JP2014519647A - 保険可能性決定を下すためのデータの変換 - Google Patents

Abstract

潜在的に保険に適するリスクを含む決定を下すことに用いる異種データの変換。抽出・変換・書き込み（ＥＴＬ）処理は、データを抽出してそれを複数のフォーマットから、処理のための標準フォーマットに変換する。ヒューリスティックエンジンは、変換されたデータを推定的に処理して、下されるべき決定に関連する情報を特定する。統合及び提示エンジンは、関連情報から提示可能な知識を発生し、次いで、その知識を、決定を下す意思決定主体に提示する。また、最適化フィードバック処理は、意思決定主体による提示された知識に対する１つ又はそれ以上の動作を監視して、監視される複数の動作の関数として、ＥＴＬ処理、ヒューリスティックエンジン、及び統合及び提示エンジンのうちの１つ又はそれ以上を調整する。

Description

本発明は、保険可能性決定を下すためのデータの変換に関する。

保険会社は典型的には、アンダーライティング（引受業務、ｕｎｄｅｒｗｒｉｔｉｎｇ）の処理に基づいて、申込者に対する保険の保険料（ｐｒｅｍｉｕｍ）及び保険料率（ｒａｔｅ）を決定する。言い換えると、アンダーライティングは、リスク暴露（ｒｉｓｋ ｅｘｐｏｓｕｒｅ）の測定と、そのようなリスクを保証するために変更される必要がある保険料の決定とを含む。例えば、生命保険のアンダーライティングは個人の相対死亡率（ｒｅｌａｔｉｖｅ ｍｏｒｔａｌｉｔｙ）の決定を含み、健康保険のアンダーライティングは個人の相対有病率（ｒｅｌａｔｉｖｅ ｍｏｒｂｉｄｉｔｙ）の決定を含む。また、生命保険又は健康保険のためのアンダーライティング処理の一部として、医務査定（ｍｅｄｉｃａｌ ｕｎｄｅｒｗｒｉｔｉｎｇ）及びその他の因子（例えば、年齢及び職業（ｏｃｃｕｐａｔｉｏｎ））は、申込人の健康状態を調査するために用いられる。

医療及び非医療のデータのいくつかのソース（ｓｏｕｒｃｅ）は、アンダーライティング処理における使用のために存在する。例えば、生命保険又は健康保険の会社は多くの場合、以前の複数の契約からの内部記録、現在提案された契約に対する申し込みデータ、並びに、病院及び医師の記録及び処方薬の使用量（ｐｒｅｓｃｒｉｐｔｉｏｎ ｄｒｕｇ ｕｓａｇｅ）の提供（ｓｅｒｖｉｃｅ）などの複数の外部ソースから入手可能なデータを有する。病院及び医師のデータは、電子的医療記録（Ｅｌｅｃｔｒｏｎｉｃ Ｍｅｄｉｃａｌ Ｒｅｃｏｒｄｓ、ＥＭＲ）ファイル又は患者医療情報（Ｐａｔｉｅｎｔ Ｍｅｄｉｃａｌ Ｉｎｆｏｒｍａｔｉｏｎ、ＰＭＩ）ファイル（主治医の報告書（Ａｔｔｅｎｄｉｎｇ Ｐｈｙｓｉｃｉａｎ Ｓｔａｔｅｍｅｎｔｓ、ＡＰＳ）を含む）の形式をとることができる。また、民間の調査会社は、保険会社が、経歴をたどるための銀行情報又は金融情報からの幅広い情報を入手できるようにする。これがデータの流れを表現すると述べることは、控えめな表現である。保険のアンダーライター（引受人、ｕｎｄｅｒｗｒｉｔｅｒ）は、防火ホースから飲むタスクに直面している。しかしながら、これらの異種のソースの全てではないがその多くは、このデータに対する新たな複数の標準が現れながら、発展している。１つのソースに対する複数の標準は多くの場合、複数の標準からもう１つのソースのために幅広く変化する。なぜならば、各ソースは異なるビジネスの要求を満足させることに向けられている。

各保険会社は、複数のアンダーライティングガイドライン（ｕｎｄｅｒｗｒｉｔｉｎｇ ｇｕｉｄｅｌｉｎｅ）のそれ自身の集合を有し、アンダーライターが、会社がリスクを受け入れるべきか否か、及びどの程度のコストでかつどのような制限を有するリスクを受け入れるかを決定することを助ける。保険の申込人がひとたび会社に種々の情報の複数のかけらへのアクセスを許可すると、アンダーライティング処理は、その情報を用いて、含まれるカバレッジ（Ｃｏｖｅｒａｇｅ）の種類に基づいて、保険に対する出願人のリスクを評価する。保険会社は時として、自動化された複数のアンダーライティングシステム（ａｕｔｏｍａｔｅｄ ｕｎｄｅｒｗｒｉｔｉｎｇ ｓｙｓｔｅｍ）を使用して、アンダーライティング決定（ｕｎｄｅｒｗｒｉｔｉｎｇ ｄｅｃｉｓｉｏｎ）を供給する。

本発明の複数の態様は、医療記録（ｍｅｄｉｃａｌ ｒｅｃｏｒｄ）などからのデータを構造化されたデータベースに翻訳してマップして、データが、電子的プログラムか人間のアンダーライターかのいずれかによってアンダーライティングされることを可能にする。

本発明の複数の複数の態様を実施する方法は、潜在的に保険可能（ｐｏｔｅｎｔｉａｌｌｙ ｉｎｓｕｒａｂｌｅ）なリスクを含む決定を下すことに用いる異種データを変換する。本方法は、複数のソースからの、複数のフォーマットのデータを受信するステップを含む。本データは抽出されて、１つ又はそれ以上の標準フォーマットに変換される。本方法はまた、下されるべき前記決定への関連性による前記変換されたデータをフィルタリングするステップと、前記変換されたデータから提示可能な知識を発生するステップと、前記知識を、前記決定を下す意思決定主体（ｄｅｃｉｓｉｏｎ−ｍａｋｉｎｇ ｅｎｔｉｔｙ）に提示するステップとを含む。前記意思決定主体による前記提示された知識に対する１つ又はそれ以上の動作を監視することによって、本方法は、前記監視される複数の動作の関数として、１つ又はそれ以上のステップを調整する。

１つの態様において、潜在的に保険可能なリスクを含む決定を下すことに用いる異種データを構造化して変換する方法は、第１のデータベースからのデータを検索するステップと、前記検索されたデータをドメイン特定の情報（ｄｏｍａｉｎ−ｓｐｅｃｉｆｉｃ ｉｎｆｏｒｍａｔｉｏｎ）に変換するステップとを含む。ひとたび変換されると、潜在的に保険可能なリスクに関連する情報は、第２のデータベースに格納される。本方法は、下されるべき前記決定の関数として、１つ又はそれ以上の関連性因子を定義するステップと、前記複数の関連性因子のうちの少なくとも１つを前記第２のデータベースに格納される前記情報のうちの少なくとも一部分に割り当てるステップと、を含む。付加的に、本方法は、前記割り当てられた複数の関連性因子を有する前記第２のデータベースの出力を、前記決定を下す意思決定主体に提供するステップを含む。

もう１つの態様において、コンピュータ読み取り可能な媒体（ｃｏｍｐｕｔｅｒ−ｒｅａｄａｂｌｅ ｍｅｄｉｕｍ）はコンピュータ実行可能な複数の命令を格納し、当該コンピュータ実行可能な複数の命令は、実行時、潜在的に保険可能なリスクを含む決定を下すことに用いる異種データを変換する。コンピュータ読み取り可能な媒体は、複数のソースからの複数のフォーマットのデータと、抽出・変換・書き込み（Ｅｘｔｒａｃｔ，Ｔｒａｎｓｆｏｒｍ，Ｌｏａｄ、ＥＴＬ）処理と、ヒューリスティックエンジン（ｈｅｕｒｉｓｔｉｃ ｅｎｇｉｎｅ）と、統合及び提示エンジン（ｃｏｎｓｏｌｉｄａｔｉｏｎ ａｎｄ ｐｒｅｓｅｎｔａｔｉｏｎ ｅｎｇｉｎｅ）と、最適化フィードバック処理と、を備える。ＥＴＬ処理（ＥＴＬ ｐｒｏｃｅｓｓ）は、データを抽出してそれを上記複数のフォーマットから１つ又はそれ以上の標準フォーマットに変換する。前記ヒューリスティックエンジンは、前記変換されたデータを推定的に処理して、下されるべき前記決定に関連する情報を特定する。統合及び提示エンジンは、前記関連情報から、提示可能な知識を発生し、次いで、前記知識を、前記決定を下す意思決定主体に提示する。また、最適化フィードバック処理は、前記意思決定主体による前記提示された知識に対する１つ又はそれ以上の動作を監視し、そして、前記監視される複数の動作の関数として、ＥＴＬ処理、前記ヒューリスティックエンジン、及び前記統合及び提示エンジンのうちの１つ又それ以上を調整する。

