實現動態預測！暖哇科技“天鑒”發布長期健康風險風控模型

保觀 | 聚焦保險創新

由于近期公眾號推送機制改變，歡迎您在公眾號首頁點擊右上【···】，將保觀設為“星標”，及時跟蹤行業最新資訊

4月15日，暖哇科技AI風控產品“天鑒”正式推出長期健康風險風控模型，在底層能力與預測體系上實現關鍵突破，標志著健康風險管理從傳統的“靜態識別”邁向“動態預測”，為行業高質量發展注入新動能，為億萬保險用戶提供更具包容性的健康保障。

本次升級深度融合臨床醫學、大數據科學與前沿AI技術，首次實現針對部分典型健康風險的中長期量化預測，并建立風控分層、賠付預測與產品精準定價的管理體系。由此，暖哇科技構建的“疾病演變—發生率—費用預測”風險管理閉環，完成了從靜態識別到動態預測的跨越。

圖為核保風險全畫像預測系統示例

“天鑒”升級后的能力將覆蓋2000余類慢性疾病的長期疾病演變風險預測。憑借更高精度與穩定性的風險識別能力，模型在實際業務場景中表現亮眼：相較于原有體系，新模型對帶病體的承保覆蓋率提高了40%，且在賠付率上穩中有降。

我國帶病體規模龐大，據公開數據，涵蓋所有“需納入健康管理”的帶病體人群規模已達5-6億。而現有醫療保障體系對慢性病、罕見病的保障覆蓋明顯不足——商業健康險滲透率僅約10%，帶病體人群的實際可及性更是不足5%。暖哇科技本次推出的長期健康風險風控模型，有望為這一龐大群體提供更具包容性的承保支持，進一步推動健康險從“可保人群有限”向“廣覆蓋、可經營”轉變。

健康險風控升級：

從靜態篩選走向動態經營

在監管引導與市場需求的雙重推動下，健康險正進入結構性調整階段。金融監管總局《關于推動健康保險高質量發展的指導意見》明確提出，鼓勵發展覆蓋帶病體與罕見病人群的商業醫療保險。在此背景下，行業正從“標準化補充保障”，邁向面向非標體與慢病人群的“分層保障體系”。

隨之而來的，是風控邏輯的根本變化——從過去以“風險篩選”為核心，轉向以“精細化風險經營”為導向。尤其在包容性醫療險場景下，險企不僅需要識別風險，更需要具備持續評估與動態管理風險的“精耕細作”能力，這對“兩核”體系提出了更高要求。

在本次升級中，“天鑒”針對行業的變化，一方面創新性地構建了疾病演變路徑，另一方面，引入“預期疾病診療費用”作為核心決策變量，使核保邏輯從單一的高風險管控，升級為以“應保盡?！睘閷虻膭討B決策機制。同時，通過持續運轉的風控飛輪機制，實時校準預測風險與實際風險之間的偏差，實現模型的動態更新與迭代?；诖?，暖哇科技實現了健康險風險管理體系的整體升級：通過對投保人群的動態分層與差異化定價，拓展承保邊界，助力險企實現可持續經營。

融合醫學與AI，

全新上線“全場景風險預測體系”

在技術層面，暖哇科技全新推出“全場景醫療風險預測體系”，為長期健康風險風控模型提供核心底層能力支持。該體系基于臨床醫學、大數據科學與前沿AI技術以及AutoGluon 集成 Stacking 架構，對個體多維特征、歷史就診表現及疾病演變過程進行聯合表征建模，實現對疾病發生率、演變軌跡與預期疾病診療費用的精準預測。

圖為疾病演變示例

在疾病演變模型方面，采用事理演變圖譜（Event Evolutionary Graph）結構，重構疾病間并發、伴隨與演變關系的事理網絡，將復雜共病關系轉化為數萬組疾病間的N元關聯張量。圖譜覆蓋超百萬條動態演變邏輯，涵蓋演變時間、費用變化趨勢及演變條件等關鍵事理邏輯；基于圖上的時序遷移隨機游走算法，實現從基礎病灶向臨床終點的全路徑拓撲建模與蒙特卡洛演化推演，支撐承保決策從靜態風險到動態趨勢的風險預警。

在發生率與費用預測模型方面，通過集成學習與概率校準方法，對診療行為序列與費用結構特征進行聯合建模，實現跨周期風險的穩定評估，并結合出險客戶畫像特征，為數智化核保提供高置信度的量化支撐。

總體而言，“天鑒”本次升級并非算法層面的局部優化，而是醫學邏輯與大數據AI模型深度耦合的風控范式重構。暖哇科技通過將風險識別窗口前移至疾病演變階段，以全鏈路量化引擎貫穿核保、定價與理賠，助力險企在風險邊際可控的前提下，突破承保邊界，實現對復雜人群的精細化風控管理。由此，暖哇科技推動健康險行業由傳統風控模式向動態風控與精準定價能力升級，為行業高質量發展提供新路徑。

保觀知識星球