証券が保険金請求の前記第1のグループを補償するという前記第2の機械学習モデルによる予測に応じて、前記それぞれの保険証券に関連する第2の保険業者に保険金請求の前記第1のグループを提出するための案内を前記ユーザに提供する前記ユーザインターフェースを提示すること
を前記プロセッサに実行させるように構成された命令を含む、請求項6に記載のデータ処理システム。
【請求項8】
保険金請求分析および裁定のためのデータ処理システムにおいて実施される方法であって、被保険者ユーザに関連する複数の保険証券の電子コピーを取得するステップと、
前記複数の保険証券の前記電子コピーを分析して、前記保険証券の各々に関する保険証券補償情報を生成するステップと、
前記保険証券補償情報を第1のフォーマットから第2のフォーマットに変換して、標準化された保険証券補償情報を生成するステップであって、前記第2のフォーマットが、保険証券および請求情報を処理するための標準スキーマに関連付けられる、ステップと、
前記被保険者ユーザに関連する複数の保険金請求の電子コピーを取得するステップと、
前記複数の保険金請求の前記電子コピーを分析して、保険金請求情報を生成するステップと、
前記保険金請求情報を第3のフォーマットから第4のフォーマットに変換して、標準化された保険金請求情報を生成するステップであって、前記第4のフォーマットが、保険証券および請求情報を処理するための前記標準スキーマに関連付けられる、ステップと、
前記標準化された保険金請求情報を第1の機械学習モデルに入力として提供するステップと、
前記第1の機械学習モデルを使用して前記標準化された保険金請求情報を分析して、第1の種類のイベントの発生、および前記第1の種類のイベントに関連する保険金請求の第1のグループを特定するステップであって、前記第1の機械学習モデルが、前記被保険者ユーザに関連する保険金請求のグループに基づいて、医療を必要とする種類のイベントの発生を予測し、前記種類のイベントの前記発生のインジケーションを出力するように、前記標準スキーマに従ってフォーマットされた第1の訓練データを使用して訓練される、ステップと、
保険金請求の前記第1のグループ、前記第1の種類のイベントの前記発生の前記インジケーション、および前記標準化された保険証券情報を第2の機械学習モデルに入力として提供するステップと、
前記第2の機械学習モデルを使用して、保険金請求の前記第1のグループ、前記第1の種類のイベントの前記発生の前記インジケーション、および前記標準化された保険証券情報を分析して、前記複数の保険証券のそれぞれの保険証券が保険金請求の前記第1のグループを補償するかどうかの予測を取得するステップであって、前記第2の機械学習モデルが、前記標準スキーマに従ってフォーマットされた第2の訓練データを使用して訓練され、前記第2の機械学習モデルが、保険金請求の前記第1のグループを補償する可能性が高い前記標準化された保険証券情報内の保険証券の1つまたは複数の種類を特定し、保険金請求の前記第1のグループを前記それぞれの保険証券の保険証券の条項と比較することによって前記それぞれの保険証券が保険金請求の前記第1のグループを補償する可能性が高いと予測するように訓練される、ステップと、
前記第2の機械学習モデルによって出力された保険金請求の前記第1のグループを補償する前記保険証券の前記それぞれの保険証券をユーザインターフェースモジュールに提供するステップと、
前記被保険者ユーザに関連するコンピューティングデバイスのディスプレイ上にユーザインターフェースを提示して、前記それぞれの保険証券に関連する保険業者への保険金請求の前記第1のグループの提出を前記被保険者ユーザに案内するステップと
を含む、方法。
【請求項9】
前記複数の保険金請求が、第1の保険金請求を含み、前記複数の保険金請求の前記電子コピーを分析して、保険金請求情報を生成する前記ステップが、
前記第1の保険金請求に関連する情報に対して、請求の説明の標準的なセットとのファジーマッチングを実行して、前記第1の保険金請求に関する第1の標準的な説明を特定するステップと、
前記保険金請求情報に前記第1の標準的な説明を加えるステップと
をさらに含む、請求項8に記載の方法。
【請求項10】
前記第1の機械学習モデルを使用して前記保険金請求情報を分析して、第2の種類のイベントの発生、および前記第2の種類のイベントに関連する保険金請求の第2のグループを特定するステップをさらに含む、請求項8に記載の方法。
【請求項11】
前記第2の機械学習モデルを使用して、保険金請求の前記第2のグループ、前記保険証券情報、および前記第2の種類のイベントのインジケーションを分析して、前記複数の保険証券の前記それぞれの保険証券が第2の保険金請求を補償するかどうかの第2の予測を取得するステップと、前記それぞれの保険証券が保険金請求の前記第2のグループを補償するという前記第1の機械学習モデルによる予測に応じて、前記それぞれの保険証券に関連する第2の保険業者に保険金請求の前記第2のグループを提出するための案内を前記ユーザに提供する前記ユーザインターフェースを提示するステップと
をさらに含む、請求項10に記載の方法。
【請求項12】
第1の閾値未満である前記第2の予測に関連する信頼スコアに応じて、前記第2の予測に関連する前記信頼スコアを増加させ得る、保険金請求の前記第1のグループの少なくとも1つの保険金請求に関連する追加的な情報を取得するための質問のセットを動的に生成するステップと、質問の動的に生成されたセットに関連するユーザ回答情報を取得するステップと
をさらに含む、請求項11に記載の方法。
【請求項13】
前記第1の機械学習モデルを使用して、請求の前記第1のグループ、前記標準化された保険証券補償情報、および前記ユーザ回答情報を分析して、請求の前記第1のグループが前記複数の保険証券の前記それぞれの保険証券によって補償され得るかどうかの第3の予測を取得するステップをさらに含む、請求項12に記載の方法。
【請求項14】
前記それぞれの保険証券が保険金請求の前記第1のグループを補償するという前記第2の機械学習モデルによる予測に応じて、前記それぞれの保険証券に関連する第2の保険業者に保険金請求の前記第1のグループを提出するための案内を前記ユーザに提供する前記ユーザインターフェースを提示するステップをさらに含む、請求項13に記載の方法。
【請求項15】
命令を記憶した機械可読媒体であって、前記命令は、実行されるときに、プログラミング可能なデバイスのプロセッサに、以下の動作、すなわち、
被保険者ユーザに関連する複数の保険証券の電子コピーを取得することと、
前記複数の保険証券の前記電子コピーを分析して、前記保険証券の各々に関する保険証券補償情報を生成することと、
前記保険証券補償情報を第1のフォーマットから第2のフォーマットに変換して、標準化された保険証券補償情報を生成することであって、前記第2のフォーマットが、保険証券および請求情報を処理するための標準スキーマに関連付けられる、ことと、
前記被保険者ユーザに関連する複数の保険金請求の電子コピーを取得することと、
前記複数の保険金請求の前記電子コピーを分析して、保険金請求情報を生成することと、
前記保険金請求情報を第3のフォーマットから第4のフォーマットに変換して、標準化された保険金請求情報を生成することであって、前記第4のフォーマットが、保険証券および請求情報を処理するための前記標準スキーマに関連付けられる、ことと、
前記標準化された保険金請求情報を第1の機械学習モデルに入力として提供することと、
前記第1の機械学習モデルを使用して前記標準化された保険金請求情報を分析して、第1の種類のイベントの発生、および前記第1の種類のイベントに関連する保険金請求の第1のグループを特定することであって、前記第1の機械学習モデルが、前記被保険者ユーザに関連する保険金請求のグループに基づいて、医療を必要とする種類のイベントの発生を予測し、前記種類のイベントの前記発生のインジケーションを出力するように、前記標準スキーマに従ってフォーマットされた第1の訓練データを使用して訓練される、ことと、
保険金請求の前記第1のグループ、前記第1の種類のイベントの前記発生の前記インジケーション、および前記標準化された保険証券情報を第2の機械学習モデルに入力として提供することと、
前記第2の機械学習モデルを使用して、保険金請求の前記第1のグループ、前記第1の種類のイベントの前記発生の前記インジケーション、および前記標準化された保険証券情報を分析して、前記複数の保険証券のそれぞれの保険証券が保険金請求の前記第1のグループを補償するかどうかの予測を取得することであって、前記第2の機械学習モデルが、前記標準スキーマに従ってフォーマットされた第2の訓練データを使用して訓練され、前記第2の機械学習モデルが、保険金請求の前記第1のグループを補償する可能性が高い前記標準化された保険証券情報内の保険証券の1つまたは複数の種類を特定し、保険金請求の前記第1のグループを前記それぞれの保険証券の保険証券の条項と比較することによって前記それぞれの保険証券が保険金請求の前記第1のグループを補償する可能性が高いと予測するように訓練される、ことと、
前記第2の機械学習モデルによって出力された保険金請求の前記第1のグループを補償する前記保険証券の前記それぞれの保険証券をユーザインターフェースモジュールに提供することと、
前記被保険者ユーザに関連するコンピューティングデバイスのディスプレイ上にユーザインターフェースを提示して、前記それぞれの保険証券に関連する保険業者への保険金請求の前記第1のグループの提出を前記被保険者ユーザに案内することと
を実行させる、機械可読媒体。
【請求項16】
前記複数の保険金請求が、第1の保険金請求を含み、前記複数の保険金請求の前記電子コピーを分析して、前記保険金請求情報を生成するために、前記機械可読媒体が、
前記第1の保険金請求に関連する情報に対して、請求の説明の標準的なセットとのファジーマッチングを実行して、前記第1の保険金請求に関する第1の標準的な説明を特定することと、
前記保険金請求情報に前記第1の標準的な説明を加えることと
を前記プロセッサに実行させるように構成された命令を含む、請求項15に記載の機械可読媒体。
【請求項17】
前記第1の機械学習モデルを使用して前記保険金請求情報を分析して、第2の種類のイベントの発生、および前記第2の種類のイベントに関連する保険金請求の第2のグループを特定することを前記プロセッサに実行させるように構成された命令を含む、請求項15に記載の機械可読媒体。
【請求項18】
前記第2の機械学習モデルを使用して、保険金請求の前記第2のグループ、前記保険証券情報、および前記第2の種類のイベントのインジケーションを分析して、前記複数の保険証券の前記それぞれの保険証券が第2の保険金請求を補償するかどうかの第2の予測を取得することと、前記それぞれの保険証券が保険金請求の前記第2のグループを補償するという前記第1の機械学習モデルによる予測に応じて、前記それぞれの保険証券に関連する第2の保険業者に保険金請求の前記第2のグループを提出するための案内を前記ユーザに提供する前記ユーザインターフェースを提示することと
を前記プロセッサに実行させるように構成された命令を含む、請求項17に記載の機械可読媒体。
【請求項19】
第1の閾値未満である前記第2の予測に関連する信頼スコアに応じて、前記第2の予測に関連する前記信頼スコアを増加させ得る、保険金請求の前記第1のグループの少なくとも1つの保険金請求に関連する追加的な情報を取得するための質問のセットを動的に生成することと、質問の動的に生成されたセットに関連するユーザ回答情報を取得することと
を前記プロセッサに実行させるように構成された命令を含む、請求項18に記載の機械可読媒体。
【請求項20】
前記第1の機械学習モデルを使用して、請求の前記第1のグループ、前記標準化された保険証券補償情報、および前記ユーザ回答情報を分析して、請求の前記第1のグループが前記複数の保険証券の前記それぞれの保険証券によって補償され得るかどうかの第3の予測を取得することと、前記それぞれの保険証券が保険金請求の前記第1のグループを補償するという前記第2の機械学習モデルによる予測に応じて、前記それぞれの保険証券に関連する第2の保険業者に保険金請求の前記第1のグループを提出するための案内を前記ユーザに提供する前記ユーザインターフェースを提示することと
を前記プロセッサに実行させるように構成された命令を含む、請求項19に記載の機械可読媒体。
【発明の詳細な説明】
【技術分野】
【0001】
関連出願の相互参照
本出願は、「MACHINE-LEARNING DRIVEN REAL-TIME DATA ANALYSIS」と題した、2021年4月13日に出願した米国特許出願第17/228,975号、2021年11月9日に発行された現在の米国特許第11,170,450号、および「MACHINE-LEARNING DRIVEN REAL-TIME DATA ANALYSIS」と題した、2021年10月12日に出願した継続中の米国特許出願第17/499,485号の優先権の利益を主張するものであり、これらの特許出願および特許は、それらの全体が参照により本明細書に組み込まれる。
本出願は、「MACHINE-LEARNING DRIVEN REAL-TIME DATA ANALYSIS」と題した、2021年4月13日に出願した米国特許出願第17/228,975号、2021年11月9日に発行された現在の米国特許第11,170,450号、および「MACHINE-LEARNING DRIVEN REAL-TIME DATA ANALYSIS」と題した、2021年10月12日に出願した継続中の米国特許出願第17/499,485号の優先権の利益を主張するものであり、これらの特許出願および特許は、それらの全体が参照により本明細書に組み込まれる。
【背景技術】
【0002】
保険金請求の提出は、ややこしくストレスの多いプロセスであり得る。被保険者は、医療保険、歯科保険、傷害保険、入院費実費給付補償保険(hospital indemnity insurance)、および自動車保険などであるがこれらに限定されない様々な種類の請求にそれぞれ補償を提供する複数の保険証券(insurance policy)によって補償される場合がある。これらの保険証券の各々は、様々な異なる種類の請求を補償する場合があり、被保険者は、保険証券の各々によって提供される補償の細部、または払い戻し(reimbursement)の請求をどのようにして提出すべきかを完全に理解していない場合がある。結果として、被保険者は、保険会社(insurer)のうちの1つによって払い戻され得た請求を払い戻させる機会を逃す場合がある。したがって、保険金請求の払い戻し率を向上させるために、保険金請求および保険証券情報を自動的に分析して、保険金請求を補償する可能性が高い保険会社を特定するという技術的問題を解決するための技術的解決策を提供する改善されたシステムおよび方法が必要とされている。
【発明の概要】
【課題を解決するための手段】
【0003】
本開示による例示的なデータ処理システムは、プロセッサと、実行可能命令を記憶するコンピュータ可読媒体とを含んでよい。命令は、実行されるときにプロセッサに、被保険者ユーザに関連する複数の保険証券の電子コピーを取得することと、複数の保険証券の電子コピーを分析して、保険証券の各々に関する保険証券補償情報を生成することと、保険証券補償情報を第1のフォーマットから第2のフォーマットに変換して、標準化された保険証券補償情報を生成することであって、第2のフォーマットが、保険証券および請求情報を処理するための標準スキーマに関連付けられる、ことと、被保険者ユーザに関連する複数の保険金請求の電子コピーを取得することと、複数の保険金請求の電子コピーを分析して、保険金請求情報を生成することと、保険金請求情報を第3のフォーマットから第4のフォーマットに変換して、標準化された保険金請求情報を生成することであって、第4のフォーマットが、保険証券および請求情報を処理するための標準スキーマに関連付けられる、ことと、標準化された保険金請求情報を第1の機械学習モデルに入力として提供することと、第1の機械学習モデルを使用して標準化された保険金請求情報を分析して、第1の種類のイベントの発生、および第1の種類のイベントに関連する保険金請求の第1のグループを特定することであって、第1の機械学習モデルが、被保険者ユーザに関連する保険金請求のグループに基づいて、医療を必要とする種類のイベントの発生を予測し、当該種類のイベントの発生のインジケーションを出力するように、標準スキーマに従ってフォーマットされた第1の訓練データを使用して訓練される、ことと、保険金請求の第1のグループ、第1の種類のイベントの発生のインジケーション、および標準化された保険証券情報を第2の機械学習モデルに入力として提供することと、第2の機械学習モデルを使用して、保険金請求の第1のグループ、第1の種類のイベントの発生のインジケーション、および標準化された保険証券情報を分析して、複数の保険証券のそれぞれの保険証券が保険金請求の第1のグループを補償するかどうかの予測を取得することであって、第2の機械学習モデルが、標準スキーマに従ってフォーマットされた第2の訓練データを使用して訓練され、第2の機械学習モデルが、保険金請求の第1のグループを補償する可能性が高い標準化された保険証券情報内の保険証券の1つまたは複数の種類を特定し、保険金請求の第1のグループをそれぞれの保険証券の保険証券の条項と比較することによってそれぞれの保険証券が保険金請求の第1のグループを補償する可能性が高いと予測するように訓練される、ことと、第2の機械学習モデルによって出力された保険金請求の第1のグループを補償する保険証券のそれぞれの保険証券をユーザインターフェースモジュールに提供することと、被保険者ユーザに関連するコンピューティングデバイスのディスプレイ上にユーザインターフェースを提示して、それぞれの保険証券に関連する保険業者への保険金請求の第1のグループの提出を被保険者ユーザに案内することとを含む動作を実行させる。
