Estudio de caso de ST IT CLOUD: aprendizaje automático asertivo
En este artículo vamos a hablar del caso de estudio del segmento salud, siendo su principal desafío el procesamiento de un gran volumen de clientes, lo que provoca cuellos de botella de alta complejidad, en lo que se refiere a la auditoría médica en autorizaciones de exámenes y procedimientos. El trabajo de ST IT Cloud, fue a través de Data Lake y Machine Learning, para desarrollar un sistema que funcionara de forma orquestada y económica.
EL DESAFÍO ST IT
Como se mencionó anteriormente, el procesamiento de información dentro de Unimed – BH se estaba volviendo extremadamente complejo, cuando se trataba de aprobar exámenes médicos y autorizar Guías. Con eso, el superintendente de TI, Ezequiel Ribeiro da Silva, explica que actualmente se generan más de 180 mil solicitudes de trámites por mes. “Alrededor de 145.000 de estas solicitudes ya son manejadas por los sistemas Unimed-BH a través de reglas fijas. Sin embargo, hay 35.000 solicitudes mensuales que se envían a los médicos auditores, cuyo papel es evaluar estas solicitudes caso por caso”, dice.
Con esto, se vieron tres puntos principales como necesarios para automatizar el proceso, échale un vistazo:
- Disminuir gastos con auditoría médica en solicitudes de exámenes y trámites
- Haga que las evaluaciones para aprobación y auditoría sean más efectivas
- Agilice el proceso de aprobación del examen
CONOZCA LAS SOLUCIONES ST IT
Elaboración de la Arquitectura y desarrollo de un sistema que fuera capaz de cargar datos y archivos, estructurados y semiestructurados, transaccionales e históricos en un Data Lake de forma Orquestada y Económica.
Además, también se llevó a cabo el desarrollo de un modelo de Machine Learning lo suficientemente asertivo como para autorizar automáticamente exámenes y procedimientos médicos, validación, visualización de información y alertas en Tiempo Casi Real.
“La solución actual es el resultado de varios experimentos y diseños de diferentes arquitecturas en diferentes pilotos. La flexibilidad de utilizar diferentes servicios disponibles en AWS, con el sistema de facturación por asignación, permitió a Unimed-BH experimentar con varios escenarios antes de llegar al más adecuado”, revela Silva para AWS.
Actualmente, el proyecto está teniendo buenos resultados, con más agilidad en los procesos con un 40% más rápido y tenemos la intención de mejorar a 60% a medida que el modelo madure, ¡mejorando aún más la experiencia y los resultados!
Si tu empresa tiene un reto de datos, innovación o migración a la Nube, contacta a nuestros expertos.
▶ stitcloud.com/contacto
Síguenos en redes sociales:
#bigdata #stit #bigdatasolutions #data solutions #procesamiento de datos #kubernetes #aws #eks
Fuentes: AWS Case, para consultarlo completo visite: https://aws.amazon.com/pt/solutions/case-studies/unimedbh/
Spanish 
Portuguese 
English