さらにもう１つの態様において、本システムは、潜在的に保険可能なリスクに関連する異種データを格納するメモリを含む。コンピュータは、前記格納されるデータの少なくとも一部分を抽出して、前記抽出されたデータを複数のフォーマットから標準化されたフォーマットに変換する処理を実行する。メモリは次いで、前記標準化されたフォーマットで前記変換されたデータを格納する。コンピュータは、潜在的に保険可能なリスクを含む、下されるべき決定への関連性に対する前記変換されたデータを分析するヒューリスティックエンジンを実行する。さらに、前記ヒューリスティックエンジンは、１つ又はそれ以上の関連性因子を、前記分析されたデータに割り当てる。また、ディスプレイは、前記割り当てられた複数の関連性因子を含む出力を、前記決定を下す意思決定主体に提示する。

本発明の態様において、自動化されたシステムは、構造化された医療記録において表示される複数の病状（ｍｅｄｉｃａｌ ｃｏｎｄｉｔｉｏｎ）を、複数の制限されたアンダーライティング障害のうちの１つに解釈することができる。自動化されたシステムは、より多くの又はより少ない複数のアンダーライティング障害を含むように、ユーザ設定可能である。また、自動化されたシステムは、病状の変更をアンダーライティング障害にマッピングすることを可能にするようにユーザ設定可能である。自動化されたシステムは、病状の名称、病状コード（例えば、ＣＰＴ４、ＩＣＤ９、ＩＣＤ１０など）、指示された投薬（ｍｅｄｉｃａｔｉｏｎ）、治療計画（ｔｒｅａｔｍｅｎｔ ｒｅｇｉｍｅｎｓ）、年齢、性別、及びその他を含むがこれらに限定されない１つ又はそれ以上の要素に基づいて、既知の病状を翻訳、解釈、及びマップする能力を含む。

もう１つの態様において、自動化されたシステムは、受信されたデータが自動化されたシステムによって解釈されることが可能な構造化されたデータフォーマットのデータであるように、種々のソースからその入力データを受信する。

さらにもう１つの態様において、自動化されたシステムは、少なくとも以下のうちの１つから構成される構造化されたデータ出力を生成する：病状のアンダーライティング、重症度通知、推奨される動作、又は病状が病状をアンダーライティング障害に正しくマップするために人間に参照されることの通知。

本発明のさらにもう１つの態様において、自動化されたシステムの出力は、考慮中の個人のアンダーライティングの実際の処理に対する、自動化されたシステムへの入力、又は人間への入力である。

この概要は、明細書においてさらに後述される簡単化された形式における複数の概念の選択を紹介するために提供される。この概要は、請求される主題の重要な特徴又は本質的な特徴を特定することを意図するものではなく、また、特許請求の範囲の決定を助けるものとして用いられることを意図するものでもない。

その他の特徴は、部分的には明らかであり、また部分的には明細書において以下指摘される。

本発明の実施形態に係る医療データ及びその他のデータを変換するシステムを示す例示的なブロック図である。 本発明のもう１つの実施形態に係る医療データ及びその他のデータを変換するシステムを示す例示的なブロック図である。 図１及び図２のシステムへの変形例の複数のデータソースを示す例示的なブロック図である。 図１及び図２のシステムの動作を示す例示的なフロー図である。 図１及び図２のシステムの統合及び提示エンジンの動作を示す例示的なフロー図である。 本発明の態様が実施されてもよい適切なコンピューティングシステム環境の一例を示すブロック図である。

対応する複数の参照文字は、図面を通して、対応する部分を示す。

複数の図を今参照して、本発明の態様は、保険申込者に関する情報を、構造化されたデータベースに翻訳してマップする。これは、情報が、電子的プログラム、又は人間のアンダーライターのいずれかによって、より効果的かつ効率的にアンダーライティングされることを可能にする。１つの実施形態において、コンピュータシステムは、一般に１００で示され、外部データデータベース１０２に格納されるデータなどの情報を受信して、主要な複数の「アンダーライティング」項目（例えば、心血管疾患（ｃａｒｄｉｏｖａｓｃｕｌａｒ ｄｉｓｅａｓｅ））に適合する構造化されたデータを生成する。構造化されたデータは好ましくは、自動化されたシステムか、人間のアンダーライターかのいずれかによって、さらなるアンダーライティング評価のために用いられる。

一例として、外部データデータベース１０２に格納されるデータは、複数の電子的医療記録（ｅｌｅｃｔｒｏｎｉｃ ｍｅｄｉｃａｌ ｒｅｃｏｒｄ、ＥＭＲ）からのデータを備える。この外部データは、いくつかのソースからのものであることができ、また種々のフォーマットのものであることができる。システム１００は、各ＥＭＲを評価して、例えば、関連情報を特定するとともに特定された情報を翻訳する。この点について、システム１００は、産業全体の分類を使用し、辞書的な分析を実行し、オープンソース（ｏｐｅｎ−ｓｏｕｒｃｅ）又は適切性（ｐｒｏｐｒｉｅｔｙ）のデータベース（例えば、再保険会社によって提供されるデータベース）にアクセスし、などする。システム１００へのＥＭＲデータ入力は多くの場合、病状の名称、病状コード、指示された投薬、治療計画、年齢、性別などの複数のフィールドを含む。

もう１つの例として、情報の適切なソースは、治療記録の継続性（ｃｏｎｔｉｎｕｉｔｙ ｏｆ ｃａｒｅ ｒｅｃｏｒｄ、ＣＣＲ）である。当業者は、患者の健康に関する電子的な要約（ｓｕｍｍａｒｙ）の作成のＣＣＲ標準をよく知っている。ＣＣＲは、開業医、システム、又は設定にヘルスケアの手段を提供して、患者に関連するデータを集めてそれを他の開業医、システム又は設定に送信して患者の治療の継続性をサポートする。例えば、典型的なＣＣＲは、患者の健康状態の要約（例えば、問題点、投薬、アレルギー、検査結果、治療）及び保険に関する基本的な情報、事前指示（ａｄｖａｎｃｅ ｄｉｒｅｃｔｉｖｅ）、治療文書、及び治療計画の推奨を含む。ＣＣＲは、ＥＭＲでも電子的健康記録（ｅｌｅｃｔｒｏｎｉｃ ｈｅａｌｔｈ ｒｅｃｏｒｄ、ＥＨＲ）でもないが、多くの場合、ＥＭＲ又はＥＨＲと同一のデータのいくつかを含む。治療文書の継続性（ｃｏｎｔｉｎｕｉｔｙ ｏｆ ｃａｒｅ ｄｏｃｕｍｅｎｔ、ＣＣＤ）は、診療文書アーキテクチャ（Ｃｌｉｎｉｃａｌ Ｄｏｃｕｍｅｎｔ Ａｒｃｈｉｔｅｃｔｕｒｅ、ＣＤＡ）のもとで作成されたＣＣＲである。

本発明の態様はまた、複数のソーシャルネットワーク（ｓｏｃｉａｌ ｎｅｔｗｏｒｋ）からのデータなどの従来的ではない記録ソースからの構造化されたデータの作成、及びＥＭＲ、ＥＨＲ、ＣＣＲ及び／又はＣＣＤデータなどに代えてまたはこれらに加えて複数のインターネットデータマート（ｉｎｔｅｒｎｅｔ ｄａｔａｍａｒｔ）からの構造化されたデータの作成に関連する。

アンダーライティング障害は典型的には、個人のリスクを、通常のリスクを上回るように増加させる傾向がある複数の因子を定義する。複数のアンダーライティングマニュアルは、１つ又はそれ以上のアンダーライティング障害又はアンダーライティング障害群を定義する。アンダーライティング障害における情報は、例えば、個人の相対的な死亡率、有病率、及び／又は寿命を定義してもよい。生命保険又は健康保険のアンダーライティングの文脈で説明したが、本発明の複数の態様はまた、身体障害（就業不能、ｄｉｓａｂｉｌｉｔｙ）、長期治療、及びその他の形式の保険のアンダーライティングに適用することが理解されるべきである。