【0004】
保険金請求分析および裁定(adjudication)のためのデータ処理システムにおいて実施される例示的な方法は、被保険者ユーザに関連する複数の保険証券の電子コピーを取得するステップと、複数の保険証券の電子コピーを分析して、保険証券の各々に関する保険証券補償情報を生成するステップと、保険証券補償情報を第1のフォーマットから第2のフォーマットに変換して、標準化された保険証券補償情報を生成するステップであって、第2のフォーマットが、保険証券および請求情報を処理するための標準スキーマに関連付けられる、ステップと、被保険者ユーザに関連する複数の保険金請求の電子コピーを取得するステップと、複数の保険金請求の電子コピーを分析して、保険金請求情報を生成するステップと、保険金請求情報を第3のフォーマットから第4のフォーマットに変換して、標準化された保険金請求情報を生成することであって、第4のフォーマットが、保険証券および請求情報を処理するための標準スキーマに関連付けられる、ステップと、標準化された保険金請求情報を第1の機械学習モデルに入力として提供するステップと、第1の機械学習モデルを使用して標準化された保険金請求情報を分析して、第1の種類のイベントの発生、および第1の種類のイベントに関連する保険金請求の第1のグループを特定するステップであって、第1の機械学習モデルが、被保険者ユーザに関連する保険金請求のグループに基づいて、医療を必要とする種類のイベントの発生を予測し、当該種類のイベントの発生のインジケーションを出力するように、標準スキーマに従ってフォーマットされた第1の訓練データを使用して訓練される、ステップと、保険金請求の第1のグループ、第1の種類のイベントの発生のインジケーション、および標準化された保険証券情報を第2の機械学習モデルに入力として提供するステップと、第2の機械学習モデルを使用して、保険金請求の第1のグループ、第1の種類のイベントの発生のインジケーション、および標準化された保険証券情報を分析して、複数の保険証券のそれぞれの保険証券が保険金請求の第1のグループを補償するかどうかの予測を取得するステップであって、第2の機械学習モデルが、標準スキーマに従ってフォーマットされた第2の訓練データを使用して訓練され、第2の機械学習モデルが、保険金請求の第1のグループを補償する可能性が高い標準化された保険証券情報内の保険証券の1つまたは複数の種類を特定し、保険金請求の第1のグループをそれぞれの保険証券の保険証券の条項と比較することによってそれぞれの保険証券が保険金請求の第1のグループを補償する可能性が高いと予測するように訓練される、ステップと、第2の機械学習モデルによって出力された保険金請求の第1のグループを補償する保険証券のそれぞれの保険証券をユーザインターフェースモジュールに提供するステップと、被保険者ユーザに関連するコンピューティングデバイスのディスプレイ上にユーザインターフェースを提示して、それぞれの保険証券に関連する保険業者への保険金請求の第1のグループの提出を被保険者ユーザに案内するステップとを含む。
【0005】
本開示による例示的なコンピュータ可読ストレージ媒体は、命令を記憶し、命令は、実行されるときに、プログラミング可能なデバイスのプロセッサに、以下の動作、すなわち、被保険者ユーザに関連する複数の保険証券の電子コピーを取得することと、複数の保険証券の電子コピーを分析して、保険証券の各々に関する保険証券補償情報を生成することと、保険証券補償情報を第1のフォーマットから第2のフォーマットに変換して、標準化された保険証券補償情報を生成することであって、第2のフォーマットが、保険証券および請求情報を処理するための標準スキーマに関連付けられる、ことと、被保険者ユーザに関連する複数の保険金請求の電子コピーを取得することと、複数の保険金請求の電子コピーを分析して、保険金請求情報を生成することと、保険金請求情報を第3のフォーマットから第4のフォーマットに変換して、標準化された保険金請求情報を生成することであって、第4のフォーマットが、保険証券および請求情報を処理するための標準スキーマに関連付けられる、ことと、標準化された保険金請求情報を第1の機械学習モデルに入力として提供することと、第1の機械学習モデルを使用して標準化された保険金請求情報を分析して、第1の種類のイベントの発生、および第1の種類のイベントに関連する保険金請求の第1のグループを特定することであって、第1の機械学習モデルが、被保険者ユーザに関連する保険金請求のグループに基づいて、医療を必要とする種類のイベントの発生を予測し、当該種類のイベントの発生のインジケーションを出力するように、標準スキーマに従ってフォーマットされた第1の訓練データを使用して訓練される、ことと、保険金請求の第1のグループ、第1の種類のイベントの発生のインジケーション、および標準化された保険証券情報を第2の機械学習モデルに入力として提供することと、第2の機械学習モデルを使用して、保険金請求の第1のグループ、第1の種類のイベントの発生のインジケーション、および標準化された保険証券情報を分析して、複数の保険証券のそれぞれの保険証券が保険金請求の第1のグループを補償するかどうかの予測を取得することであって、第2の機械学習モデルが、標準スキーマに従ってフォーマットされた第2の訓練データを使用して訓練され、第2の機械学習モデルが、保険金請求の第1のグループを補償する可能性が高い標準化された保険証券情報内の保険証券の1つまたは複数の種類を特定し、保険金請求の第1のグループをそれぞれの保険証券の保険証券の条項と比較することによってそれぞれの保険証券が保険金請求の第1のグループを補償する可能性が高いと予測するように訓練される、ことと、第2の機械学習モデルによって出力された保険金請求の第1のグループを補償する保険証券のそれぞれの保険証券をユーザインターフェースモジュールに提供することと、被保険者ユーザに関連するコンピューティングデバイスのディスプレイ上にユーザインターフェースを提示して、それぞれの保険証券に関連する保険業者への保険金請求の第1のグループの提出を被保険者ユーザに案内することとを実行させる。
【0006】
この「発明の概要」は、「発明を実施するための形態」において下でさらに説明される概念の選択を簡素化された形態で導入するために提供される。この「発明の概要」は、特許請求される主題の重要な特徴または必須の特徴を特定するように意図されておらず、特許請求される主題の範囲を限定するために使用されるように意図されてもいない。さらに、特許請求される主題は、本開示のいずれかの部分に記載されたいずれかのまたはすべての欠点を解決する実装に限定されない。
【0007】
図面は、本教示に合致する1つまたは複数の実装を、例としてだけ示し、限定として示さない。図中、同様の参照番号は、同じまたは似た要素を示す。さらに、図面が必ずしも正しい縮尺でないことを理解されたい。
【図面の簡単な説明】
【0008】
【図1】本明細書において開示される技術が実装されてよい例示的なコンピューティング環境を示す図である。
【図2】図1に示される請求分析および裁定システム(CAAS: claims analysis and adjudication system)を実装するために少なくとも部分的に使用されてよい例示的なアーキテクチャの図である。
【図5A】CAASアカウントを保険会社アカウントにリンクするための例示的なユーザインターフェースを示す図である。
【図5B】CAASアカウントを保険会社アカウントにリンクするための例示的なユーザインターフェースを示す図である。
【図5C】CAASアカウントを保険会社アカウントにリンクするための例示的なユーザインターフェースを示す図である。
【図5D】CAASアカウントを保険会社アカウントにリンクするための例示的なユーザインターフェースを示す図である。
【図5E】CAASアカウントを保険会社アカウントにリンクするための例示的なユーザインターフェースを示す図である。
【図5F】CAASアカウントを保険会社アカウントにリンクするための例示的なユーザインターフェースを示す図である。
【図5G】CAASアカウントを保険会社アカウントにリンクするための例示的なユーザインターフェースを示す図である。
【図5H】CAASアカウントを保険会社アカウントにリンクするための例示的なユーザインターフェースを示す図である。
【図6A】請求を提出するための推奨を提供するための例示的なユーザインターフェースを示す図である。
【図6B】請求を提出するための推奨を提供するための例示的なユーザインターフェースを示す図である。
【図6C】請求を提出するための推奨を提供するための例示的なユーザインターフェースを示す図である。
【図6D】請求を提出するための推奨を提供するための例示的なユーザインターフェースを示す図である。
【図6E】請求を提出するための推奨を提供するための例示的なユーザインターフェースを示す図である。
【図6F】請求を提出するための推奨を提供するための例示的なユーザインターフェースを示す図である。
【図7】請求分析裁定のための例示的なプロセスの流れ図である。
【図8】例示的なソフトウェアアーキテクチャを示すブロック図であり、ソフトウェアアーキテクチャの様々な部分が、説明される特徴のいずれかを実装する場合がある、本明細書に記載の様々なハードウェアアーキテクチャと併せて使用されてよい。
【図9】機械可読媒体から命令を読み取り、本明細書に記載の特徴のいずれかを実行するように構成された例示的なマシンのコンポーネントを示すブロック図である。
【発明を実施するための形態】
【0009】
以下の詳細な説明において、関連する教示の完全な理解をもたらすために多くの具体的な詳細が例として説明される。しかし、これらの教示がそのような詳細なしに実施される場合があることは、明らかであるに違いない。その他の場合には、よく知られた方法、手順、コンポーネント、および/または回路は、これらの教示の態様を不必要に曖昧にすることを避けるために、詳細を省いて比較的高レベルで説明されている。
【0010】
保険証券に関連する保険会社が保険金請求に関して被保険者に払い戻しをする可能性が高いかどうかを判定する問題に対する技術的解決策を提供する機械学習駆動型の保険金請求分析および裁定のための技術が、本明細書において説明される。機械学習モデルが、被保険者に関連する保険証券の保険証券情報、被保険者のために提出された保険金請求情報、および処方箋(prescription)情報を分析し、保険証券のうちの1つに関連する特定の保険会社が請求のうちの1つまたは複数を支払うかどうかの予測を出力するように訓練されてよい。被保険者は、保険会社が補償する可能性がある請求の種類と、保険会社がそのような請求を補償する可能性がある条件を与える補償の制限との複雑なリストをそれぞれ有する複数の保険証券を有する場合がある。被保険者は、通常、保険証券の各々に関連する無数の補償の制限を明確に理解しておらず、間違った保険会社に請求を提出すること、または被保険者が補償を受ける権利が与えられた請求を提出し損ねることによって、請求を保険会社に払い戻させる機会を逃す場合がある。本明細書において提供される技術は、保険証券の書類を分析して、どの種類の請求が各保険証券によって補償されるか、各保険証券によって提供される補償の限度、保険会社が特定の請求を補償する可能性があるかどうかを判定するために使用されてよいその他の情報、またはそれらの組合せを含むがこれらに限定されない補償情報を取得することによって、請求に関してユーザに払い戻しをする可能性が高い保険証券を特定してよい。本明細書において説明される技術は、被保険者によって提出された請求を経時的に追跡し、請求を分析するように訓練された機械学習モデルを使用して、請求が特定の種類のイベントに関連するという予測を行い、特定のイベントに関連付けられると予測される請求のグループに請求をグループ化してもよい。特定される場合があるイベントの種類の例は、自動車事故、スポーツ傷害、病気に関連するイベント、または機械学習モデルが特定の種類の1つの請求もしくは複数の請求に関連する可能性があると認識するように訓練されてよいその他の種類のイベントを含むがこれらに限定されない。そして、請求のグループが分析されてよく、特定の保険会社が請求または請求のグループを補償する可能性が高いという予測が生成されてよい。特定の保険会社が特定の請求または請求のセットに関して被保険者に払い戻しをする可能性があるかどうかの決定的な予測がされ得ないときは、特定の保険会社が特定の請求もしくは請求のグループを払い戻す可能性があるかどうかの曖昧さを解消するため、または請求もしくは請求のグループを払い戻す可能性がある複数の保険会社の間の曖昧さを解消するために、1セットの動的な質問がユーザに提示されてよい。このアプローチの技術的な利点は、システムが保険金請求のパターンを経時的に認識し、どのようにしてこれらの請求を保険会社に払い戻させるべきかに関して被保険者に推奨を提供してよいことである。結果として、保険金請求の払い戻し率が、被保険者による請求の手作業による処理に比べて大幅に改善される可能性がある。本明細書において説明される技術によって提供される別の技術的な利点は、機械学習モデルが、解析され、標準スキーマに標準化されたデータを使用して訓練される可能性があることである。さらに、機械学習モデルによって分析されるデータも、解析され、標準化される可能性がある。結果として、機械学習モデルは、モデルを訓練するために使用された訓練データと一貫性のある説明を利用するフォーマットでデータを受け取ることになる。その結果、モデルによって提供される予測は、そのような技術を使用して訓練されないモデルと比較して、大幅に改善される可能性がある。本明細書において提供される技術は、機械学習モデルによって提供される予測を大幅に改善し、正確で最新の日付情報を使用することによって、ユーザが自分の便益の自分の使用を最適化することを可能にする可能性がより高い推奨をユーザに提供する可能性もある、データソースの組合せからの請求情報の実質的にリアルタイムの分析をさらに提供する。本明細書において開示される技術のこれらおよびその他の技術的な利点は、以下の例示的な実装の検討から明らかになるであろう。
【0011】
本明細書において提供される技術は、保険金請求分析および裁定を改善して、被保険者にそのネットワークの使用を最適化するための手段を提供するという長年のニーズを満たす。さらに、この問題に与えられる解決策は、どの保険会社が請求の特定のグループを補償する可能性が高いかを正確に予測する方法で請求の実質的にリアルタイムの分析および裁定を提供するためのコンピュータシステムの領域で生じる問題を克服するためのコンピュータテクノロジーに根ざしている。
【0012】