図１に示すように、コンピュータシステム１００は、データベース１０２からの翻訳された外部データの選択、及び当該外部データの、構造化されたデータベースへのマッピングを可能にする。データベース１０２に格納される外部データは、例えば、申込者により提供されるデータ（ａｐｐｌｉｃａｎｔ−ｐｒｏｖｉｄｅｄ ｄａｔａ）、財源データ（ｆｉｎａｎｃｉａｌ ｓｏｕｒｃｅｓ ｄａｔａ）、自動車記録データ（ｍｏｔｏｒ ｖｅｈｉｃｌｅ ｒｅｃｏｒｄｓ ｄａｔａ）、他の非医療源データ（ｎｏｎ−ｍｅｄｉｃａｌ ｓｏｕｒｃｅｓ ｄａｔａ）、電子的医療記録データ（ｅｌｅｃｔｒｏｎｉｃ ｍｅｄｉｃａｌ ｒｅｃｏｒｄｓ ｄａｔａ）、電子的健康記録データ（ｅｌｅｃｔｒｏｎｉｃ ｈｅａｌｔｈ ｒｅｃｏｒｄｓ ｄａｔａ）、治療記録の継続性及び治療文書の継続性のデータ（ｃｏｎｔｉｎｕｉｔｙ ｏｆ ｃａｒｅ ｒｅｃｏｒｄｓ ｏｒ ｄｏｃｕｍｅｎｔｓ ｄａｔａ）、処方箋データ（ｐｒｅｓｃｒｉｐｔｉｏｎ ｄａｔａ）、及び他の医療源データ（メディカルソース、ｍｅｄｉｃａｌ ｓｏｕｒｃｅｓ ｄａｔａ）を含む。

システム１００はまず、外部データから関連情報を抽出して、次いで、抽出されたデータを処理のための標準フォーマットに変換する。１つの実施形態において、システム１００は、ソース、種類、データの世代（ａｇｅ）、その他の複数の因子を用いた共分散（ｃｏｖａｒｉａｎｃｅ）などの複数の因子に基づいて、情報を重み付け、フィルタリングし、又はさもなければ情報をより関連する又はより関連しないように見なす。結果として得られる構造化されたデータは好ましくは、病状の査定（ｕｎｄｅｒｗｒｉｔｉｎｇ ｍｅｄｉｃａｌ ｃｏｎｄｉｔｉｏｎ）、重症度通知（ｓｅｖｅｒｉｔｙ ｉｎｄｉｃａｔｉｏｎ）、推奨される動作（ｒｅｃｏｍｍｅｎｄｅｄ ａｃｔｉｏｎ）、及び／又はさらなるマニュアルリビューが望まれる又は必要とされることの通知などの複数のフィールドを含む。

システム１００の１つの実施形態において、複数のアプリケーションプログラム３６（図６参照）は複数の処理を含み、当該複数の処理は、システム１００による実行時、関連性により構造化されたデータをフィルタリングするとともにデータをマイニング（ｍｉｎｅ）して有用な情報を取り出す。複数の処理はさらに、この情報を、知識、すなわちアンダーライティング処理において特に役立つ情報に変換する。図１は、一般に処理１０４で示される少なくとも１つの知識工学処理を示し、関連情報の処理１０４はアンダーライティング処理において実質的に利用可能であると決定する。好ましくは、処理１０４は、知識モデルを作成してデータに適用するために、複数の経験学習（ｅｘｐｅｒｉｅｎｃｅ ｓｔｕｄｉｅ）、フィードバックなどを用いる。また、一般的に処理１０６で示される１つ又はそれ以上の抽出・変換・書き込み（ＥＴＬ）処理及び１つ又はそれ以上のデータマイニング処理は、関連性により構造化されたデータをフィルタリングするとともにデータをマイニングして有用な情報を取り出す。これらの高度に特殊化した処理１０４及び１０６の結果は、申込人に関して潜在的に利用可能なデータの、相対的に大きな段階的領域リポジトリ（ｓｔａｇｉｎｇ ａｒｅａ ｒｅｐｏｓｉｔｏｒｙ） １０８である。

少なくとも１つのヒューリスティックエンジン１１０は、リポジトリ１０８に格納される段階的データを分析する。特に、ヒューリスティックエンジン１１０は、データと、フレーズの辞書（ｌｅｘｉｃｏｎ ｏｆ ｐｈｒａｓｅｓ）、類義語（ｓｙｎｏｎｙｍｓ）、ＩＣＤ１０コード（ＩＣＤ １０ ｃｏｄｅｓ）など、及びデータアイテム（ｄａｔａ ｉｔｅｍ）の共分散を表現するプロプライエタリデータベース１１２とを比較する。さらに、エンジン１１０は、関連性の複数の加重を、生命保険又は健康保険のアンダーライティングに割り当てる。ヒューリスティックエンジン１１０の出力は、洗練（ｒｅｆｉｎｅ）されフィルタリングされた、アンダーライティング処理に関連する情報の集合であり、当該情報の集合はアンダーライティング情報データベース１１４に格納される。

１つの実施形態において、ヒューリスティックエンジン１１０は、マルコフチェインモンテカルロ（Ｍａｒｋｏｖ Ｃｈａｉｎｉｎｇ Ｍｏｎｔｅ Ｃａｒｌｏ ａｌｇｏｒｉｔｈｍ 、ＭＣＭＣ）アルゴリズムを実行する。当業者は、予測モデリング（ｐｒｅｄｉｃｔｉｖｅ ｍｏｄｅｌｉｎｇ）に用いるためのこの種類の複数のアルゴリズムをよく知っている。本発明の複数の態様は、複数のＭＣＭＣ法（ＭＣＭＣ ｍｅｔｈｏｄｏｌｏｇｉｅｓ）を用いて、異種ソースから、一見無関係のデータにおける複数のリスクアセスメント関係を推定する。

少なくとも１つの統合及び提示エンジン１１６は、（マニュアルの又は自動化された又は両方の）アンダーライティングのためにより直接的に利用可能な形式の、ヒューリスティックエンジン１１０の構造化された出力を提示する。さらに、統合及び提示エンジン１１６は、データベース１１４に格納されるさらなるアンダーライティング情報への、後述の掘り下げ（ｄｒｉｌｌ−ｄｏｗｎ）能力を提供する。この方法において、エンジン１１６は、アンダーライティング処理に特に有用である参照統計値はもちろん、シナリオ及び申込人特定の情報を出力する。

図１をさらに参照して、システム１００は、情報の基礎的因子はもちろんヒューリスティックエンジン１１０から出力される情報を、アンダーライター１１８などのユーザが見ることを可能にする可視化ツールを含む。さらに、可視化ツールは、アンダーライティング情報データベース１１４における情報にアンダーライター１１８がアクセスすることを可能にする。１つの実施形態において、可視化ツールは、コンピュータ１２０のディスプレイ上に表示される、統合された要約情報のダッシュボードを備える。アンダーライター１１８は一般に、要約情報に基づいて彼又は彼女の決定を下す、複数のアンダーライティングシナリオにおける意思決定者であると考えられる。典型的には、アンダーライター１１８は、表示されるデータを評価するとともに、保険契約に対する特定の比率における申し込みの承認し、申し込みを拒否し、又はより多くの情報を要求する決定を行う、訓練を受けた専門家である。変形例の実施形態において、コンピュータ１２０は、アンダーライター１１８によるマニュアルのアンダーライティングに加えて又はそれに代えて、自動化された複数のアンダーライティング処理を実行する。人間のアンダーライターが不在の際、コンピュータ１２０は、この変形例の実施形態において、アンダーライターを構成する。

１つの実施形態において、構造化されたデータの消費及び変更に基づいたフィードバックシステムは、データの選択、翻訳、及び／又は構造化されたデータベースへのマッピングを洗練して調整するために使用される。さらに、フィードバック処理は、アンダーライターの複数の動作及び複数の結果を監視して、複数のフィードバックループを介して以前の複数の動作を変更する。例えば、各個別のアンダーライター１１８の複数の動作は、処理１２２において実行される「蟻コロニー最適化（Ａｎｔ Ｃｏｌｏｎｙ Ｏｐｔｉｍｉｚａｔｉｏｎ）」技術などの最適化技術を用いて綿密に観察される。処理１２２は、独立した複数の個体の繰り返されて組み合わされた複数の動作から情報全体を推定して、それに応じて、コンピュータ１２０に表示される要約情報のダッシュボードを調整する。

図２は本発明の変形例の実施形態を示す。図２に示すように、コンピュータシステム１００は、データベース１０２に格納される翻訳された外部データの選択と、当該外部データの、構造化されたデータベースへのマッピングとを可能にする。外部データ１０２は、例えば、申込者により提供されるデータ２０２、財源データ２０４、電子的医療記録データ２０６、処方箋データ２０８、及びその他の医療源データ２１０（例えば健康管理データの連続性（ｃｏｎｔｉｎｕｉｔｙ ｏｆ ｃａｒｅ ｒｅｃｏｒｄｓ ｄａｔａ）を含むがこれに限られない）を含む。また、外部データデータベース１０２は、ソーシャルネットワークデータ２１２及びインターネットデータマートのデータ２１４などの非ＥＭＲソース（ｎｏｎ−ＥＭＲ ｓｏｕｒｃｅ）からの復号データを含む。外部データデータベース１０２に含まれる異なる複数の種類の外部データは、１つ又はそれ以上のデータベース構造に格納可能である。

有利に、複数のデータソースからの情報の抽出は、ネットワーク理論の利益を提供する。この点について、ネットワークの強みは通常の耐障害性（例えば、ランダムな複数のヒットは、機能性を保持している間、位置の８０％を取得することができる）である。しかし、ネットワークの弱点は、大災害に対する脆弱性（ｖｕｌｎｅｒａｂｉｌｉｔｙ）（例えば、目標とされる複数のヒットは、非常に少数の位置を取得するが、混乱の原因となる）である。医療及び関連する情報の個人の複数の医療記録へのさらなる統合の政府後援の動向は、プライバシーの問題に関する規制の構想に関連する。目標は頻繁に対立しており、どのような情報が複数のリスクアセスメントに対する格好の対象であるかについての態度は変動期にある。本発明の複数の実施形態は、ネットワーク理論を用いて道徳的及び合法的に使用に関連すると見なされるデータの処理及びデータの採用の高い効率に対する処理センタ−を調整して、それにもかかわらず、観点としての変化として、任意の特定のデータソース又は選択基準に対する脆弱性を低減する。

システム１００は好ましくは推定的な分析を用いて、外部データから有用な情報を抽出する。当業者は、推定的な分析を実行する、予測モデリング、ベイジアン推定、複数の遺伝子アルゴリズムなどの複数の計算方法をよく知っている。システム１００はまず、データベース１０２に格納される外部データから関連情報を抽出して、次いで、抽出されたデータを処理のための標準フォーマットに変換する。１つの実施形態において、システム１００は、ソース、種類、データの世代、その他の複数の因子を用いた共分散などの複数の因子に基づいて、情報を重み付け、フィルタリングし、又はさもなければ情報をより関連する又はより関連しないように見なす。また、結果として得られる構造化されたデータは好ましくは、病状の査定、重症度通知、推奨される動作、及び／又はさらなるマニュアルリビューが望まれる又は必要とされることの通知などの複数のフィールドを含む。

図１の実施形態と同様に、複数のアプリケーションプログラム３６（図６参照）は複数の処理を含み、当該複数の処理は、システム１００による実行時に、関連性により構造化されたデータをフィルタリングするとともにデータをマイニングして有用な情報を取り出す。複数の処理はさらに、この情報を、知識、すなわちアンダーライティング処理において特に役立つ情報に変換する。図２は、知識工学処理１０４、ヒューリスティックエンジン１１０、及び統合及び提示エンジン１１６などの複数の処理を示す。さらに図２は、１つ又はそれ以上のＥＴＬ処理２１８及び１つ又はそれ以上のデータマイニング処理２２０としての処理１０６を示す。処理１０４，１０６（２１８及び２２０を含む），１１０，及び１１６は、複数の推定エンジンとして集合的に参照される。

エンジン１１６は、種々のソースからの情報を、（マニュアルの又は自動化された又は両方の）アンダーライティングのためにより直接的に利用可能な形式に変換する。典型的なソースは、申込者により提供されるデータ２０２、財源データ２０４、電子的医療記録データ２０６、処方箋データ２０８、及びその他の医療源データ２１０を含む。データの典型的な情報ソースは多くの観点において互いに異なるが、申込人の健康状態又は経済状態上の一般的な全体像を共有する。

最近大手術を受けた人、又は経済的に苦しんでいる人は、例えば、他の人よりも、高い死亡率又は健康保険リスクを有しやすい。ここで、当該他の人は、確実な、快適に高い収入があり、負債が低く、長寿の良好な家族歴を有し、血圧及びコレステロールレベルが低く（しかし低すぎず）、そしてより望まれる範囲内のボディマス指数（Ｂｏｄｙ Ｍａｓｓ Ｉｎｄｅｘ、ＢＭＩ）及びその他の物理的特性を有する人である。

統合及び提示エンジン１１６は、アンダーライティング情報データベース１１４に格納される前記変換されたデータから、簡潔な、高度に有用な情報を発生する。例えば、エンジン１１６は、数年分の生体レベルを表現するデータを移動加重平均（ｍｏｖｉｎｇ ｗｅｉｇｈｔｅｄ ａｖｅｒａｇｅ）に要約する。もう１つの実施形態において、エンジン１１６は、類似の年齢、性別、喫煙者状態、及びその他の重要なアンダーライティング基準の個々の通常の範囲に対するそのような基準の背景チャート上に重ねられた基準のチャートを提示する。同様に、数年分の処方箋を表現するデータに代えて、エンジン１１６は、異なる複数の処方箋のリストと、投薬量のレベルの指示（及び増加傾向及び減少傾向）、服薬不履行の期間、及びその他の重要な指標（ｉｎｄｉｃａｔｏｒ）とを提示し、当該その他の重要な指標は、複数の処方箋又は可能性があるそれらの誤用の間の可能な相互作用を通知するためのものである。

変形例の実施形態において、エンジン１１６は、ソーシャルネットワークデータ２１２及びインターネットデータマートのデータ２１４などの、従来的ではない情報に対して動作するように構成されてもよい。我々の個人的な生活習慣の膨大な量のデータは種々のデータマートに集められて格納される。また、大衆は、複数のソーシャルネットワークへの自発的参加によって、集団的知識に寄与する。さらに図２を参照すると、従来的な複数のソースが流れ（ｒｉｖｅｒ）を形成すると、複数のソーシャルネットワークのデータ２１２及び関連するデータマートのデータ２１４（例えば、多種多様なソースからの我々に関するデータを取り入れる複数の専門会社）はデータの海（ｓｅａ ｏｆ ｄａｔａ）を形成する。効果的に処理されると、このライフスタイルデータは、単なる現在の有病率及び死亡率の懸念よりむしろ、未来の有用な予言者になることができる。また、このデータは、保険可能性の全体像に顕著に増大する。

例えば、人物Ｘは犯罪率が非常に低い場所の近傍に住み、ジョギングのコースは豊富にあり、その地元の文化はドライブよりもウォーキングを勧めていると仮定する。さらに、Ｘは彼女の家において高い資産を有し、高給のしかし相対的に低いストレスの専門職の大学院の学位を有し、割増のケーブルテレビパッケージに登録していない（すなわちカウチポテト（ｃｏｕｃｈ ｐｏｔａｔｏ）ではない）とする。むしろ、彼女は、真剣なランナーのための人気雑誌を購読し、オーガニック食材に関するブログを書き、多くの場合に食料品店チェーンにおいて彼女のポイントカード（ロイヤリティーカード、ｌｏｙａｌｔｙ ｃａｒｄ）で全粒のもの及び複数の野菜を購入し、オンライン小売業者のウェブサイト上で心臓監視腕時計（ｃａｒｄｉａｃ ｍｏｎｉｔｏｒｉｎｇ ｗｒｉｓｔｗａｔｃｈ）のレビューを書き、彼女の地元のフィットネスセンターにおけるヨガクラスに定期的に参加し、彼女の祖父の１００才の誕生日祝いを示す写真を彼女のソーシャルネットワークのプロファイルに最近投稿する。このデータの混合は、他の類似の人物よりも長い期間生きるＸの好ましい指標を提供し得る。ここで、当該他の類似の人物は、例えば地元の酒場におけるパーティからの写真を投稿し、タバコＡとタバコＢの味の差異に関してブログを書き、地元の市販車のトラックでレースするための新しい馬力のある車を最近購入したことに関してコメントする。