図1は、保険金請求分析および裁定のための本明細書において開示される技術が実装されてよい例示的なコンピューティング環境100を示す図である。コンピューティング環境100は、請求分析および裁定システム(CAAS)105、1つまたは複数のクライアントデバイス115、1つまたは複数の保険会社ポータル125、1つまたは複数の提供者ポータル135、および1つまたは複数のサードパーティデータプロバイダ130を含んでよい。図1に示される例示的な実装は、3つのクライアントデバイス115a、115b、および115cを含むが、本明細書において説明される技術は、異なる数のクライアントデバイス115で使用されてよい。クライアントデバイス115a、115b、および115cは、ネットワーク120を介して、CAAS105、保険会社ポータル125、提供者ポータル135、および/またはサードパーティデータプロバイダと通信してよい。CAAS105も、ネットワーク120を介して、クライアントデバイス115a、115b、および115c、保険会社ポータル125、提供者ポータル135、ならびに/またはサードパーティデータプロバイダ130と通信してよい。ネットワーク120は、1つまたは複数の有線および/もしくはワイヤレス公衆ネットワーク、プライベートネットワーク、またはそれらの組合せを含む場合がある。ネットワーク120は、少なくとも部分的にインターネットによって実装される場合がある。
【0013】
クライアントデバイス115a、115b、および115cは、CAAS105によって提供されるサービス、保険会社ポータル125からの保険情報、および/またはサードパーティデータプロバイダ130からの情報にアクセスするために被保険者によって使用されてよい。クライアントデバイス115a、115b、および115cは、それぞれ、モバイル電話、タブレットコンピュータ、ラップトップコンピュータ、ポータブルデジタルアシスタントデバイス、携帯型ゲームコンソール、および/またはその他のそのようなデバイスなどの携帯型電子デバイスとして実装されてよいコンピューティングデバイスである。クライアントデバイス115a、115b、および115cは、デスクトップコンピュータ、車載コンピューティングシステム、キオスク、販売時点情報管理システム、ビデオゲームコンソール、および/またはその他の種類のコンピューティングデバイスなどの、その他のフォームファクタを有するコンピューティングデバイスに実装される場合もある。図1に示された例示的な実装は3つのクライアントデバイスを含むが、その他の実装は、異なる数のクライアントデバイスを含む場合がある。クライアントデバイス115a、115b、および115cは、保険会社ポータル125および/またはCAAS105によって提供されるアプリケーションおよび/またはサービスにアクセスするために使用されてよい。
【0014】
保険会社ポータル125は、被保険者ユーザが自分の保険証券情報にアクセスし、保険証券の支払い(policy payment)を行い、新しい保険証券を取得し、既存の保険証券に関する請求を提出し、および/または被保険者の保険の管理に関連するその他のアクションを実行するための手段として、保険業者によって提供される場合がある。被保険者ユーザは、複数の保険会社の保険証券を有する場合があり、したがって、自分の保険証券の各々に関連する情報を取得するために複数の保険会社ポータル125にアクセスしなければならない場合がある。その結果、被保険者ユーザは、自分の保険証券情報にアクセスするか、請求を提出するおよび/もしくは請求のステータスをチェックするか、または自分の保険証券に関連するその他のアクションを実行するために、レイアウトが大きく異なる場合がある複数の保険ポータルをナビゲートすることを学ばなければならない。
【0015】
サービス提供者ポータル135は、医師、歯科医、検眼医、および/またはその他の医療専門家が被保険者ユーザに代わって保険会社に請求を提出するための手段を提供する場合がある。サービス提供者ポータル135は、提供者が保険会社との請求のステータスをチェックするための手段を提供する場合がある。サービス提供者ポータル135は、提供者が請求を修正するおよび/または再提出することを許す場合もある。
【0016】
CAAS105は、CAAS105によって提供されるサービスにアクセスするためのクラウドベースまたはネットワークベースのポータルを提供する。CAAS105は、被保険者ユーザの保険金請求への安全な委任された(delegated)アクセスを提供するように構成されてよい。CAAS105は、被保険者ユーザが自分の保険金請求データにアクセスし、請求分析および裁定サービス、処方箋を対象とする給付を最適化するためのガイダンス、医療支出口座(MSA: medical spending account)の使用を最適化するためのガイダンス、先を見越した給付関与(proactive benefits engagement)のためのガイダンス、被保険者が被保険者の要件を満たす保険商品のバンドル(bundle)を選択するのを支援してよいサービス、ならびに/または被保険者によって保険の補償および利用を最適化することに関連するその他のサービスなどの様々なサービスを提供することを可能にする請求アプリケーションプログラミングインターフェース(API)インフラストラクチャを実装してよい。CAAS105によって提供されるサービスの中でも、CAAS105は、実質的にリアルタイムの請求分析および裁定を提供する。CAAS105は、請求を分析するように訓練された1つの機械学習モデルまたは複数の機械学習モデルを利用して、適切な保険会社への請求の提出をユーザに案内し、ユーザの保険証券によってユーザに提供される補償の使用を最適化するためのその他のアドバイスを提供してよい。また、CAAS105は、ユーザのデモグラフィックス(demographic)データの変化に対応する場合があり、ユーザの変化するニーズを満たす保険証券の提案されるバンドルを提供する場合がある。下の例示的な実装は、CAAS105のこれらおよびその他の特徴を説明するさらなる詳細を提供する。
【0017】
CAAS105は、保険証券情報に含まれる情報を分析して補償情報を取得するために、保険会社ポータル125からユーザの保険証券および請求情報を収集するように構成されてよい。補償情報は、どの種類の請求が各保険証券によって補償されるか、各保険証券によって提供される補償の限度、保険会社が特定の請求を補償する可能性があるかどうかを判定するために使用されてよいその他の情報、またはそれらの組合せを含む場合がある。CAAS105は、メンバーがプラン情報、請求情報、またはそれら両方を取得するために自分の保険業者の自分のアカウントにリンクすることを可能にするように構成される安全で認証されたパイプラインのセットを実装するように構成される場合がある。CAAS105は、サポートされる保険会社のリストを提供するユーザインターフェースを提供してよい。ユーザは、サポートされている保険会社のリストから保険会社を選択してよく、ユーザインターフェースは、その保険会社のユーザのアカウントとの接続のセットアップをユーザに案内する。ユーザは、CAAS105が保険会社ポータル125を通じて提供される保険証券情報および/または請求情報に安全にアクセスすることを許す認証の詳細を安全に提供する場合がある。CAAS105は、保険証券情報、請求情報、またはそれら両方にアクセスし、この情報を分析し、情報をこの情報のための統一され、標準化されたスキーマに変換してよい。標準化された情報は、ユーザに様々なサービスを提供するためにCAAS105によって記憶されてよく、これは、図2および図3に示されるCAAS105の例示的な実装に関連してより詳細に検討される。
【0018】
サードパーティデータソース130は、ユーザの追加的な情報を取得するためにCAAS105によってアクセスされてよい追加的なデータソースである。CAAS105は、ユーザから収集された情報を補足するためにサードパーティデータを使用するように構成されてよい。CAAS105は、動的に生成された質問のセットをユーザに提示することによって、ユーザから少なくともいくつかのデモグラフィックス情報を収集するように構成されてよい。ユーザに提示される質問は、以前の質問に対するユーザの回答、サードパーティデータに含まれる情報、またはそれらの組合せに少なくとも部分的に基づいて動的に選択される場合がある。サードパーティ情報および/またはユーザから収集される場合がある情報は、ユーザの病歴、過去の保険消費、ユーザの財務プロフィール(financial profile)(借金、資産、債務)、信用履歴、家族情報、サイコグラフィックス(psychographics)、興味、職業、給与、身体活動、およびユーザへの保険プランの推奨を提供することを容易にするためにCAAS105によって使用されてよいその他の情報を含むがこれらに限定されない。CAAS105は、サードパーティデータソース130に情報を問い合わせてよく、データを記憶し、分析するためにCAAS105によって使用される標準スキーマへとデータを再フォーマットしてよい。CAAS105は、ユーザである場合があり、またはユーザではない場合がある複数の人に関連する情報をデータが含む場合に、サードパーティデータソースから受け取られたデータの曖昧さを解消するように構成される場合もある。データの曖昧さの解消のさらなる詳細は、後述の例で与えられる。
【0019】
図5A～図5Hは、CAAS105が保険会社ポータル125からユーザに関連する保険証券および請求情報を取得してよいように、保険会社のユーザのアカウントをユーザのCAASアカウントにリンクするプロセスをユーザに案内するCAAS105の例を示す。図5Aは、アカウントセットアッププロセスに関する情報をユーザに提示するセットアッププロセスを開始するためのユーザインターフェース505を示す。ユーザは、CAAS105を図5Bに示されるユーザインターフェース510に進ませるために「続ける」ボタンをクリックしてよい。ユーザインターフェース510は、ユーザがCAASアカウントを保険会社のシステムのユーザのアカウントにリンクすることを許すようにCAAS105が構成された保険会社のリストを提供する。ユーザは、特定の保険会社に関連するアイコンを選択するか、または検索フィールドに保険会社の名前をタイピングしてよい。図5Cおよび図5Dは、ユーザが検索フィールドに入力するにつれて保険会社のリストが動的に絞り込まれ得ることを示す。図5Eは、選択された保険会社に関して表示されてよいユーザインターフェース515の例を示す。ユーザは、保険会社ポータルのための自分の認証資格情報を提供し、「送信」をクリックしてよい。CAAS105は、提供された認証基準を使用して保険会社ポータル125にアクセスしようと試みる。図5Fおよび図5Gは、保険会社ポータル125のユーザアカウントへのアクセスをさらに安全にするために使用されてよい例示的な2要素認証ユーザインターフェース520を示す。ユーザが保険会社のポータルで認証されると、アカウントがリンクされたことを確認するためにユーザインターフェース525が表示されてよい。それから、CAAS105は、保険会社ポータル125から請求情報、保険証券情報、および/またはその他の情報にアクセスしてよい。
【0020】
図2は、CAAS105の追加的な要素を示す、図1に示されたCAAS105の例示的な実装の図である。図2に示されるCAAS105は、3つのレイヤ、すなわち、(1)生データレイヤ205、(2)イベントベース通知レイヤ250、および(3)洞察レイヤ290を含む。生データレイヤ205は、様々なデータソースからユーザの保険データを取得し、このデータを統一され標準化されたスキーマに変換し、ユーザに様々な保険に関連するサービスを提供するためのイベントベース通知レイヤ250および/または洞察レイヤ290による分析のためにユーザデータを記憶するように構成されてよい。これらのレイヤの各々の機能のさらなる詳細は、後述の例でさらに詳細に説明される。一部の実装において、これらのレイヤの各々の機能は、異なる数の機能レイヤに一緒にグループ化される場合がある。さらに、レイヤの各々の機能は、一部の実装において、別々のサーバに実装される場合があり、サーバは、CAAS105の様々なコンポーネントがデータをやり取りし、分析することを許すために、パブリックおよび/またはプライベートネットワーク接続を介して通信可能なように結合される場合がある。
【0021】
生データレイヤ205は、データレイク210、プランメタデータ215、センサスデータデータストア220、医療貯蓄口座(HSA: health savings account)提供者API225、保険プラン見積もりAPI230、処方箋API235、請求および保険証券API240、適格性API245、ならびにサードパーティデータAPI280を含んでよい。APIは、様々な保険に関連するサービスを提供するためにCAAS105が使用してよいデータを取得するためのパイプラインを提供する。機密データにアクセスするとき、ユーザデータは、安全で認証されたパイプラインによって保護されてよい。CAAS105は、CAAS105がユーザデータに安全にアクセスすることを可能にするために、外部データソースとの認証のセットアップをユーザに案内してよい。
【0022】
データレイク210は、保険会社ポータル125およびサードパーティデータプロバイダ130などであるがこれらに限定されない1つまたは複数の外部データソースから取得された生ユーザデータ、生請求データ、および生保険証券データを記憶するために使用されてよい。本明細書において使用される生データは、データが外部データソースから取得された元のデータフォーマットを指す。生データのフォーマットは、データの種類およびデータが取得された外部データソースに依存する場合がある。生データは、データレイク210に保持されてよく、データレイク210は、CAAS105の1つまたは複数の解析エンジンによって標準スキーマに加工されてよい。標準スキーマは、データを記憶および分析するCAAS105によって使用されてよい論理データ構造のセットを定義する。下でさらに詳細に検討される図3は、データを解析するための2つの解析エンジン、保険証券解析エンジン315と請求および処方箋解析エンジン320とを含む。図3に示された例は2つの別々の解析エンジンを含むが、解析エンジンの機能は、単一の解析エンジン、または図3に示される2つの解析エンジンよりも多くの解析エンジンへと組み合わされてよい。標準化された保険証券データは、プランメタデータ215に記憶されてよい。
【0023】
保険証券データは、各保険証券によって補償される請求の種類、各保険証券によって提供される補償の限度、保険会社がユーザの特定の請求を補償する可能性があるかどうかを判定するために使用されてよいその他の情報を含むがこれらに限定されない補償情報を含む場合がある。センサスデータ220は、CAAS105によってユーザから収集されるデモグラフィックス情報、サードパーティデータソース130から取得されたユーザについての情報、保険会社ポータル125から取得された情報、および/または保険に関連する問題に関してユーザに推奨を提供するためにCAAS105によって使用されてよいユーザについてのその他の情報を含む場合がある。これらの様々なソースから取得されたユーザに関連するデータは、CAAS105の1つまたは複数の解析エンジンによって標準スキーマにフォーマットされ、センサスデータ220に記憶されてよい。
【0024】
図2に示された生データレイヤ205は、様々なソースからのデータにアクセスするためのAPIを実装するように構成された6つのAPIユニットを含む。CAAS105の生データレイヤ205の一部の実装は、様々なデータソースからのデータにアクセスするための異なる数のAPIを含む場合がある。生データレイヤによってアクセスされ、処理されるデータソースの種類は、後述の例でより詳細に検討される洞察レイヤ290によって提供される機能に少なくとも部分的に依存する場合がある。
【0025】
請求および保険証券API240は、保険会社ポータル125を介して保険会社から保険証券情報および/または保険金請求情報を取得するように構成される。前述の例で検討されたように、CAAS105は、ユーザの保険会社のユーザのアカウントへのCAAS105のユーザのアカウントのリンクをユーザに案内するユーザインターフェースを提供するように構成されてよい。請求および保険証券API240は、各保険会社から保険証券情報および/または請求情報を引き出し、生データをデータレイク210に記憶するように構成されてよい。保険証券情報は、保険証券解析エンジン315によって標準スキーマに変換されてよく、請求情報は、図3に示された請求および処方箋解析エンジン320によって標準スキーマに変換されてよい。
【0026】
ユーザの保険証券情報は、実質的にリアルタイムで最新の状態に保たれる場合がある。請求および保険証券API240は、ユーザの保険証券情報に対する更新を定期的にチェックするように構成されてよい。請求および保険証券API240は、イベントベース通知レイヤ250または洞察レイヤ290からの要求に応じてユーザの保険証券情報に対する更新をチェックしてもよい。一部の実装において、請求および保険証券API240は、保険証券の変更もしくは更改に応じて、または払い戻しのための保険会社への請求の提出に応じて、保険会社から請求情報および/または保険証券情報に対する更新を受け取る場合がある。