今日の生命保険又は健康保険のアンダーライターは、申込人に関する情報を理解して、かつ、有益だが公平な、保険範囲のための比率の発行を行う適切なリスク分類を保険範囲（ｉｎｓｕｒａｎｃｅ ｃｏｖｅｒａｇｅ）に割り振ることができる優秀な人間の推定エンジンである。本発明の複数の態様は、膨大な量のデータから有用な情報の複数の塊への変換を実施する。

図２をさらに参照すると、いくつかのデータ、特により従来的な複数のソースからのデータは、さらなる学習のために共通のリポジトリ１０８にそれらを統合するために、調整された複数のＥＴＬ処理２１８を通過する。１つの実施形態において、調整されたＥＴＬ処理２１８は、外部データ１０２の各ソースに対応する。別の言い方では、各各ＥＴＬ処理２１８は、データのドメイン又はソースに対して特定である。ＥＴＬ処理は、各データ構成／フォーマットを考慮することなくその対応するデータソースからの情報を抽出して、抽出されたデータを標準フォーマットに変換（ｔｒａｎｓｆｏｒｍｓ， ｏｒ ｃｏｎｖｅｒｔｓ）する。これはデータのリポジトリ１０８への統合及び書き込みを可能にする。

複数のソーシャルネットワークのデータ２１２及びデータマートのデータ２１４などのその他のデータは従って、より直接的な種類のマッピング処理を現実的な時間枠において実行不可能にするように、膨大になることができる。このその他のデータ２１２及び２１４は、例えば、高度な統計的方法、すなわち複数のデータマイニング処理（ｄａｔａ ｍｉｎｉｎｇ ｐｒｏｃｅｓｓｅｓ）２２０によって処理される。１つの実施形態において、複数のデータマイニング処理２２０は、予測モデリング及び類似の複数の技術を備え、「パンのかけらをたどり」、データの一見無関係な複数のピース間の複数の共分散関係を検出する。

システム１００はまた、データベース２２２に格納される内部情報に対して動作し、生のデータ（ｒａｗ ｄａｔａ）をアンダーライティングのためにより直接的に利用可能な形式に変換する。例えば、再保険会社は、多くの会社にわたってアンダーライティングの実施及び死亡率の結果に対する全体像を有し、内部データデータベース２２２として一般に示される、外部データのそれ自身のリポジトリを維持する。熟練の、人間のアンダーライター、アクチュアリ、及びその他の保険の専門家を有する知識工学処理１０４は、機密情報のこの有用なソースを継続的に洗練（ｒｅｆｉｎｅ）する。

本発明の複数の実施形態は、データベース１０２における外部データ（従来的および非従来的なソースの両方）、データベース２２２における内部データ、データベース１１２における辞書（ｌｅｘｉｃａｌ ａｎａｌｙｓｉｓ）及び関連性加重データ（ｒｅｌｅｖａｎｃｙ ｗｅｉｇｈｔｓ ｄａｔａ）、リポジトリ１０８における段階的データ、及びデータベース１１４におけるアンダーライティング情報などの、膨大な量のデータのストレージを含む。複数のデータベース又は、複数のリポジトリに格納されるとして参照されるが、データは多種多様な方法で格納され、組織化され、維持されることが理解される。

図２の実施形態において、ヒューリスティックエンジン１１０は、リポジトリ１０８における段階的データを分析する。特に、ヒューリスティックエンジン１１０は、フレーズの辞書、複数の類義語、ＩＣＤ１０コードなどを表現するプロプライエタリデータベース１１２に対するデータと、複数のデータ項目（ｄａｔａ ｉｔｅｍｓ）の共分散とを比較する。さらに、エンジン１１０は、関連性の複数の加重を、生命保険のアンダーライティング又は健康保険のアンダーライティングに割り当てる。

例えば、背痛などの項目の関連性は生命保険の申し込みにわずかに影響を与え得るが、健康保険のアンダーライティングに対するより高い関連性を有する。また、もう１つの例において、難聴は生命保険の多数の申込者に対して重要でないが、申込人が交通警備員として雇用されている場合には、重要性が大幅に増す。

このプロプライエタリフィルタリング処理の結果は、生命保険（又は、依頼されるカバレッジがある場合には健康保険）のアンダーライティングに関する情報の洗練された集合である。より適切にいえば、これはアンダーライターが効率的に引き受けるには過度に多い情報であり得る。例えば、過去３０年間のＢＭＩ並びに血圧およびコレステロールのレベルは、アンダーライター１１８が効率的に処理できるよりも多い情報であると考えられる。同様に、過去１５年分の毎月の複数の処方薬に関する情報は、利用可能であるためには過度に多いデータである。統合及び提示エンジン１１６は、この情報を、アンダーライターによってより直接的に利用可能な形式に変換する。

図２をさらに参照すると、システム１００は、アンダーライター１１８がアンダーライティング情報データベース１１４における情報にアクセスすることを可能にする可視化ツールを含む。また、１つの実施形態において、構造化されたデータの消費及び変更に基づくフィードバックシステムは、データの構造化されたデータベースへの選択、翻訳、及び／又はマッピングを洗練及び調整するために使用される。さらに、前記フィードバック処理は、アンダーライターの複数の動作及び複数の結果を監視するとともに、複数のフィードバックループを介して、以前の複数の動作を変更する。例えば、各個別のアンダーライター１１８の複数の動作は、処理１２２において実行される「蟻コロニー最適化」技術（“Ａｎｔ Ｃｏｌｏｎｙ Ｏｐｔｉｍｉｚａｔｉｏｎ” ｔｅｃｈｎｉｑｕｅ）などの最適化技術を用いて詳しく観察される。処理１２２は、独立の個体の繰り返され且つ組み合わされる動作から情報の全体を推定するとともに、それに応じてコンピュータ１２０に表示される要約情報のダッシュボードを調整する。

例えば、複数のアンダーライター１１８が投薬に関する問題を掘り下げる傾向があり、潜在的な薬物間相互作用に関して辞書を引く場合、これは複数の推定エンジン１０４、２１８、２２０、１１０、及び／又は１１６の集団的知識の部分になる。将来の複数の要約ダッシュボードは、この特定の情報を含めることによって、このフィードバックを反映し、当該特定の情報は、将来の複数の申し込みに対するアンダーライティング時間を節約する。同様に、情報の価値は、アンダーライター１１８によって迅速に採点され、使用頻度の低い情報は要約スクリーン上において目立つ場所（ｐｒｏｍｉｎｅｎｃｅ）、又は土地（ｒｅａｌ ｅｓｔａｔｅ）を失う。この方法において、本発明の複数の態様は、熟練した人物の部分に対する効果的な決定のコスト及び時間を曖昧にする無関係なデータ（ｅｘｔｒａｎｅｏｕｓ ｄａｔａ）の提供ではなく、要求される情報の提供において改善する。同様に、アンダーライティング情報１１４の洗練されたリポジトリにおける情報が十分でない場合、複数の推定エンジン１０４、２１８、２２０、１１０、及び／又は１１６はそれに応じて調整されてもよい。

本発明の複数の態様は、余分であるものに邪魔されることなく、必要且つ十分なもの全てを提供する。また、１つの実施形態において、本発明は、いくつかの変形例の物理的形式を有するアンダーライティング装置（ｕｎｄｅｒｗｒｉｔｉｎｇ ａｐｐｌｉａｎｃｅ）を備える。図３を今参照して、出再保険会社（ｃｅｄｉｎｇ ｃｏｍｐａｎｙ）は、この動作の最大の効率のために、又は機能性及び使いやすさ（ｅａｓｅ−ｏｆ−ｕｓｅ）と出再保険会社の内部データのセキュリティ懸念事項とのバランスを許可する種々の他のオプションのうちの１つのために、再保険会社（ｒｅｓｉｎｓｕｒｅｒ）に接続されたスタンドアロンの私用（ｐｒｏｐｒｉｅｔａｒｙ）の端末を選択できる。