【0027】
HSA提供者API225は、1つまたは複数のHSA提供者から情報を取得するように構成されてよい。HSA提供者API225は、現在の残高、HSAアカウントによって払い戻された請求の履歴的な払い戻し情報、および/またはHSAアカウントの使用に関連するその他の情報などであるがこれらに限定されないユーザのHSAアカウントに関連する情報を取得することができる。HSAアカウント情報は、ユーザによって払い戻しのために提出された請求の数および種類の履歴モデルを構築し、履歴的な使用に基づいてHSAの推奨される将来の資金準備の予測を行うためにCAAS105によって使用されてよい。HSAアカウント情報は、ユーザの保険の補償を分析するとき、およびユーザのニーズに合った補償を推奨するために、CAAS105によって考慮される場合もある。
【0028】
処方箋API235は、薬剤給付管理業者(PBM: pharmacy benefits manager)から処方箋価格情報を取得するように構成されてよい。ユーザが処方された処方箋に関する情報は、ユーザから直接取得される、ならびに/または請求および保険証券API240を介して保険業者から取得された請求情報に基づいて決定される場合がある。処方箋価格情報は、処方箋給付案内ユニット265によって利用されてよい。
【0029】
保険プラン見積もりAPI230は、ユーザによる予測された保険消費に少なくとも部分的に基づいて、ユーザのための保険証券の包括的なバンドルを作成するためにCAAS105によって使用されてよい保険会社からの保険の補償の見積もりを取得するように構成されてよい。保険プラン見積もりAPI230は、医療保険、歯科保険、傷害保険、入院費実費給付補償保険、自動車保険、およびまたはその他の種類の保険に関して、保険会社に見積もりの要求を提出するように構成されてよい。保険ポートフォリオ計画ユニット275は、ユーザのニーズに基づくユーザのための包括的な保険プランを構築するために見積もり情報を使用してよい。保険ポートフォリオ計画ユニット275は、ユーザの病歴、過去の保険消費、ユーザの財務プロフィール(借金、資産、債務)、家族情報、サイコグラフィックス、興味、職業、給与、身体活動、および/またはユーザのニーズを推測するために使用されてよいその他の情報を含むがこれらに限定されないユーザデータに基づいてユーザのニーズを判定してよい。
【0030】
適格性API245は、保険会社へのユーザの登録を検証するように構成されてよい。API245は、ユーザが特定の保険証券によって補償されるかどうか、およびユーザが特定の種類の請求が保険会社によって払い戻される資格があるかどうかを判定するために使用されてよい。適格性情報は、特定の請求または請求の種類が特定の保険会社によって補償され得るかどうかを判定するためにCAAS105によって利用されてよい。適格性情報は、CAAS105によって提供される推奨がユーザの現在の登録ステータスに基づくように、実質的にリアルタイムでアクセスされてよい。
【0031】
サードパーティデータAPI280は、サードパーティデータプロバイダ130にサードパーティデータの問い合わせを送るように構成されてよい。サードパーティデータソースは、病歴データ、財務プロフィール情報、信用履歴情報、婚姻状況情報および/もしくは家族情報、職業、給与、ならびに/またはユーザに様々な推奨を提供するためにCAAS105によって使用されてよいその他の情報のソースを含む場合があるがこれらに限定されない。サードパーティデータAPI280は、サードパーティデータに関して様々なデータソースに問い合わせるためにCAAS105の様々なコンポーネントによって使用されてよい。
【0032】
イベントベース通知レイヤ250は、生データレイヤ205によって取得および/または生成されたデータを分析するために条件論理、機械学習モデル、および/または人工知能システムを利用してよい。イベントベース通知レイヤ250は、洞察レイヤ290によって提供されるサービスの機能をサポートするために、生データレイヤ205からのデータを分析するように構成されてよい。イベントベース通知レイヤ250は、生データレイヤ205によって維持されたデータを分析するために1つまたは複数の機械学習モデルを利用してよい。イベントベース通知レイヤ250は、図3および図4に示される請求適格性エンジン325の要素を実装してよい。
【0033】
洞察レイヤ290は、イベントベース通知レイヤ250によるデータの分析に基づいて、様々なサービスをユーザに提供してよい。洞察レイヤ290は、請求コンシェルジュユニット255、支出口座案内ユニット260、処方箋給付案内ユニット265、先を見越した給付関与ユニット270、および保険ポートフォリオ計画ユニット275を含む。
【0034】
請求コンシェルジュユニット255は、請求データを分析し、保険会社に請求を提出するための推奨をユーザに提供するように構成されてよい。請求コンシェルジュユニット255は、保険会社によって支払われる可能性がある請求を特定するために請求データを自動的に分析するように構成されてよい。請求コンシェルジュユニット255は、1つまたは複数の保留中の保険金請求を分析するユーザからの要求に応じて推奨を提供してもよい。請求コンシェルジュユニット255のさらなる特徴が、後述の例に示される。
【0035】
支出口座案内ユニット260は、前の健康保険(health plan)消費に基づいてMSAの資金準備を最適化し、医療請求コストを払い戻すためにMSAの資金を利用するための案内をユーザに提供してよい。処方箋給付案内ユニット265は、処方薬がユーザの近くにある薬局で提供されている価格を含む処方箋価格案内をユーザに提供するための案内をユーザに提供してよい。
【0036】
先を見越した給付関与ユニット270は、ユーザの給付の使用を最適化するための推奨をユーザに提供してよい。先を見越した給付関与ユニット270は、ユーザがユーザの保険証券によって提供される給付に関与するように勧めるために、有意義で実用的な通知を提供するよう構成されてよい。先を見越した給付関与ユニット270は、ユーザの給油の使用に関してユーザに推奨を行うときに、ユーザの個人的な財務状況を考慮してよい。
【0037】
保険ポートフォリオ計画ユニット275は、ユーザのデモグラフィックス、ユーザのリスク回避志向、およびユーザのニーズを考慮する保険バンドルを構築するための推奨をユーザに提供してよい。
【0038】
図3は、CAAS105によって実装されてよい請求適格性エンジン325の例示的な実装を示す図である。図3に示された実装は、ユーザの保険金請求をユーザの保険証券にマッピングするように構成されてよい。CAAS105は、保険金請求を分析するように訓練された1つまたは複数の機械学習モデルを利用して、適切な保険会社への請求の提出にユーザを案内してよい。
【0039】
保険証券情報305は、医療保険証券、歯科保険証券、傷害保険証券、障害保険証券、重大疾病保険証券、自動車保険証券、および/またはその他の種類の保険証券などであるがこれらに限定されない複数の保険証券を含む場合がある。保険証券情報305は、図2に示された生データレイヤ205の請求および保険証券API240によって取得されてよい。保険証券の電子コピーが、ポータブルドキュメントフォーマット(PDF)または各保険会社によってサポートされる別の電子フォーマットで保険会社から取得される場合がある。保険会社は、異なる電子ファイルフォーマットをサポートする場合があり、各保険会社によって提供される保険証券情報のレイアウトは、異なる場合がある。保険会社から取得された保険証券情報は、生データレイヤ205のデータレイク210に記憶されてよい。保険証券解析エンジン315は、保険会社から取得された生保険証券データを分析し、保険証券情報を標準スキーマに変換するように構成されてよい。標準化された情報は、プランメタデータ215に記憶されてよい。プランメタデータは、補償情報、保険証券の限度、控除情報、および/または特定の保険会社が特定の種類の1つの請求もしくは複数の請求に関して保険契約者に払い戻しをする可能性があるかどうかを判定するためにCAAS105によって使用されてよいその他の情報を含む場合がある。
【0040】
保険証券解析エンジン315は、保険証券から抽出された保険証券補償情報を標準化された補償情報にマッピングするためにファジーマッチング(fuzzy matching)技術を使用するように構成されてよい。保険会社は、提供される補償を説明するためにわずかに異なる言葉を使う場合がある。保険証券解析エンジン315は、保険証券補償情報を、CAAS105によって維持される標準化された保険補償の説明のセットにマッピングするように構成されてよい。標準化された保険補償の説明は、保険会社によって提供される可能性がある補償の種類の説明を含んでよい。保険証券解析エンジン315は、保険証券において提供された補償情報に対して、標準化された補償の説明との確率的データ照合を実行するように構成されてよい。保険証券解析エンジン315は、保険証券の補償の説明と一致している最も高い確率に関連付けられる標準化された説明を選択するように構成されてよい。一致する標準化された説明は、プランメタデータ215に保険証券情報とともに記憶されてよく、ユーザが請求を補償する可能性が高い保険証券を有するかどうかを判定するために請求適格性エンジン325によって使用されてよい。
【0041】
保険証券補償情報を標準的な説明にマッピングすることは、請求適格性エンジン325によって使用される機械学習モデルによって提供される予測を改善することによって、重要な技術的な利点を提供する場合がある。機械学習モデルは、特定の請求がユーザの保険証券によって補償される可能性が高いかどうかを判定するために請求適格性エンジン325によって使用される同じ標準的な保険補償の説明を含む訓練データを使用して訓練されてよい。したがって、機械学習モデルは、モデルを訓練するために使用された訓練データに含まれる補償の説明と一貫性のある説明を利用する分析のための保険証券補償データを提示される場合がある。
【0042】
請求および処方箋情報310は、医療請求フィード(medical claims feed)および処方箋フィード(prescription feed)からの実質的にリアルタイムの情報を含んでよい。医療請求情報は、ユーザが払い戻しのために提出したまたはユーザの代理で提出させた保険金請求を表す。処方箋情報は、ユーザに処方された処方箋を表し、保険会社に払い戻しのために提出される場合がある。請求および/または処方箋情報は、図2に示された請求および保険証券API240と、データレイク210に記憶されたデータとによって取得されてよい。保険会社の各々から取得された請求および処方箋情報は、異なる電子フォーマットおよび/またはレイアウトである場合がある。請求および処方箋情報は、請求および処方箋情報をCAAS105によって利用される標準スキーマに変換するために請求および解析エンジン320によって処理されてよい。標準化スキーマの請求および処方箋情報は、プランメタデータ215とともに記憶される場合がある。
【0043】
請求および処方箋解析エンジン320は、請求および処方箋情報が請求適格性エンジン325によって分析される前に、請求および処方箋情報310を標準化された請求および処方箋の説明にマッピングするためにファジーマッチング技術を使用するように構成されてよい。医療提供者は、行われた処置を説明するために一貫性のない言葉を使う場合がある。ある医療提供者は、同じ処置を別の医療提供者とわずかに異なる形で説明する場合がある。行われた処置の説明のそのような一貫性のなさは、特定の保険証券が特定の請求または処方箋を補償するかどうかを判定することを難しくし得る。標準化された請求および処方箋の説明のセットは、請求および処方箋に関連付けられてよい説明の一貫性のあるセットを提供する場合がある。請求および処方箋解析エンジン320は、請求および処方箋情報310に対して、標準化された請求および処方箋の説明との確率的データ照合を実行するように構成されてよい。請求および処方箋解析エンジン320は、ユーザのために保険会社に提出された請求および/または処方箋に含まれる行われた処置の説明および/またはその他の情報と一致している最も高い確率に関連付けられる標準化された説明を選択するように構成されてよい。
【0044】
請求と一致する標準化された説明は、請求に関連するプランメタデータ215に請求情報とともに記憶される場合がある。標準化された説明は、ユーザが請求を補償する可能性が高い保険証券を有するかどうかを判定するために請求適格性エンジン325によって使用されてもよい。請求および処方箋情報を標準的な説明にマッピングすることは、請求適格性エンジン325によって使用される機械学習モデルによって提供される予測を改善するという技術的な利点を提供する。機械学習モデルは、特定の請求または処方箋がユーザの保険証券によって補償される可能性が高いかどうかを判定するために請求適格性エンジン325によって使用される同じ標準的な請求および/または処方箋の説明を含む訓練データを使用して訓練されてよい。したがって、機械学習モデルは、モデルを訓練するために使用された訓練データに含まれる請求および処方箋の説明と一貫性のある説明を利用する分析のための請求および処方箋の説明を提示される。
【0045】
標準化された説明が特定の請求と一致する確率が所定の閾値未満である場合、請求および処方箋解析エンジン320は、追加的な処理のために請求にフラグを立てる場合がある。ユーザは、請求の曖昧さを解消するのを助けるおよび/または請求に関する異なる説明が提供されることを要求するために使用されてよい追加の情報を提供するように促される場合がある。請求の説明を標準化することは、請求適格性エンジン325が請求を補償する可能性がある一致する保険証券を見つけることがある見込みを高める場合がある。
【0046】
標準化された保険証券補償情報ならびに標準化された請求および処方箋情報は、分析のために請求適格性エンジン325に提供されてよい。請求適格性エンジンは、ある期間にわたって複数の保険金請求を追跡し、請求が特定のイベントに関連するという予測をし、それに応じて請求をグループ化するように構成されてよい。請求適格性エンジン325は、保険金請求をイベントの種類によってグループ化するように訓練された1つまたは複数の機械学習モデルを使用してよい。たとえば、機械学習モデルは、自動車事故、スポーツ傷害、病気に関連するイベント、または機械学習モデルが特定の種類の1つの請求もしくは複数の請求に関連する可能性があると認識するように訓練されてよいその他の種類のイベントなどであるがこれらに限定されないイベントの種類によって保険金請求をグループ化するように構成されてよい。1つの機械学習モデルまたは複数の機械学習モデルが、保険金請求のグループが特定の種類のイベントに関連付けられるという予測を生成する場合がある。請求適格性エンジン325は、ユーザが保険証券を有する特定の保険会社が特定の請求または請求のグループを補償する可能性が高いかどうかの予測を生成するように構成された1つまたは複数の機械学習モデルを用いて保険金請求のグループを分析するように構成されてよい。
【0047】
1つの機械学習モデルまたは複数の機械学習モデルは、特定の保険会社が請求または請求のグループを補償する可能性があるかどうかの予測に信頼レベルを関連付ける場合があり、請求適格性エンジン325は、予測に関連する信頼レベルに応じて異なるアクションを実行する場合がある。予測に対する請求適格性エンジン325が有する低い信頼性に応じて、請求適格性エンジンは、動作340において、メンバーに推奨が行われない場合があるというインジケーションを提供してよい。請求適格性エンジン325が有する中程度の信頼レベルに応じて、請求適格性エンジン325は、動作335において、動的に生成された質問をユーザに提示するように構成されてよい。動的に生成された質問に対する回答は、特定の保険会社が特定の請求もしくは請求のグループを補償する可能性があるかどうかの曖昧さを解消するため、および/または1つの保険会社が請求もしくは請求のグループを補償する可能性がより高いかどうかを判定するために保険会社間の曖昧さを解消するために使用される場合がある。請求適格性エンジン325が有する高い信頼レベルに応じて、請求適格性エンジン325は、動作330において、請求または請求のグループを、請求を補償すると予測される保険会社に提出するようにユーザを案内するように構成されてよい。低い信頼レベル、中程度の信頼レベル、および高い信頼レベルは、予測に関連する信頼レベルが信頼レベルの特定の範囲内にあるかどうかを判定することによって決定されてよい。これらの範囲は、特定の保険会社が請求または請求のセットを補償する可能性があるかどうかを予測するために使用される1つの機械学習モデルまたは複数の機械学習モデルによって行われた予測を請求適格性エンジン325がどのように扱うかを構成するために、システムの管理者によって構成可能である場合がある。