例えば、図３において、アンダーライティング装置３０２（すなわち、ハードウェア構成）は、特殊化したキーボード及び最も一般的な複数のホットキー（ｈｏｔ ｋｅｙ）を有するコンピュータ１２０などの、再保険会社への専用のターミナルを備える。これは、出再保険会社のＩＴオペレーションへの接続を有さず、従って、セキュリティが出再保険会社の第一の関心事である状況に対して理想的である。変形例のアンダーライティング装置３０４において、出再保険会社のアンダーライター１１８は、ＵＳＢポートなどを介して接続された、再保険会社に特殊化したキーパッド３０６を有するコンピュータ１２０などのパーソナルコンピュータを使用する。これは、出再保険会社のネットワーク及び複数の周辺機器への通常のアクセスを可能にする。さらに、装置３０４は、大きなアンダーライティング部門に対して、及びリモートの複数のアンダーライターを含んでいる状況に対して便利である。もう１つの変形例のアンダーライティング装置３０８は、大きく移動するアンダーライター１１８による使用のための専用のタブレット３１０（例えばｉＰａｄ）を含む。さらにもう１つの変形例のアンダーライティング装置３１２において、出再保険会社のアンダーライター１１８は、取り付けられたハードウェアを有さない、コンピュータ１２０などのパーソナルコンピュータを使用する。相対的に小さなオンスクリーンキーボード３１４は、複数のホットキー操作を提供することを可能にする。これは、出再保険会社のネットワーク及び複数の周辺機器への通常のアクセスを可能にする。アンダーライティング装置３０４に類似して、装置３１２は、大きなアンダーライティング部門に対して、及びリモートの複数のアンダーライターを含んでいる状況に対して便利である。特殊化した入力装置上の好ましい複数のホットキーは、安全なインターネットサイトを介した再保険会社のアンダーライティング装置への自動的なログインを含み、また、再保険会社のアンダーライティングマニュアルへの直接的なアクセスはもちろん、生命、健康、就業不能給付（Ｄｉｓａｂｉｌｉｔｙ Ｉｎｃｏｍｅ）、長期治療（Ｌｏｎｇ Ｔｅｒｍ Ｃａｒｅ）などの種々の表示（内容及びフォームの配置）を含む。付加的な複数の特徴は、再保険会社への申し込みの提出の能力を含む。

図４は、本発明の実施形態に従った、例示的な、非限定的な処理を示す。動作において、コンピュータシステム１００は、４０２において、選択及び構造化されたデータベースへのマッピングのための外部データ１０２を受信する。上述のように、外部データ１０２は、申込者により提供されるデータ、財源データ、電子的医療記録データ、処方箋データ、及びその他の医療源データなどの、多様なフォーマットの複数のソースからのデータを含む。４０６において、システム１００はまず、外部データ１０２からの関連情報を抽出して、次いで、抽出されたデータを処理のための複数の標準フォーマットに変換する。１つの実施形態において、システム１００は、処理１０４及び／又は処理１０６を実行して、データの抽出及び変換を実行する。システム１００は、抽出されたデータを段階的領域リポジトリ１０８に格納する。

４０８に進み、システム１００は、ヒューリスティックエンジン１１０を実行して、ソース、種類、データの世代、その他の種類の複数の因子を用いた共分散などの複数の因子に基づいて、情報を重み付け、フィルタリングし、又はさもなければ情報をより関連する又はより関連しないように見なす。また、結果として得られる構造化されたデータは好ましくは、病状の査定、重症度通知、推奨される動作、及び／又はさらなるマニュアルリビューが望まれる又は必要とされることなどの、複数のフィールドを含む。さらに、エンジン１１０は、関連性の複数の加重を生命保険のアンダーライティング又は健康保険のアンダーライティングに割り当てる。ヒューリスティックエンジン１１０の出力は、洗練されフィルタリングされた、アンダーライティング処理に関連する情報の集合であり、当該情報の集合はアンダーライティング情報データベース１１４に格納される。

４１０において、システム１００の統合及び提示エンジン１１６は、この情報を知識、すなわちアンダーライティング処理において特に役立つ情報に変換する。結果として、エンジン１１６は、（マニュアルの又は自動化された又は両方の）アンダーライティングのためにより直接的に利用可能な形式の、ヒューリスティックエンジン１１０の構造化された出力、すなわちアンダーライティング情報１１４を提示する。システム１００は、アンダーライター１１８が、情報の基礎的因子はもちろんヒューリスティックエンジン１１０から出力される要約情報（ｓｕｍｍａｒｙ ｉｎｆｏｒｍａｔｉｏｎ）を見ることを可能にする可視化ツールを含む。例えば、コンピュータ１２０は、統合された要約情報のダッシュボードをアンダーライター１１８に表示する。

構造化されたデータの消費又は変更に基づく４１２のフィードバックは、データの構造化されたデータベースへの選択、翻訳、及び／又はマッピングの洗練及び調整を含む。さらに、フィードバック処理は、アンダーライターの複数の動作及び複数の結果を監視して、複数のフィードバックループ４１４を介して以前の複数の動作を変更する。

図５は、本発明の実施形態に係る、図４のステップ４１０における統合及び提示エンジン１１６の動作の論理的概観を示す。５０２において開始すると、エンジン１１６は、アンダーライティング情報データベース１１４に格納された、抽出された情報を受信する。５０４において、エンジン１１６は、受信された情報が、特定のアンダーライティングシナリオへの相対的に高度な関連性を有するか否かを決定する決定動作を実行する。もしそうであれば、エンジン１１６は５０６へ進み、情報が既に簡潔で利用可能な形式であるか否かを決定する。そして、情報が関連し且つ簡潔である場合、エンジン１１６は、５０８において、情報が最高レベルの表示に適するか否かを決定する。

他方、エンジン１１６が、５０４において、受信された情報が特定のアンダーライティングシナリオへの十分に高度な相対的に関連性を有しないと決定する場合、処理は５１０へ進む。５１０において、エンジン１１６は、情報が、他のデータと組み合わせた場合に相対的に高度な関連性を有し得るかを決定する。もしそうでなければ、情報エンジン１１６は、５１２において、データを無視する。しかし、組み合わせられた場合に情報が十分に関連性を有し得る場合、エンジン１１６は５１４におけるデータを組み合わせて、５０６へ進む。

５０６においてエンジン１１６が、関連情報がまだ簡潔かつ利用可能な形式ではないと決定する場合、処理は５１６に進む。エンジン１１６は、５１６において、情報がアンダーライティング処理においてより利用可能であるという要約を構築して、次いで５０８に進む。エンジン１１６は、５０８において、要約された情報が最高レベルの表示に適するか否かを決定する。

エンジン１１６は、５１８において、最高レベルの表示に適する情報を表示させ、さもなければ、アンダーライター１１８がさらなる詳細を掘り下げたときに表示が可能となるように、５２０において当該情報を格納する。統合及び提示エンジン１１６は、アンダーライター１１８がデータベース１１４に格納されるさらなるアンダーライティング情報にアクセスすることを可能にするように掘り下げの可能性（ｃａｐａｂｉｌｉｔｙ）を提供する。言い換えると、ある情報の関連性及び性質は、最高の即時の表示は許可されないかもしれないが、アンダーライター１１８は、彼又は彼女が、情報がアンダーライティング決定に重要であると見なす場合、その情報にアクセスできる。この方法において、エンジン１１６は、アンダーライティング処理において特に有用なシナリオ及び申込人特定の情報を出力して、付加的なアンダーライティング情報に対する掘り下げの能力を提供する。

上述のように、システム１００は好ましくは、推定的な分析を用いて、外部データ１０２から有用な情報を抽出する。システム１００はまず、外部データ１０２から関連情報を抽出して、次いで、抽出されたデータを処理のための標準フォーマットに変換する。１つの実施形態において、システム１００は、ソース、種類、データの世代、その他の複数の因子を用いた共分散などの複数の因子に基づいて、情報を重み付け、フィルタリングし、又はさもなければ情報をより関連する又はより関連しないように見なす。