【0048】
図4は、請求適格性エンジン325の例示的な実装を示す図である。請求適格性エンジン325は、提出推奨ユニット405、請求グループ化機械学習モデル410、補償予測モデル415、曖昧性解消ユニット425、請求提出支援ユニット420、およびモデル更新ユニット430を含んでよい。請求適格性エンジン325は、保険金請求および保険証券情報を分析し、請求が提出されてよい特定の保険会社を推奨する推奨をユーザに提示してよい。推奨は、ユーザからの要求に応じて、ユーザのために新しい請求が提出されたことのCAAS105による検出に応じて、1つもしくは複数の請求が保険会社によって拒否されたという通知の受け取りに応じて、および/またはユーザのための保留中の請求を分析するようにCAAS105をトリガする場合があるその他のイベントに応じて、オンデマンドで生成されてよい。たとえば、CAAS105は、保険会社が1つもしくは複数の請求を補償しなかった、および/または1つもしくは複数の請求を十分に補償しなかったことを示す保険給付明細書(EOB: Explanation of Benefits)を保険会社から受け取る場合がある。保険会社によって拒否された請求は、ユーザがユーザの保険証券の下で請求の補償を受ける資格がない、ユーザがその種類の請求に関してユーザの保険証券の限度に達している、またはその他の理由を含むがこれらに限定されない様々な理由で拒否された可能性がある。請求は、補償の制限、保険の自己負担金、またはその他の理由で、保険会社によって部分的にしか支払われない場合がある。CAAS105は、請求を支払う可能性がある別の保険会社を特定し、別の保険会社への請求の提出をユーザに案内する場合がある。
【0049】
提出推奨ユニットは、請求を補償する可能性がある保険会社を予測するために分析される請求および保険証券情報440を取得するように構成されてよい。請求および保険証券情報440は、保険証券解析エンジン315によって出力された標準化された保険証券補償情報を含む。請求および保険証券情報440は、請求および処方箋情報を、請求および処方箋解析エンジン320によって出力された標準スキーマに含める場合もある。
【0050】
提出推奨ユニット405は、まず、特定の種類のイベントに関連付けられると予測される請求のグループに請求をグループ化するために、請求および/または処方箋情報を分析してよい。自動車事故、スポーツ傷害、病気に関連するイベント、または特定の種類の請求のグループが概して関連付けられる可能性があるその他の種類のイベントなどであるがこれらに限定されない様々な種類のイベントに関連する請求が、特定される場合がある。提出推奨ユニット405は、請求の論理的グループ化に関して予測を取得するために、請求情報を請求グループ化モデル410に提供するように構成されてよい。請求グループ化モデル410は、保険金請求のパターンを認識し、これらのイベントに従って保険金請求をグループ化するように訓練された1つまたは複数の機械学習モデルであってよい。特定のイベントに関連する保険金請求は、まとめて提出されるか、またはある期間にわたって提出される場合がある。この概念を説明する例においては、スポーツに関連する怪我を経験したユーザが、救急サービス、処方箋、理学療法、および/または怪我に関連するその他の治療もしくはサービスに関する請求を提出する場合がある。怪我が発生した時点で提供された緊急サービスに関して請求が提出される場合があり、一方、緊急サービスによる初期治療に続く理学療法および/またはその他の治療に関してその他の請求が提出される場合がある。
【0051】
請求グループ化モデル410は、このような怪我に関連する経時的な保険金請求のパターンを認識し、請求をスポーツ傷害に関連するものとしてグループ化するように訓練されてよい。別の例においては、自動車事故を経験したユーザが、救急サービスおよび入院に関連する請求と、ユーザの自動車に対する損害に関する請求とを有する場合がある。これらの例は、モデルが認識する場合がある請求の2つの可能なパターンを示すが、これらの特定のパターンの認識にモデルを限定しない。
【0052】
請求グループ化モデル410は、特定の種類の請求を特定の種類のイベントに関連付けるために手作業でラベル付けされた訓練データを使用して最初に訓練されてよい。訓練データは、保険金請求のパターンを表す場合もある。請求グループ化モデル410の訓練は、請求グループ化モデル410によって生成された予測に対するフィードバックを提供することによってさらに改良されてよい。一部の実装において、請求適格性エンジン325は、2つ以上の請求グループ化モデル410と、予測に関連する最も高い信頼評点を有するモデルのうちの1つからの予測とを含む場合がある。
【0053】
提出推奨ユニット405は、請求グループ化モデル410によって予測された請求グループ情報およびイベントの種類のインジケーションからの請求グループ化予測と、保険証券情報とを、補償予測モデル415に提供するように構成されてよい。補償予測モデル415は、どの保険会社が請求を補償する可能性があるかに関して予測を提供するために、請求のグループおよび保険証券情報を分析するように訓練されてよい。補償予測モデル415は、特定の種類の請求を特定の保険証券の条項に関連付ける手作業でラベル付けされた訓練データを使用して最初に訓練されてよい。補償予測モデル415は、請求グループ化モデル410によって予測されたイベントの種類に基づいて、請求または請求のグループを補償する可能性が高い保険証券を特定してよい。特定の種類のイベントは、1つの特定の種類または複数の特定の種類の保険証券によって補償される場合がある。たとえば、自動車の衝突事故に関連する怪我の医療請求は、自動車保険証券および/または医療保険証券によって補償される場合がある。その他の種類のイベントは、その他の種類の保険証券によって補償される可能性が高いその他の種類の請求に関連付けられる場合がある。補償予測モデル415は、特定されたイベントに関連する請求を補償する可能性が高い保険の種類を特定し、保険証券情報内でそれらの種類の保険証券を特定し、保険証券の条項を請求情報と比較することによって、特定された保険証券が請求を補償する可能性が高いかどうかを判定するように構成されてよい。補償予測モデル415の訓練は、モデルによって生成された予測に対するフィードバックを提供することによってさらに改良されてよい。補償予測モデル415は、推奨を行うときに、補償の制限と、請求の限度のうちのいくらがユーザによって既に利用されたかとを考慮に入れるように訓練されてよい。第1の保険会社との保険証券に関して、保険証券の限度が既に達せられている場合、補償予測モデル415は、被保険者によって保有された保険証券に基づいて、第1の保険会社が請求を補償しない可能性がある、または第2の保険会社(利用可能な場合)が請求を補償する可能性があるという予測を提供する場合がある。
【0054】
補償予測モデル415は、モデルが予測にどれだけ自信があるかを表す信頼スコアを含む、請求のグループに関する補償の予測を提供してよい。提出推奨ユニット405は、信頼スコアに応じて様々なアクションを実行するように構成されてよい。図2に関連して検討されたように、予測は、請求適格性エンジン325によって、高い、中程度の、または低い信頼スコアを割り振られる場合がある。提出推奨ユニット405は、信頼レベルを、第1の閾値および第2の閾値を含む閾値のセットと比較することによって、補償予測モデル415によって提供された予測に信頼レベルを割り振るように構成されてよい。第1の閾値は、第2の閾値よりも高い。第1の閾値を超える信頼スコアは、予測に対する高い信頼レベルを示す。第1の閾値を下回るが第2の閾値を上回る信頼スコアは、予測に対する中程度の信頼レベルを示す。第2の閾値を下回る信頼スコアは、予測に対する低い信頼レベルを示す。
【0055】
低い信頼レベルを有する予測に関して、提出推奨ユニット405は、予測を破棄する場合がある。提出推奨ユニット405は、請求または請求のグループを補償するユーザに関連する保険証券をCAAS105が特定し得なかったことをユーザに通知する場合もある。提出推奨ユニット405は、請求がユーザの保険証券のうちの少なくとも1つに関連する保険会社によって補償され得るように、請求を修正し、請求を再提出するためのユーザへの推奨を含んでよい。提出推奨ユニット405は、請求または請求のグループがユーザに関連する保険証券のうちの1つによって補償される可能性がなぜ低いかの情報も含む場合がある。たとえば、提出推奨ユニット405は、ユーザが、提出されている1つの請求または複数の請求の種類に関してユーザの保険の限度に達した可能性があることを示す場合がある。その他の理由で拒否された可能性がある請求に関して、提出推奨ユニット405によってその他の種類の情報が含まれる場合がある。
【0056】
中程度の信頼レベルを有する予測に関して、提出推奨ユニット405は、保険会社が特定の請求もしくは請求のグループを補償する可能性があるかどうかの曖昧さを解消する、および/または請求を提出するべき保険会社間の曖昧さを解消するのに役立つ可能性がある追加的な情報を取得しようと試みる場合がある。曖昧性解消ユニット425は、特定の保険会社が請求もしくは請求のセットを補償する可能性があるかどうかの曖昧さを解消するため、または請求もしくは請求のセットを補償する可能性がある保険会社間の曖昧さを解消するために推奨ユニット405によって使用されてよい追加的な情報をユーザから収集しようと試みる動的な質問のセットを提示するためにユーザに対して表示されてよいユーザインターフェースを提供する場合がある。動的な質問は、モデルによって解釈されるときに曖昧であった可能性がある請求の側面をさらに明確にするために使用される場合がある。
【0057】
曖昧性解消ユニット425は、特定の保険会社が特定の請求を補償するのかまたはしないのかを判定するのに有用である可能性がある追加的なデータを特定してよい。たとえば、ユーザは、特定の種類の不慮の事故による怪我に関連する医療費を補償する補足的な傷害保険証券を有する場合がある。提出推奨ユニット405は、傷害保険証券がユーザによる請求を補償する可能性があるという予測に中程度の信頼レベルを割り振る場合がある。傷害保険証券がユーザの請求を補償する可能性があるかどうかのより決定的な予測をしようと試みて、曖昧性解消ユニット425は、傷害保険証券が請求を補償する可能性があるかどうかを示す場合がある請求に関連するさらなる詳細を要求するように構成されてよい。
【0058】
一例において、曖昧性解消ユニット425は、請求が不慮の事故による怪我に関連付けられるかどうか、発生した事故の種類、および/または請求が保険証券によって補償される人のものであったかどうかを判定するための関連する情報を判定するための質問をユーザに提示してよい。曖昧性解消ユニット425は、ユーザから取得された追加的な情報で請求情報を更新してよく、請求は、新しい予測を取得するために補償予測モデル415に再提出されてよい。追加的な情報を取得し、補償予測モデル415に請求を再提出するプロセスは、反復的なプロセスである場合がある。これらのステップは、請求が保険会社によって補償される可能性が高いのかまたは補償されない可能性が高いのかの断定をするのに十分なだけ高い信頼レベルで予測が取得されるまで繰り返されてよい。保険会社が特定の請求を支払う可能性があるかどうかの曖昧さを解消するためにそのような動的な質問が使用される例が、下で詳細に検討される図6A～図6Fに示される。
【0059】
別の例において、曖昧性解消ユニット425は、2つ以上の保険会社間の曖昧さを解消するのに役立つ質問をユーザに尋ねる場合がある。補償予測モデル415は、第1の保険会社と第2の保険会社との両方が特定の請求を潜在的に補償する可能性があると、中程度の確かさで予測する場合がある。第1の保険会社は、自動車事故に関連する入院補償を含む保険証券を提供した自動車保険業者である場合がある。第2の保険会社は、保険証券が特定の病気による入院を補償する医療保険業者である場合がある。曖昧性解消ユニット415は、1つの請求または複数の請求についての追加的な情報をユーザから取得し、新しい予測を取得するために請求を補償予測モデル415に再提出してよい。たとえば、曖昧性解消ユニット425は、請求が自動車事故に関連付けられたかどうか、請求がユーザのものであるのかもしくは他の誰かのものであるのか、および/または曖昧性解消ユニット425が自動車保険証券もしくは医療保険証券が請求を補償する可能性があるかどうかの判定をするのを助ける場合があるその他の情報に関連する質問をユーザに提示してよい。プロセスは、曖昧性解消ユニット425が、保険会社のうちの1つが請求を補償する可能性が高い、または保険会社のいずれも請求を補償する可能性が低いという予測を取得することができるまで、繰り返されてよい。
【0060】
高い信頼レベルを有する請求に関して、提出推奨ユニット405は、請求提出支援ユニット420を介して請求提出の推奨をユーザに提示してよい。請求提出支援ユニット420は、提出される請求の概要、請求が提出されるべき支払者のインジケーション、保険会社によっていくら払い戻される可能性があるかを示す情報、および請求提出支援ユニット420によって請求が電子的に提出され得ない場合に請求を提出するための指示を提示する場合がある。請求提出支援ユニット420は、電子的に提出され得ない請求の提出のために必要とされる請求フォームにユーザが記入および/または事前記入するのを支援する場合がある。ユーザは、請求フォームを印刷し、請求フォームの物理的コピーを処理のためにユーザの保険会社に提出する場合がある。
【0061】
モデル更新ユニット430は、モデルの訓練を改良するために請求グループ化モデル410および補償予測モデル415にフィードバックを提供するように構成されてよい。モデル更新ユニット430は、ユーザから直接および/または請求提出支援ユニット420からフィードバックを受け取る場合がある。ユーザからのフィードバックは、請求グループ化情報および請求提出支援ユニット420が払い戻しのために請求を提出することを提案する保険会社情報の請求提出支援ユニット420による提示に応じて、請求提出支援ユニット420から取得される場合がある。ユーザは、請求のグループ化の予測が間違っていることを示す場合がある。ユーザインターフェースは、請求が関連付けられるべきイベントの種類のインジケーションをユーザが提供するための手段を提供する場合がある。請求提出支援ユニット420は、保険会社に提出された1つまたは複数の請求が拒否されたという回答を保険会社からの受け取る場合もある。請求提出支援ユニット420は、1つまたは複数の請求が保険会社によって拒否されたというEOBまたはその他のインジケーションを取得する場合がある。モデル更新ユニット430は、請求が拒否された理由を特定するように構成されてよい。モデル更新ユニット430は、補償予測モデル415の実行をさらに微調整するために、請求の拒否に応じて補償予測モデルを更新してよい。
【0062】
図6A～図6Fは、CAAS105の例示的なユーザインターフェースを示す図である。図6A～図6Fに示されるユーザインターフェースは、図1に示されたクライアントデバイス115a～115cなどのクライアントデバイスにインストールされたブラウザアプリケーションまたはネイティブアプリケーションによってレンダリングされてよい。CAAS105は、クライアントデバイスにインストールされたウェブブラウザによってレンダリング可能な内容を提供するように構成されてよい。CAAS105は、クライアントデバイスにインストールされたネイティブアプリケーションに内容を提供するように構成されてもよく、そのネイティブアプリケーションは、CAAS105から受け取られた内容をレンダリングして、ユーザが内容とインタラクションすることを可能にし、データの要求を受け取り、および/またはCAAS105によって維持されるデータに対して様々な動作を実行するように構成される。