当業者は、知識工学処理２１８、データマイニング処理２２０、ヒューリスティックエンジン１１０、統合及び提示エンジン１１６、及び／又は最適化処理１２２の形式における推定的な分析を実行するに適する、予測モデリング、ベイジアン推定、複数の遺伝子アルゴリズム、自然により着想されたメタヒューリスティックな複数のアルゴリズムなどの複数の計算方法をよく知っている。有利に、本発明の実施形態に係るシステム１００は、処理の組み合わせを利用して、情報を重み付け、フィルタリングし、又はさもなければ情報をより関連する又はより関連しないように見なし、処理を最適化する。複数の処理のこの組み合わせは、システム１００が、重要かつ不明瞭な複数の変数の間の複数の仮定又は共分散を開始して、またそれに応じて調整し、複数の処理がデータの精度（ｇｒａｎｕｌａｒｉｔｙ）のわずかな変化に対して脆弱であるような方法を、特定することを可能にする。

過去において、アンダーライター、アクチュアリ、経済学者、及びコンピュータ科学者は、広まっている還元主義者の理論に基づいて、洗練された複数の数学的モデルを構築して、そして世界がそれらに適合すると予測した。世界が忠実でなく振る舞うように「予測された」ように振る舞うとき、彼らは動揺した。対照的に、本発明の態様は、データ及びそれが使用される方法を学習する複数の帰納的推論技術の能力を強める。本発明のこれらの適合態様は、生命、健康、就業不能給付、長期治療、及びその他の種類の保険申込者に対する、増大的に動的なリスクアセスメントの性質に対する特有の利点を提供する。

本発明の複数の態様は、予測モデリング（ｐｒｅｄｉｃｔｉｖｅ ｍｏｄｅｌｉｎｇ）、ネットワーク理論（ｎｅｔｗｏｒｋ ｔｈｅｏｒｙ）、決定論的カオス（ｄｅｔｅｒｍｉｎｉｓｔｉｃ ｃｈａｏｓ）、行動経済学（ｂｅｈａｖｉｏｒａｌ ｅｃｏｎｏｍｉｃｓ）、フラクタル幾何学（ｆｒａｃｔａｌ ｇｅｏｍｅｔｒｙ）、複数の遺伝子アルゴリズム（ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍｓ）、及びセルオートマトン（ ｃｅｌｌｕｌａｒ ａｕｔｏｍａｔａ）を含む、複合的な科学ツール及び複数の技術を使用する。これらの態様は、古典的な、より決定論的なリスクアセスメントへのアプローチからの、著しい発達を表す。

例えば、本発明の複数の実施形態は、データベース１０２（従来的及び非従来的なソースの両方）における外部データ、データベース２２２における内部データ、データベース１１２における辞書及び関連性加重データ、リポジトリ１０８における段階的データ、及びデータベース１１４におけるアンダーライティング情報などの、膨大な量のデータのストレージを含む。膨大なデータは、必要とされるときに簡単にアクセス可能であるが、複数のデータモデルは高度にスケーラブル（拡張可能、ｓｃａｌａｂｌｅ）である。１つの実施形態において、複数のフラクタル幾何学技術は、データにおける自己類似性の利点を利用することによって、現在評判のよい方法を超えて、相互関係の推定のスケーラビリティ（ｓｃａｌａｂｉｌｉｔｙ）の達成を助ける。

もう１つの例において、複数の遺伝子アルゴリズム、すなわち、自然により着想されたメタヒューリスティックな複数のアルゴリズムなどは、推定的な複数の分析処理における最適化及び検索問題への複数の解を提供する。多くのリスクアセスメントの問題点は、明確な決定論的解を有しない。また、全数検索（網羅的な検索、ｅｘｈａｕｓｔｉｖｅ ｓｅａｒｃｈ）は計算能力を超える。変数（例えば、性別、年齢、身長、体重、最大血圧及び最低血圧の測定値、低比重及び高比重コレステロール測定値、など）の数が大きく、且つ、変数（糖尿病プラス高血圧プラス肥満など）の共分散が複合的な相互作用を導く可能性がある状況において、システム１００は、１つの実施形態において、１つ又はそれ以上の遺伝子アルゴリズムを使用して、より簡単な複合的な適応エージェントの相互作用から、突発的な（ｅｍｅｒｇｅｎｔ）複数の現象をシミュレートする。複雑な方法において相互作用する非常に簡単なエージェントの例は、蟻コロニーの動作であろう。卓上に配置された蟻は目的無く移動するが、蟻コロニー（ａｎｔ ｃｏｌｏｎｙ）は、指定されたリーダーがなくとも、複雑に振る舞うことが可能である。類似した方法において、古典的な決定論的な複数の方法を用いては解くことができない複数の問題を解くための、簡単なエージェントの複雑な相互作用に基づいた、複数の蟻コロニー最適化、複数の蜂コロニーアルゴリズム、及びその他のモデリング技術がある。

自然により着想されたメタヒューリスティックな複数のアルゴリズムは、アンダーライターがシステム１００を利用するため、アンダーライターの人間行動を観察するに適する。統合及び提示エンジン１１６によってコンピュータ１２０上に発生されるダッシュボード出力は、要望通りにより粒度の細かい又はより詳細な情報を得るために掘り下げる能力を有する、人間のアンダーライター１１８にとって最も興味があると一般的に考えられる情報を提示する。フィードバック処理は、さらなる情報のために種々の主要な項目がどれだけ頻繁にクリックされたか、及びどの項目が無視又は低い頻度で使用されたかを監視する。次いで、シミュレーションを生じさせて、ユーザ体験を改善するために未来のダッシュボード配置をどのように変更可能であるかを推定する。掘り下げ処理はまた、収集のルーチン及びフィルタリングのルーチン（例えば、処理１０４，１０６）にフィードバックを提供して、望まれる情報が収集されてより目立つようにすることを確実にする。類似の方法において、無視される情報はもはや有用なスクリーンの土地（ｒｅａｌ ｅｓｔａｔｅ）を占めることはない（又は、極端な場合にはもはや収集されない）。複数の処理が発展することが予期され、意図的に導かれる変化の要素（実験的な特徴（ｅｘｐｅｒｉｍｅｎｔａｌ ｆｅａｔｕｒｅｓ））と結合される、処理の「最も適する」態様を決定するための採点する装置（ｍｅｃｈａｎｉｓｍｓ）の記録の継続的な申し込みは、システム１００が、古典的なより静的な処理よりも上位の方法において、リスクアセスメントのシーンを変化させることに適応することを助ける。

さらに、セルオートマトンの性質が、収集、フィルタリング、関連性、及び提示エンジン処理のフィードバック及び自己調整のための遺伝的アルゴリズムのシミュレーションに新しい局面を加えることが予期される。

本発明の複数の実施形態は、以下に今までより詳細に説明されるような、種々のコンピュータハードウェアを含む特別な目的又は一般的な目的のコンピュータを備えてもよい。

本発明の範囲内の複数の実施形態はまた、コンピュータ実行可能な複数の命令を実行する、又は当該コンピュータに格納される複数のデータ構造を有するコンピュータ読み取り可能な媒体を含む。そのようなコンピュータ読み取り可能な媒体は、一般的な目的又は特別な目的のコンピュータによってアクセス可能である、任意の入手可能な媒体であることができる。限定ではなく例として、そのようなコンピュータ読み取り可能な媒体は、コンピュータ実行可能な複数の命令の形式の所望のプログラムコード手段を実行又は複数のデータ構造を格納するために使用可能な、且つ、一般的な目的又は特別な目的のコンピュータによってアクセス可能なＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ、ＣＤ−ＲＯＭ、あるいは、その他の光ディスクストレージ、磁気ディスクストレージ、又はその他の磁気ストレージ装置、又は任意のその他の媒体を備えることができる。情報がネットワーク又は他の通信接続（ｃｏｍｍｕｎｉｃａｔｉｏｎｓ ｃｏｎｎｅｃｔｉｏｎ）（ハードワイヤード（ｈａｒｄｗｉｒｅｄ）、無線（ワイヤレス、ｗｉｒｅｌｅｓｓ）、又はハードワイヤードと無線との組み合わせ）を介してコンピュータに送信又は提供されるとき、コンピュータは適切に、その接続を、コンピュータ読み取り可能な媒体として見なす。従って、任意のそのような接続は適切に、コンピュータ読み取り可能な媒体と称される。上記の複数の組み合わせはまた、コンピュータ読み取り可能な媒体の範囲内に含まれるべきである。コンピュータ実行可能な複数の命令は、例えば、一般的な目的のコンピュータ、特別な目的のコンピュータ、又は特別な目的の処理装置（ｐｒｏｃｅｓｓｉｎｇ ｄｅｖｉｃｅ）に、ある関数又は複数の関数の群を実行させる複数の命令及びデータを備える。