【0063】
図6Aは、請求概要ユーザインターフェース605の図である。請求概要ユーザインターフェース605は、CAAS105の洞察レイヤ290の請求コンシェルジュユニット255によって実装される場合がある。請求概要ユーザインターフェース605は、通知ペイン625、請求詳細ペイン630、および請求分析ペイン635を含む。図6Aに示される請求概要インターフェースの例示的な実装は、そのようなインターフェースの1つの可能な実装を示す。その他の実装は、この例で提供される情報の代わりにまたはそれに加えて、追加的な情報をユーザに提示する場合がある。
【0064】
請求詳細ペイン630は、被保険者のために1つまたは複数の保険会社に最近提出された請求の詳細を提供する。請求の詳細は、被保険者ユーザの家族など誰が補償されたか、特定のサービスがいつ実行されたか、どのサービスが実行されたか、自己負担金情報、請求が提出された保険会社に関する保険会社情報、および/または保険会社の証券に対して行われた請求に関連するその他の情報を示す場合がある。請求情報は、プランメタデータ215、データレイク210、および/またはCAAS105の生データレイヤ205の別の永続的データ記憶領域から取得されてよい。請求詳細ペイン630は、ユーザによってクリックされるかまたはそれ以外の方法でアクティブ化される場合があるリンクまたはその他のユーザインターフェースコンポーネントをクリックすることによってユーザが請求に関する追加的な情報を取得することを可能にするように構成されてよい。
【0065】
請求分析ペイン635は、ユーザの保険プランの使用の様々な側面を報告する情報を提示してよい。分析は、複数の保険証券の種類、自己負担金、およびユーザによるその他の自己負担支出に関する情報、ならびに/またはユーザの保険証券のユーザの使用に関連するその他の情報を含む場合がある。請求分析ペイン635は、ユーザによってクリックされるかまたはそれ以外の方法でアクティブ化される場合があるリンクまたはその他のユーザインターフェースコンポーネントをクリックすることによってユーザが分析データの様々な要素に関する追加的な情報を取得することを可能にするように構成されてよい。
【0066】
通知ペイン625は、ユーザのアカウント情報、保険証券情報、請求情報、またはそれらの組合せに関する情報メッセージをユーザに提示するために使用されてよい。通知ペイン625は、通知ペイン625において提示された内容に関連する機能をアクティブ化するためのリンク、ボタン、またはその他の手段を含む場合もある。図6Aに示された実装において、通知ペイン625は、ユーザがユーザの保険会社に請求を提出することができる可能性があることを示すメッセージを示す。
【0067】
図6Bは、通知ペイン625に提示された内容に関連する機能をアクティブ化するためのリンク、ボタン、またはその他の手段のユーザによるクリックまたはそれ以外の方法でのアクティブ化に応じて表示されてよいユーザインターフェース610を示す。ユーザインターフェース610は、ユーザの傷害保険証券によって潜在的に補償されるものとしてCAAS105が特定した請求の詳細を示す。CAAS105は、未払いの請求および/またはユーザが十分に払い戻されなかった請求を自動的に分析して、ユーザの保険証券のいずれかがこれらの請求を補償する可能性があるかどうかを判定するように構成されてよい。その他の実装において、ユーザは、CAAS105に分析させ、保険会社に請求を提出するための推奨を提示させたい請求を選択してよい。ユーザは、「開始」ボタンをクリックして、ユーザが請求の提出プロセスを案内されたいことをCAAS105に示してよい。
【0068】
図6Cは、請求の詳細を提供するユーザインターフェース615を示す。ユーザは、請求に関連するサービスを提供した提供者に関する情報、これらのサービスの日付、保険会社によって既に払い戻されたコスト、ユーザによって支払われた自己負担金情報、および/またはその他の情報を見直す場合がある。図6Cに示される例においては、ユーザの医療保険が、請求コストのほとんどを補償したが、ユーザは、なおもコストの一部を支払うことを求められた。その他の実装において、請求は拒否された可能性があり、保険会社によって何も支払われなかった可能性がある。その他の実装において、請求は、保険会社にまだ提出されていない可能性がある。ユーザは、「戻る」ボタンをクリックしてユーザインターフェース610に戻るか、または「次へ」ボタンをクリックして図6Dに示されるユーザインターフェース620に進んでよい。
【0069】
図6D～図6Fに示される例示的なユーザインターフェース620は、特定の保険会社が特定の請求を支払う可能性があるかどうかの曖昧さを解消するため、または2つの保険会社間の曖昧さを解消するために使用されてよい追加的な情報をユーザから収集するための一連の質問をユーザに提示する。ユーザインターフェース620は、ユーザに質問を提示し、質問に応じてユーザ入力を受け取るように構成されてよい。質問は、曖昧性解消ユニット425によって提示されてよく、収集された情報は、CAAS105によって維持される請求情報を更新するために使用されてよい。請求適格性エンジン325の提出推奨ユニット405は、ユーザの保険証券のうちの1つが請求を補償する可能性が高いかどうかの予測を取得するために請求を処理してよい。請求適格性エンジン325が、請求が保険証券によって補償され得ると予測する場合、ユーザインターフェース620は、保険会社に請求を提出するステップをユーザに案内してよい。
【0070】
図7は、保険金請求分析および裁定のための例示的なプロセス700の流れ図である。プロセス700は、先の例で検討されたCAAS105によって実施されてよい。
【0071】
プロセス700は、被保険者ユーザに関連する複数の保険証券の電子コピーを取得する動作705を含んでよい。先の例で検討されたように、CAAS105の生データレイヤ205が、保険会社ポータル125を介して保険会社から保険業者の書類の電子コピーを取得してよい。生保険証券データは、生データレイヤのデータレイク210に記憶されてよい。生保険証券データは、ポータブルドキュメントフォーマット(PDF)、テキストファイル、保険証券の書類のスキャン画像、またはその他の電子フォーマットで受け取られる場合がある。
【0072】
プロセス700は、保険証券の各々に関する保険証券補償情報を生成するために複数の保険証券の電子コピーを分析する動作710を含んでよい。保険証券解析エンジン315が、複数の保険証券の電子コピーを分析し、保険証券の電子コピーから保険証券補償情報を抽出するように構成されてよい。保険証券解析エンジン315は、電子コピーがテキストベースのフォーマットでない場合、保険証券の電子コピーに対して光学式文字認識を実行するように構成されてよい。保険証券解析エンジン315は、書類の電子コピーを解析して保険証券のテキストの条項を抽出し、それらの保険証券をCAAS105によって使用される標準スキーマに再フォーマットするように構成されてもよい。保険会社によっては、それらの保険会社の保険証券に関して異なるフォーマットを有する場合があり、保険証券解析エンジン315は、それらのフォーマットからCAAS105によって使用される標準スキーマにデータをマッピングする場合がある。保険証券データをそのような標準化されたスキーマに正規化することは、保険会社が保険証券の保険証券データを編成する可能性がある多くの可能な方法をモデルが認識する必要がないので、保険証券データを分析するために使用される機械学習モデルの訓練を容易にする場合がある。先の例で検討されたように、保険証券解析エンジン315は、保険証券補償情報のフォーマットを標準化することに加えて、保険証券に含まれる保険証券補償情報を標準化するように構成されてもよい。保険証券解析エンジン315は、保険の補償の条項の標準化された説明を保険証券に含まれる補償情報とマッチングするためにファジーマッチングを使用するように構成されてよい。保険会社は、保険証券の条項によって提供されている同じ種類の補償を異なる言葉を使用して説明しない場合がある。保険証券の条項の説明を標準化することによって、CAAS105によって使用される機械学習モデルは、特定の保険証券が特定の保険金請求を補償する可能性があるかどうかを正しく予測する可能性がより高くなる場合がある。
【0073】
プロセス700は、被保険者ユーザに関連する複数の保険金請求の電子コピーを取得する動作715を含んでよい。CAAS105の生データレイヤ205が、請求および保険証券API240を介して保険会社から電子的な保険金請求情報を取得してよい。請求データは、保険会社ポータル125を介して保険会社から実質的にリアルタイムで取得される場合がある。請求データは、被保険者のために行われた処置に関連する情報、および/または被保険者のために処方された処方箋情報を含む場合がある。請求情報および処方箋情報は、サービス提供者ポータル135を介して保険会社に提出されてよく、サービス提供者ポータル135は、医師、歯科医、検眼医、および/またはその他の医療専門家が被保険者ユーザに代わって保険会社に請求を提出するための手段を提供する場合がある。請求は、被保険者ユーザおよび/または保険証券によって補償されるその他の者のために提出される場合がある。
【0074】
プロセス700は、保険金請求情報を生成するために複数の保険金請求の電子コピーを分析する動作720を含んでよい。CAAS105の保険証券解析エンジン315が、行われた処置の標準化された説明および/または請求に含まれるその他の情報をマッチングするためにファジーマッチングを使用するように構成されてよい。サービスを提供する医療提供者は、同じ処置を一貫性なく説明する場合があり、それが、被保険者ユーザが請求を補償する保険証券を有するかどうかを判定することをより難しくする場合がある。請求の説明を標準化することによって、CAAS105によって使用される機械学習モデルは、特定の保険証券がその請求を補償する可能性があるかどうかを正しく予測する可能性がより高くなる場合がある。
【0075】
プロセス700は、生成された保険金請求情報を第1の機械学習モデルに入力として提供する動作725と、第1の種類のイベントの発生、および第1の種類のイベントに関連する保険金請求の第1のグループを特定するために第1の機械学習モデルを使用して保険金請求情報を分析する動作730であって、第1の機械学習モデルが、被保険者ユーザに関連する保険金請求のグループに基づいて、医療を必要とする種類のイベントの発生を予測し、出力するように訓練される、動作730と、第1の機械学習モデルから出力された第1の種類のイベントの発生のインジケーションおよび保険金請求の第1のグループ、ならびに保険証券情報を第2の機械学習モデルに入力として提供する動作735とを含んでよい。請求適格性エンジン325は、1つまたは複数の機械学習モデルを使用して保険金請求情報を分析するように構成されてよい。図4に示されたように、請求適格性エンジン325は、予測を取得するために請求グループ化モデル410に複数の請求を提出してよく、請求のグループは、被保険者ユーザの医療請求につながった可能性がある、スポーツ傷害または自動車事故などであるがこれらに限定されない特定のイベントを請求が示すかどうかを判定するために分析されてよい。請求グループ化モデル410の出力は、補償予測モデル415に入力として提供されてよい。
【0076】
プロセス700は、保険金請求の第1のグループを補償する可能性が高い保険証券情報内の保険証券の1つまたは複数の種類を特定することと、保険金請求の第1のグループをそれぞれの保険証券の保険証券の条項と比較することによってそれぞれの保険証券が保険金請求の第1のグループを補償する可能性が高いと予測することとによって、複数の保険証券のそれぞれの保険証券が保険金請求の第1のグループを補償するかどうかの予測を取得するために、第2の機械学習モデルを使用して、保険金請求の第1のグループ、保険証券情報、および第1の種類のイベントのインジケーションを分析する動作740を含んでよい。図4に示されたように、請求適格性エンジン325は、特定の保険会社が保険金請求のグループを補償する可能性が高いかどうかの予測を取得するために、補償予測モデル415を使用して保険金請求情報を分析してよい。モデルは、複数の保険会社に関連する保険証券を分析し、複数の保険会社のうちの、請求のグループを補償する可能性が最も高い保険会社の予測を提供してよい。
【0077】
プロセス700は、第2の機械学習モデルによって出力された保険金請求の第1のグループを補償する保険証券のそれぞれの保険証券をユーザインターフェースモジュールに提供する動作745と、それぞれの保険証券に関連する保険業者への保険金請求の第1のグループの提出を被保険者ユーザに案内するために、被保険者ユーザに関連するコンピューティングデバイスのディスプレイ上にユーザインターフェースを提示させる動作750とを含んでよい。CAAS105は、補償予測モデル415による予測に基づいて、特定の保険会社に請求を提出するための推奨を提供するためのユーザインターフェースを提示するように構成されてよいユーザインターフェースモジュールを実装してよい。CAAS105は、保険会社ポータル125を介した請求のための情報の入力および保険会社へのオンラインでの請求の提出をユーザに案内するユーザインターフェースを提示してよい。その他の場合、CAAS105は、被保険者ユーザによって保険会社に提出されてよいフォームへの記入を被保険者ユーザに案内してよい。CAAS105は、フォームに含まれる情報の少なくとも一部を事前記入することによってユーザを支援する場合があり、被保険者ユーザは、保険会社に提供するためにフォームのコピーを印刷する場合がある。CAAS105は、保険会社の各々にデータを提出するために必要とされるデータフォーマットを示す情報を生データレイヤ205に記憶してよく、標準スキーマに記憶されたデータを、請求が提出されている保険会社によって期待されるデータフォーマットにフォーマットするように構成される1つまたは複数のフォーマットエンジン(図示せず)を含んでよい。
【0078】
図1～図7に関連して説明されたシステム、デバイス、および技術の詳細な例は、本開示およびその利点の説明のために本明細書に提示されている。使用のそのような例は、本開示の論理的なプロセスの実施形態に対する限定であると解釈されるべきではなく、本明細書に記載されたものからのユーザインターフェースの方法の変更が、本開示の範囲外であると見なされるべきでもない。(ディスプレイデバイス上に画像を提示すること、1つもしくは複数のスピーカを介して音声を提示すること、および/またはデバイスを振動させることなどであるがこれらに限定されない)アイテムを表示または提示することへの言及は、デバイスまたはシステムにアイテムを表示または提示させるかまたはさせることが合理的に期待される命令、コマンド、および/または信号を発行することを含むことが理解される。一部の実施形態において、図1～図7において説明された様々な特徴は、論理、コンポーネント、ユニット、および/もしくはメカニズムとも呼ばれる場合があり、ならびに/または論理、コンポーネント、ユニット、および/もしくはメカニズムを含む場合があるそれぞれのモジュールに実装される。モジュールは、ソフトウェアモジュール(たとえば、機械可読媒体上に具現化されるコード)かまたはハードウェアモジュールかのどちらかを構成する場合がある。
【0079】
一部の例において、ハードウェアモジュールは、機械的に、電子的に、またはそれらの任意の好適な組合せで実装される場合がある。たとえば、ハードウェアモジュールは、特定の動作を実行するように構成される専用の回路または論理を含んでよい。たとえば、ハードウェアモジュールは、フィールドプログラマブルゲートアレイ(FPGA)または特定用途向け集積回路(ASIC)などの専用プロセッサを含んでよい。ハードウェアモジュールは、また、特定の動作を実行するためにソフトウェアによって一時的に構成されるプログラミング可能な論理または回路も含む場合があり、そのような構成のための機械可読媒体のデータおよび/または命令の一部を含む場合がある。たとえば、ハードウェアモジュールは、ソフトウェア命令のセットを実行するように構成されたプログラミング可能なプロセッサ内に包含されるソフトウェアを含む場合がある。機械的に、専用の恒久的に構成された回路内に、または(たとえば、ソフトウェアによって構成された)一時的に構成された回路内にハードウェアモジュールを実装する判断がコスト、時間、サポート、および工学技術の考慮によって促される場合があることは、理解されるであろう。
【0080】
したがって、フレーズ「ハードウェアモジュール」は、特定の動作を実行することができる有形のエンティティを包含すると理解されるべきであり、特定の物理的な方法で構成または配列される場合があり、本明細書において説明された特定の方法で動作するかまたは特定の動作を実行するように物理的に構築される、恒久的に構成される(たとえば、結線される)、および/または一時的に構成される(たとえば、プログラミングされる)エンティティである場合がある。本明細書において使用されるとき、「ハードウェアによって実装されたモジュール」は、ハードウェアモジュールを指す。ハードウェアモジュールが一時的に構成される(たとえば、プログラミングされる)例を考慮すると、ハードウェアモジュールの各々が常に構成またはインスタンス化される必要はない。たとえば、ハードウェアモジュールが、専用プロセッサになるようにソフトウェアによって構成されたプログラミング可能なプロセッサを含む場合、プログラミング可能なプロセッサは、異なるときに(たとえば、異なるハードウェアモジュールを含む)それぞれ異なる専用プロセッサとして構成される場合がある。したがって、ソフトウェアは、たとえば、1つの時点で特定のハードウェアモジュールを構成し、異なる時点で異なるハードウェアモジュールを構成するように1つのプロセッサまたは複数のプロセッサを構成する場合がある。1つまたは複数のプロセッサを使用して実装されたハードウェアモジュールは、「プロセッサ実装型」または「コンピュータ実装型」と言われる場合がある。
【0081】
ハードウェアモジュールは、その他のハードウェアモジュールに情報を提供し、その他のハードウェアモジュールから情報を受け取ることができる。したがって、説明されたハードウェアモジュールは、通信可能なように結合されると考えられてよい。複数のハードウェアモジュールが同時に存在する場合、通信は、ハードウェアモジュールの間の(たとえば、適切な回路およびバスを介した)信号の送信を通じて実現されてよい。複数のハードウェアモジュールが異なる時間に構成またはインスタンス化される実施形態において、そのようなハードウェアモジュールの間の通信は、たとえば、複数のハードウェアモジュールがアクセスすることができるメモリデバイス内の情報の記憶および取り出しを通じて実現されてよい。たとえば、1つのハードウェアモジュールが、演算を実行し、出力をメモリデバイスに記憶する場合があり、それから、別のハードウェアモジュールが、メモリデバイスにアクセスして、記憶された出力を取り出し、処理する場合がある。
【0082】
一部の例において、方法の動作の少なくとも一部は、1つまたは複数のプロセッサまたはプロセッサ実装型モジュールによって実行されてよい。さらに、1つまたは複数のプロセッサは、「クラウドコンピューティング」環境におけるまたは「サービスとしてのソフトウェア」(SaaS)としての関連する動作の実行をサポートするように動作する場合もある。たとえば、動作の少なくとも一部は、(プロセッサを含むマシンの例として)複数のコンピュータによっておよび/または間で実行される場合があり、これらの動作は、ネットワーク(たとえば、インターネット)を介しておよび/または1つもしくは複数のソフトウェアインターフェース(たとえば、アプリケーションプログラムインターフェース(API))を介してアクセスされ得る。動作の一部の実行は、単一のマシン内に存在するのみでなく、いくつかのマシンにわたって配置されるプロセッサの間に分散される場合がある。プロセッサまたはプロセッサ実装型モジュールは、単一の地理的な場所(たとえば、家庭もしくはオフィス環境内、またはサーバファーム内)にある場合があり、あるいは複数の地理的な場所に分散される場合がある。
【0083】
図8は、例示的なソフトウェアアーキテクチャ802を示すブロック図800であり、ソフトウェアアーキテクチャ802の様々な部分が、上述の特徴のいずれかを実装する場合がある、本明細書に記載の様々なハードウェアアーキテクチャと併せて使用されてよい。図8は、ソフトウェアアーキテクチャの非限定的な例であり、本明細書に記載の機能を容易にするために多くのその他のアーキテクチャが実装されてよいことは、理解されるであろう。ソフトウェアアーキテクチャ802は、とりわけ、プロセッサ910、メモリ930、および入力/出力(I/O)コンポーネント950を含む図9のマシン900などのハードウェア上で実行されてよい。代表的なハードウェアレイヤ804が示され、たとえば、図9のマシン900を表し得る。代表的なハードウェアレイヤ804は、処理ユニット806および関連する実行可能命令808を含む。実行可能命令808は、本明細書に記載の方法、モジュールなどの実装を含む、ソフトウェアアーキテクチャ802の実行可能命令を表す。ハードウェアレイヤ804は、実行可能命令808および付随するデータをやはり含むメモリ/ストレージ810も含む。ハードウェアレイヤ804は、その他のハードウェアモジュール812も含む場合がある。処理ユニット806によって保持される命令808は、メモリ/ストレージ810によって保持される命令808の一部である場合がある。
【0084】
例示的なソフトウェアアーキテクチャ802は、それぞれが様々な機能を提供するレイヤとして概念化されてよい。たとえば、ソフトウェアアーキテクチャ802は、オペレーティングシステム(OS)814、ライブラリ816、フレームワーク818、アプリケーション820、およびプレゼンテーションレイヤ844などのレイヤおよびコンポーネントを含んでよい。動作上、アプリケーション820および/またはレイヤ内のその他のコンポーネントは、その他のレイヤへのAPIコール824を呼び出し、対応する結果826を受け取ってよい。示されたレイヤは、代表的な性質のものであり、その他のソフトウェアアーキテクチャは、さらなるまたは異なるレイヤを含む場合がある。たとえば、一部のモバイルまたは専用オペレーティングシステムは、フレームワーク/ミドルウェア818を提供しない場合がある。
【0085】
OS814は、ハードウェアリソースを管理し、共通サービスを提供してよい。OS814は、たとえば、カーネル828、サービス830、およびドライバ832を含んでよい。カーネル828は、ハードウェアレイヤ804とその他のソフトウェアレイヤとの間の抽象化レイヤとして働いてよい。たとえば、カーネル828は、メモリ管理、プロセッサ管理(たとえば、スケジューリング)、コンポーネント管理、ネットワーキング、セキュリティ設定などを担う場合がある。サービス830は、その他のソフトウェアレイヤのためのその他の共通サービスを提供してよい。ドライバ832は、基礎となるハードウェアレイヤ804の制御または基礎となるハードウェアレイヤ804とのインターフェースを担う場合がある。たとえば、ドライバ832は、ハードウェアおよび/またはソフトウェア構成に応じて、ディスプレイドライバ、カメラドライバ、メモリ/ストレージドライバ、(たとえば、ユニバーサルシリアルバス(USB)を介する)周辺デバイスドライバ、ネットワークおよび/またはワイヤレス通信ドライバ、オーディオドライバなどを含む場合がある。
【0086】
ライブラリ816は、アプリケーション820ならびに/またはその他のコンポーネントおよび/もしくはレイヤによって使用される場合がある共通インフラストラクチャを提供してよい。ライブラリ816は、通常、OS814と直接インタラクションするのではなく、タスクを実行するためにその他のソフトウェアモジュールによって使用されるための機能を提供する。ライブラリ816は、メモリ割り当て、文字列操作、ファイル操作などの機能を提供する場合があるシステムライブラリ834(たとえば、C標準ライブラリ)を含んでよい。さらに、ライブラリ816は、(たとえば、画像、サウンド、および/またはビデオデータフォーマットの提示および操作をサポートする)メディアライブラリ、グラフィックスライブラリ(たとえば、ディスプレイ上に2Dおよび3DグラフィックスをレンダリングするためのOpenGLライブラリ)、データベースライブラリ(たとえば、SQLiteまたはその他のリレーショナルデータベース機能)、ならびにウェブライブラリ(たとえば、ウェブブラウジング機能を提供する場合があるWebKit)などのAPIライブラリ836を含んでよい。ライブラリ816は、アプリケーション820およびその他のソフトウェアモジュールのための多くの機能を提供するために多種多様なその他のライブラリ838も含む場合がある。
【0087】
フレームワーク818(ミドルウェアとも呼ばれる場合がある)は、アプリケーション820および/またはその他のソフトウェアモジュールによって使用されてよいより高レベルの共通インフラストラクチャを提供する。たとえば、フレームワーク818は、様々なグラフィックユーザインターフェース(GUI)機能、高レベルのリソース管理、または高レベルのロケーションサービスを提供する場合がある。フレームワーク818は、アプリケーション820および/またはその他のソフトウェアモジュールのために、広範なその他のAPIを提供してよい。
【0088】
アプリケーション820は、組み込みアプリケーション840および/またはサードパーティアプリケーション842を含む。組み込みアプリケーション840の例は、連絡先アプリケーション、ブラウザアプリケーション、ロケーションアプリケーション、メディアアプリケーション、メッセージングアプリケーション、および/またはゲームアプリケーションを含む場合があるがこれらに限定されない。サードパーティアプリケーション842は、特定のプラットフォームのベンダ以外のエンティティによって開発された任意のアプリケーションを含んでよい。アプリケーション820は、OS814、ライブラリ816、フレームワーク818、およびプレゼンテーションレイヤ844を介して利用可能な機能を使用して、ユーザとインタラクションするためのユーザインターフェースを作成する場合がある。
【0089】
一部のソフトウェアアーキテクチャは、仮想マシン848によって示されるように、仮想マシンを使用する。仮想マシン848は、アプリケーション/モジュールがまるで(たとえば、図9のマシン900などの)ハードウェアマシン上で実行されているかのように実行され得る実行環境を提供する。仮想マシン848は、ホストOS(たとえば、OS814)またはハイパーバイザによってホストされる場合があり、仮想マシン848の動作およびホストオペレーティングシステムとの相互運用を管理する仮想マシンモニタ846を有する場合がある。OS850、ライブラリ852、フレームワーク854、アプリケーション856、および/またはプレゼンテーションレイヤ858などの、仮想マシンの外部のソフトウェアアーキテクチャ802とは異なっていてよいソフトウェアアーキテクチャが、仮想マシン848内で実行される。
【0090】
図9は、機械可読媒体(たとえば、機械可読ストレージ媒体)から命令を読み取り、本明細書に記載の特徴のいずれかを実行するように構成された例示的なマシン900のコンポーネントを示すブロック図である。例示的なマシン900は、マシン900に本明細書に記載の特徴のいずれかを実行させるための(たとえば、ソフトウェアコンポーネントの形態の)命令916が実行されてよいコンピュータシステムの形態である。したがって、命令916は、本明細書に記載のモジュールまたはコンポーネントを実装するために使用されてよい。命令916は、プログラミングされていないおよび/または構成されていないマシン900を、説明された特徴を実行するように構成された特定のマシンとして動作させる。マシン900は、スタンドアロンのデバイスとして動作するように構成される場合があり、またはその他のマシンに結合(たとえば、ネットワーク接続)される場合がある。ネットワーク接続された配置において、マシン900は、クライアント-サーバネットワーク環境内のサーバマシンもしくはクライアントマシンの能力内で、またはピアツーピアもしくは分散型ネットワーク環境内のノードとして動作する場合がある。マシン900は、たとえば、サーバコンピュータ、クライアントコンピュータ、パーソナルコンピュータ(PC)、タブレットコンピュータ、ラップトップコンピュータ、ネットブック、セットトップボックス(STB)、ゲームおよび/またはエンターテインメントシステム、スマートフォン、モバイルデバイス、ウェアラブルデバイス(たとえば、スマートウォッチ)、ならびにモノのインターネット(IoT)デバイスとして具現化されてよい。さらに、単一のマシン900のみが図示されているが、用語「マシン」は、命令916を個別にまたは共同で実行するマシンの集合を含む。
【0091】
マシン900は、プロセッサ910、メモリ930、およびI/Oコンポーネント950を含んでよく、これらは、たとえば、バス902を介して通信可能なように結合されてよい。バス902は、様々なバステクノロジーおよびプロトコルによってマシン900の様々な要素を結合する複数のバスを含む場合がある。例において、(たとえば、中央演算処理装置(CPU)、グラフィックス処理ユニット(GPU)、デジタル信号プロセッサ(DSP)、ASIC、またはそれらの好適な組合せを含む)プロセッサ910は、命令916を実行し、データを処理してよい1つまたは複数のプロセッサ912aから912nを含む場合がある。一部の例において、1つまたは複数のプロセッサ910は、1つまたは複数のその他のプロセッサ910によって提供または特定された命令を実行する場合がある。用語「プロセッサ」は、命令を同時に実行する場合があるコアを含むマルチコアプロセッサを含む。図9は複数のプロセッサを示すが、マシン900は、単一のコアを持つ単一のプロセッサ、複数のコアを持つ単一のプロセッサ(たとえば、マルチコアプロセッサ)、それぞれが単一のコアを持つ複数のプロセッサ、それぞれが複数のコアを持つ複数のプロセッサ、またはそれらの任意の組合せを含む場合がある。一部の例において、マシン900は、複数のマシンに分散された複数のプロセッサを含む場合がある。
【0092】
メモリ/ストレージ930は、バス902を介するなどして両方ともプロセッサ910がアクセス可能なメインメモリ932、スタティックメモリ934、またはその他のメモリと、ストレージユニット936とを含んでよい。ストレージユニット936およびメモリ932、934は、本明細書に記載の機能のうちのいずれか1つまたは複数を具現化する命令916を記憶する。メモリ/ストレージ930は、プロセッサ910のための一時的、中間的、および/または長期的データも記憶する場合がある。また、命令916は、その実行中、完全にまたは部分的に、メモリ932、934内、ストレージユニット936内、プロセッサ910のうちの少なくとも1つ内(たとえば、コマンドバッファもしくはキャッシュメモリ内)、I/Oコンポーネント950のうちの少なくとも1つのメモリ内、またはそれらの任意の好適な組合せに存在する場合がある。したがって、メモリ932、934、ストレージユニット936、プロセッサ910内のメモリ、およびI/Oコンポーネント950内のメモリは、機械可読媒体の例である。
【0093】
本明細書において使用されるとき、「機械可読媒体」は、マシン900を特定の方法で動作させる命令およびデータを一時的または永続的に記憶することができるデバイスを指し、ランダムアクセスメモリ(RAM)、読み出し専用メモリ(ROM)、バッファメモリ、フラッシュメモリ、光学式ストレージ媒体、磁気式ストレージ媒体およびデバイス、キャッシュメモリ、ネットワークアクセス可能もしくはクラウドストレージ、その他の種類のストレージ、ならびに/またはそれらの任意の好適な組合せを含む場合があるがこれらに限定されない。用語「機械可読媒体」は、命令が、マシン900の1つまたは複数のプロセッサ910によって実行されるときに、本明細書に記載の特徴のうちの1つまたは複数をマシン900に実行させるように、マシン900による実行のために命令(たとえば、命令916)を記憶するために使用される単一の媒体または複数の媒体の組合せに当てはまる。したがって、「機械可読媒体」は、単一のストレージデバイスと、複数のストレージ装置またはデバイスを含む「クラウドベースの」ストレージシステムまたはストレージネットワークとを指す場合がある。用語「機械可読媒体」は、信号それ自体を除外する。
【0094】
I/Oコンポーネント950は、入力を受け取る、出力を提供する、出力を生成する、情報を送信する、情報を交換する、測定値をキャプチャするなどするように適合された多種多様なハードウェアコンポーネントを含んでよい。特定のマシンに含まれる特定のI/Oコンポーネント950は、マシンの種類および/または機能に依存する。たとえば、モバイル電話などのモバイルデバイスは、タッチ入力デバイスを含む場合があり、一方、ヘッドレスサーバまたはIoTデバイスは、そのようなタッチ入力デバイスを含まない場合がある。図9に示されたI/Oコンポーネントの特定の例は、まったく限定的でなく、その他の種類のコンポーネントが、マシン900に含まれてよい。I/Oコンポーネント950のグループ化は、単にこの検討を平易にするためのものであり、グループ化は、まったく限定的ではない。様々な例において、I/Oコンポーネント950は、ユーザ出力コンポーネント952およびユーザ入力コンポーネント954を含んでよい。ユーザ出力コンポーネント952は、たとえば、情報を表示するための表示コンポーネント(たとえば、液晶ディスプレイ(LCD)もしくはプロジェクタ)、音響コンポーネント(たとえば、スピーカ)、触覚コンポーネント(たとえば、振動モータもしくはフォースフィードバックデバイス)、および/またはその他の信号生成器を含む場合がある。ユーザ入力コンポーネント954は、たとえば、ユーザコマンドおよび/または選択などの様々なユーザ入力を受け取るように構成された英数字入力コンポーネント(たとえば、キーボードまたはタッチスクリーン)、ポインティングコンポーネント(たとえば、マウスデバイス、タッチパッド、もしくは別のポインティング器具)、ならびに/あるいは触覚入力コンポーネント(たとえば、物理的なボタン、またはタッチもしくはタッチジェスチャの位置および/もしくは力を提供するタッチスクリーン)を含む場合がある。
【0095】
一部の例において、I/Oコンポーネント950は、幅広い物理センサーコンポーネントの中でもとりわけ、バイオメトリックコンポーネント956、モーションコンポーネント958、環境コンポーネント960、および/または位置コンポーネント962を含む場合がある。バイオメトリックコンポーネント956は、たとえば、身体表現(たとえば、顔の表情、声による表現、手もしくは体のジェスチャ、または視線追跡)を検出し、生体信号(たとえば、心拍数または脳波)を測定し、(たとえば、声、網膜、指紋、および/または顔に基づく特定によって)人を特定するコンポーネントを含む場合がある。モーションコンポーネント958は、たとえば、加速度センサー(たとえば、加速度計)および回転センサー(たとえば、ジャイロスコープ)を含む場合がある。環境コンポーネント960は、たとえば、照度センサー、温度センサー、湿度センサー、圧力センサー(たとえば、気圧計)、音響センサー(たとえば、周囲の騒音を検出するために使用されるマイクロフォン)、近接センサー(たとえば、近くの物体の赤外線感知)、および/または周囲の物理的環境に対応するインジケーション、測定値、もしくは信号を提供する可能性があるその他のコンポーネントを含む場合がある。位置コンポーネント962は、たとえば、位置センサー(たとえば、全地球測位システム(GPS)受信機)、高度センサー(たとえば、高度が導出される場合がある気圧センサー)、および/または方位センサー(たとえば、磁力計)を含む場合がある。
【0096】
I/Oコンポーネント950は、それぞれの通信結合972および982を介して、マシン900をネットワーク970および/またはデバイス980に結合するように動作可能な多種多様なテクノロジーを実装する通信コンポーネント964を含んでよい。通信コンポーネント964は、ネットワーク970とインターフェースを取るための1つまたは複数のネットワークインターフェースコンポーネントまたはその他の好適なデバイスを含んでよい。通信コンポーネント964は、たとえば、有線通信、ワイヤレス通信、セルラ通信、近距離無線通信(NFC: Near Field Communication)、ブルートゥース(登録商標)通信、Wi-Fi、および/またはその他の様式による通信を提供するように適合されたコンポーネントを含んでよい。デバイス980は、(たとえば、USBを介して結合される)その他のマシンまたは様々な周辺デバイスを含んでよい。
【0097】
一部の例において、通信コンポーネント964は、識別子を検出するか、または識別子を検出するように適合されたコンポーネントを含んでよい。たとえば、通信コンポーネント964は、無線周波数識別(RFID: Radio Frequency Identification)タグリーダ、NFC検出器、光学センサー(たとえば、一次元もしくは多次元のバーコード、またはその他の光学コード)、および/あるいは音響検出器(たとえば、タグ付けされた音声信号を特定するためのマイクロフォン)を含んでよい。一部の例においては、位置情報が、インターネットプロトコル(IP)アドレスによるジオロケーション、Wi-Fi、セルラ、NFC、ブルートゥース(登録商標)、またはその他のワイヤレス局特定および/または信号三角測量による位置などであるがこれらに限定されない、通信コンポーネント962からの情報に基づいて決定されてよい。
【0098】
様々な実施形態が説明されてきたが、説明は、限定的ではなく、例示的であるように意図されており、実施形態の範囲内にあるさらに多くの実施形態および実装があり得ることが、理解される。特徴の多くの可能な組合せが添付の図に示され、この詳細な説明で検討されているが、開示された特徴の多くのその他の組合せが可能である。任意の実施形態の任意の特徴が、特に制限されない限り、任意のその他の実施形態の任意のその他の特徴もしくは要素と組み合わせてまたはその代わりに使用される場合がある。したがって、本開示において示されたおよび/または検討された特徴のいずれも、任意の好適な組合せで一緒に実施される場合があることは理解されるであろう。したがって、実施形態は、添付の特許請求の範囲およびそれらの均等物に照らして制限される以外には制限されない。また、添付の特許請求の範囲内で、様々な修正および変更がなされる場合がある。
【0099】
上で、最良の態様および/またはその他の例と考えられるものを説明したが、それらに様々な修正が行われてよく、本明細書において開示された主題が様々な形態および例で実施されてよく、教示が多数の用途に適用されてよく、それらの用途のほんのいくつかが本明細書において説明されたことは理解される。本教示の真の範囲に入る任意のおよびすべての応用、修正、および変更を請求することが、下の特許請求の範囲によって意図される。
【0100】
特に断りのない限り、下の特許請求の範囲内も含め、本明細書に記載されているすべての測定値、値、評点、位置、大きさ、サイズ、およびその他の規定は、厳密なものではなく、おおよそのものである。それらは、それらが関連する機能、およびそれらが関連する技術分野において慣習となっていることに合致する合理的な範囲を有するように意図される。
【0101】
保護の範囲は、この後の特許請求の範囲によってのみ限定される。その範囲は、本明細書およびそれに続く出願経過に照らして解釈されるときに、特許請求の範囲で使用されている言葉の通常の意味に合致するだけ広いように、ならびにすべての構造的および機能的均等物を包含するように意図されており、そのように解釈されるべきである。それでも、請求項のいずれも、特許法の101条、102条、または103条の要件を満たすことができない主題を包含するように意図されておらず、そのように解釈されるべきでもない。そのような主題の意図されていない包含は、ここで放棄される。
【0102】
すぐ上に述べられたことを除き、述べられたまたは図示されたことは、それが特許請求の範囲に記載されているのかまたはいないのかにかかわらず、いかなるコンポーネント、ステップ、特徴、目的、利益、利点、または均等物を公衆に捧げることを引き起こすようにも意図されておらず、またはそのように解釈されるべきでない。
【0103】
本明細書で使用された用語および表現が、本明細書において特定の意味が特段に規定されている場合を除き、探究および研究のそれらの対応するそれぞれの領域に関してそのような用語および表現に与えられる通常の意味を有することは理解されるであろう。第1のおよび第2のなどの関係を示す用語は、あるエンティティまたはアクションを別のエンティティまたはアクションと区別するためだけに使用される可能性があり、そのようなエンティティまたはアクションの間のいかなる実際のそのような関係または順序も必ず必要とするまたは示唆するとは限らない。用語「含む(comprise)」、「含んでいるcomprising」、またはそれらの任意のその他の変化形は、要素のリストを含むプロセス、方法、製品、または装置がそれらの要素のみを含むのではなく、明示的に列挙されていないまたはそのようなプロセス、方法、製品、もしくは装置に固有でないその他の要素を含む可能性があるように非排他的包含を含むように意図される。「a」または「an」が前に付く要素は、さらなる制約がなければ、要素を含むプロセス、方法、製品、または装置に追加的な同一の要素が存在することを排除しない。
【0104】
本開示の「要約」は、読者が技術の開示の本質を迅速に見極めることを可能にするために提供される。本開示の要約は、それが請求項の範囲または意味を解釈または限定するために使用されないという理解の下で提出される。さらに、上述の「発明を実施するための形態」においては、本開示を簡素化する目的で、様々な特徴が様々な例において一緒にまとめられていることが分かる。本開示のこの方法は、特許請求の範囲が各請求項で明確に述べられているよりも多くの特徴を必要とするという意図を反映していると解釈されるべきでない。むしろ、下の特許請求の範囲が示すように、発明の主題は、単一の開示された例のすべての特徴よりも少ない特徴に存する。したがって、下の特許請求の範囲は、各請求項が別々に特許請求された主題として独立するようにして、本明細書により「発明を実施するための形態」に組み込まれる。
【符号の説明】
【0105】
100 コンピューティング環境
105 請求分析および裁定システム(CAAS)
115 クライアントデバイス
115a クライアントデバイス
115b クライアントデバイス
115c クライアントデバイス
120 ネットワーク
125 保険会社ポータル
130 サードパーティデータプロバイダ
135 サービス提供者ポータル
205 生データレイヤ
210 データレイク
215 プランメタデータ
220 センサスデータデータストア
225 医療貯蓄口座(HSA)提供者API
230 保険プラン見積もりAPI
235 処方箋API
240 請求および保険証券API
245 適格性API
250 イベントベース通知レイヤ
255 請求コンシェルジュユニット
260 支出口座案内ユニット
265 処方箋給付案内ユニット
270 先を見越した給付関与ユニット
275 保険ポートフォリオ計画ユニット
280 サードパーティデータAPI
290 洞察レイヤ
305 保険証券情報
310 請求および処方箋情報
315 保険証券解析エンジン
320 請求および処方箋解析エンジン
325 請求適格性エンジン
405 提出推奨ユニット
410 請求グループ化機械学習モデル
415 補償予測モデル
420 請求提出支援ユニット
425 曖昧性解消ユニット
430 モデル更新ユニット
440 請求および保険証券情報
505 ユーザインターフェース
510 ユーザインターフェース
515 ユーザインターフェース
520 2要素認証ユーザインターフェース
525 ユーザインターフェース
605 請求概要ユーザインターフェース
610 ユーザインターフェース
615 ユーザインターフェース
620 ユーザインターフェース
625 通知ペイン
630 請求詳細ペイン
635 請求分析ペイン
700 プロセス
802 ソフトウェアアーキテクチャ
804 ハードウェアレイヤ
806 処理ユニット
808 実行可能命令
810 メモリ/ストレージ
812 その他のハードウェアモジュール
814 OS
816 ライブラリ
818 フレームワーク/ミドルウェア
820 アプリケーション
824 APIコール
826 結果
828 カーネル
830 サービス
832 ドライバ
834 システムライブラリ
836 APIライブラリ
838 その他のライブラリ
840 組み込みアプリケーション
842 サードパーティアプリケーション
844 プレゼンテーションレイヤ
846 仮想マシンモニタ
848 仮想マシン
850 OS
852 ライブラリ
854 フレームワーク
856 アプリケーション
858 プレゼンテーションレイヤ
900 マシン
902 バス
910 プロセッサ
912a，912n プロセッサ
916 命令
930 メモリ/ストレージ
932 メインメモリ
934 スタティックメモリ
936 ストレージユニット
950 入力/出力(I/O)コンポーネント
952 ユーザ出力コンポーネント
954 ユーザ入力コンポーネント
956 バイオメトリックコンポーネント
958 モーションコンポーネント
960 環境コンポーネント
962 位置コンポーネント
964 通信コンポーネント
970 ネットワーク
972 通信結合
980 デバイス
982 通信結合
105 請求分析および裁定システム(CAAS)
115 クライアントデバイス
115a クライアントデバイス
115b クライアントデバイス
115c クライアントデバイス
120 ネットワーク
125 保険会社ポータル
130 サードパーティデータプロバイダ
135 サービス提供者ポータル
205 生データレイヤ
210 データレイク
215 プランメタデータ
220 センサスデータデータストア
225 医療貯蓄口座(HSA)提供者API
230 保険プラン見積もりAPI
235 処方箋API
240 請求および保険証券API
245 適格性API
250 イベントベース通知レイヤ
255 請求コンシェルジュユニット
260 支出口座案内ユニット
265 処方箋給付案内ユニット
270 先を見越した給付関与ユニット
275 保険ポートフォリオ計画ユニット
280 サードパーティデータAPI
290 洞察レイヤ
305 保険証券情報
310 請求および処方箋情報
315 保険証券解析エンジン
320 請求および処方箋解析エンジン
325 請求適格性エンジン
405 提出推奨ユニット
410 請求グループ化機械学習モデル
415 補償予測モデル
420 請求提出支援ユニット
425 曖昧性解消ユニット
430 モデル更新ユニット
440 請求および保険証券情報
505 ユーザインターフェース
510 ユーザインターフェース
515 ユーザインターフェース
520 2要素認証ユーザインターフェース
525 ユーザインターフェース
605 請求概要ユーザインターフェース
610 ユーザインターフェース
615 ユーザインターフェース
620 ユーザインターフェース
625 通知ペイン
630 請求詳細ペイン
635 請求分析ペイン
700 プロセス
802 ソフトウェアアーキテクチャ
804 ハードウェアレイヤ
806 処理ユニット
808 実行可能命令
810 メモリ/ストレージ
812 その他のハードウェアモジュール
814 OS
816 ライブラリ
818 フレームワーク/ミドルウェア
820 アプリケーション
824 APIコール
826 結果
828 カーネル
830 サービス
832 ドライバ
834 システムライブラリ
836 APIライブラリ
838 その他のライブラリ
840 組み込みアプリケーション
842 サードパーティアプリケーション
844 プレゼンテーションレイヤ
846 仮想マシンモニタ
848 仮想マシン
850 OS
852 ライブラリ
854 フレームワーク
856 アプリケーション
858 プレゼンテーションレイヤ
900 マシン
902 バス
910 プロセッサ
912a，912n プロセッサ
916 命令
930 メモリ/ストレージ
932 メインメモリ
934 スタティックメモリ
936 ストレージユニット
950 入力/出力(I/O)コンポーネント
952 ユーザ出力コンポーネント
954 ユーザ入力コンポーネント
956 バイオメトリックコンポーネント
958 モーションコンポーネント
960 環境コンポーネント
962 位置コンポーネント
964 通信コンポーネント
970 ネットワーク
972 通信結合
980 デバイス
982 通信結合
【図1】
【図2】
【図3】
【図4】
【図5A】
【図5B】
【図5C】
【図5D】
【図5E】
【図5F】
【図5G】
【図5H】
【図6A】
【図6B】
【図6C】
【図6D】
【図6E】
【図6F】
【図7】
【図8】
【図9】
【国際調査報告】