図６及び以下の説明は、本発明の複数の態様が実施されることができる適切なコンピューティング環境の簡潔な、一般的な説明を提供することを意図している。必要とはされないが、本発明の複数の態様は、複数のネットワーク環境における複数のコンピュータによって実行される複数のプログラムモジュールなどの、コンピュータ実行可能な複数の命令の一般的な文脈で説明されるであろう。一般的に、複数のプログラムモジュールは、特別な複数のタスクを実行する又は特別な抽象的なの複数のデータ型を実装する、複数のルーチン、複数のプログラム、複数のオブジェクト、複数のコンポーネント、複数のデータ構造などを含む。コンピュータ実行可能な複数の命令、関連する複数のデータ構造、及び複数のプログラムモジュールは、本明細書において開示される複数の方法の複数のステップを実行するプログラムコード手段の複数の例を表現する。そのような実行可能な複数の命令又は関連する複数のデータ構造の特別な列（シーケンス）は、そのようなステップにおいて説明される複数の関数を実施する、対応する複数の動作の複数の例を表現する。

当業者は、本発明の複数の態様が、多くの種類のコンピュータシステム構成を有する複数のネットワークコンピューティング環境において実施されてもよいことを理解するであろう。ここで、当該コンピュータシステム構成は、パーソナルコンピュータ（ｐｅｒｓｏｎａｌ ｃｏｍｐｕｔｅｒｓ）、手で持って操作できる装置（ハンドヘルド装置、ｈａｎｄｈｅｌｄ ｄｅｂｖｉｃｅｓ）、マルチプロセッサシステム（ｍｕｌｔｉ−ｐｒｏｃｅｓｓｏｒ ｓｙｓｔｅｍｓ）、マイクロプロセッサベースの消費者向け電化製品（ｃｏｎｓｕｍｅｒ ｅｌｅｃｔｒｏｎｉｃｓ）又はプログラム可能な消費者向け電化製品、ネットワークＰＣ（ｎｅｔｗｏｒｋ ＰＣｓ）、ミニコンピュータ（ｍｉｎｉｃｏｍｐｕｔｅｒｓ）、メインフレームコンピュータ（ｍａｉｎｆｒａｍｅ ｃｏｍｐｕｔｅｒｓ）などを含む。本発明の複数の態様はまた、複数のタスクが、通信ネットワークを介して（ハードワイヤードな接続によって、無線接続によって、又はハードワイヤードと無線の接続の組み合わせによって）接続されたローカル又はリモートの複数の処理装置によって実行される分散コンピューティング環境（ｄｉｓｔｒｉｂｕｔｅｄ ｃｏｍｐｕｔｉｎｇ ｅｎｖｉｒｏｎｍｅｎｔｓ）において実施されてもよい。分散コンピューティング環境において、複数のプログラムモジュールは、ローカル又はリモートのメモリストレージ装置に位置してもよい。

図６を参照すると、本発明の複数の態を実施する例示としてのシステムは、処理ユニット２１と、システムメモリ２２と、処理ユニット２１からシステムメモリ２２までを含む種々のシステム構成要素を結合するシステムバス２３とを含む従来のコンピュータ２０の形式の一般的な目的のコンピューティング装置を含む。システムバス２３は、メモリバス（ｍｅｍｏｒｙ ｂｕｓ）又はメモリコントローラ（ｍｅｍｏｒｙ ｃｏｎｔｒｏｌｌｅｒ）と、周辺機器用バス（ｐｅｒｉｐｈｅｒａｌ ｂｕｓ）と、種々のバスアーキテクチャ（ｖａｒｉｅｔｙ ｏｆ ｂｕｓ ａｒｃｈｉｔｅｃｔｕｒｅｓ）のうちの任意のバスを用いたローカルバス（ｌｏｃａｌ ｂｕｓ）とを含むいくつかの種類のバスのうちの、任意の種類のバス構造であってもよい。システムメモリは、読み取り専用メモリ（ｒｅａｄ ｏｎｌｙ ｍｅｍｏｒｙ、ＲＯＭ）２４及びランダムアクセスメモリ（ｒａｎｄｏｍ ａｃｃｅｓｓ ｍｅｍｏｒｙ、ＲＡＭ）２５を含む。起動中などの、コンピュータ２０内の複数の構成要素間での情報の転送を助ける複数の基本的ルーチンを含む基本入出力システム（ｂａｓｉｃ ｉｎｐｕｔ／ｏｕｔｐｕｔ ｓｙｓｔｅｍ、バイオス（ＢＩＯＳ））２６は、ＲＯＭ２４に格納されてもよい。

コンピュータ２０は、磁気ハードディスク３９から読み取りを行うとともに該磁気ハードディスク３９に書き込みを行う磁気ハードディスクドライブ２７と、着脱可能な（リムーバブル）磁気ディスク２９から読み込みを行うか着脱可能な磁気ディスク２９に書き込みを行う磁気ディスクドライブ２８と、ＣＤ−ＲＯＭ又はその他の光媒体などの着脱可能な（リムーバブル）光ディスク３１から読み取りを行うか着脱可能な（リムーバブル）光ディスク３１に書き込みを行う光ディスクドライブ３０とを含んでもよい。磁気ハードディスクドライブ２７、磁気ディスクドライブ２８、及び光ディスクドライブ３０はそれぞれ、ハードディスクドライブインタフェース３２、磁気ディスクドライブインタフェース３３、及び光ドライブインタフェース３４によって、システムバス２３に接続される。複数のドライブ及びそれらに関連するコンピュータ読み取り可能な媒体は、コンピュータ実行可能な複数の命令と、複数のデータ構造と、複数のプログラムモジュールと、及びその他のコンピュータ２０のためのデータとの不揮発性ストレージを提供する。本明細書において説明される例示の環境は、磁気ハードディスク３９、着脱可能な（リムーバブル）磁気ディスク２９、及び着脱可能な（リムーバブル）光ディスク３１を用いるが、データを格納するための他の種類のコンピュータ読み取り可能な媒体が使用されることができる。ここで、当該他の種類のコンピュータ読み取り可能な媒体は、複数の磁気カセット、複数のフラッシュメモリカード、複数のデジタルビデオディスク、複数のベルヌーイカートリッジ（Ｂｅｒｎｏｕｌｌｉ ｃａｒｔｒｉｄｇｅｓ）、複数のＲＡＭ、複数のＲＯＭなどを含む。

１つ又はそれ以上のプログラムモジュールを備えるプログラムコード手段は、オペレーティングシステム３５、１つ又はそれ以上のアプリケーションプログラム３６、他の複数のプログラムモジュール３７、及びプログラムデータ３８を含む、ハードディスク３９、磁気ディスク２９、光ディスク３１、ＲＯＭ２４、及び／又はＲＡＭ２５上に格納されてもよい。ユーザは、キーボード４０、ポインティングデバイス４２、又は他の入力装置（図示せず）を介して、コンピュータ２０に複数のコマンド及び情報を入力してもよく、ここで、当該他の入力装置は、マイクロホン、ジョイスティック、ゲームパッド、パラボラアンテナ（サテライトディッシュ、ｓａｔｅｌｌｉｔｅ ｄｉｓｈ）、スキャナ、又は同様のものなどである。これら及び他の入力装置は、多くの場合、システムバス２３に結合されたシリアルポートインタフェース４６を介して処理ユニット２１に接続される。変形例として、複数の入力装置は、パラレルポート、ゲームポート、又はユニバーサルシリアルバス（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ、ＵＳＢ）などの、他の複数のインタフェースによって接続されてもよい。モニタ４７又はもう１つの表示装置はまた、ビデオアダプタ４８などのインタフェースを介して、システムバス２３に接続される。モニタに加えて、複数のパーソナルコンピュータは典型的には、複数のスピーカ及び複数のプリンタなどの、他の複数の周辺出力装置（図示せず）を含む。

コンピュータ２０は、リモートコンピュータ４９ａ及び４９ｂなどの、１つ又はそれ以上のコンピュータへの論理的な複数の接続を使用したネットワーク化された環境において動作してもよい。リモートコンピュータ４９ａ及び４９ｂの各々は、もう１つのパーソナルコンピュータ、サーバ、ルータ、ネットワークＰＣ、ピアデバイス（ｐｅｅｒ ｄｅｖｉｃｅ）、又は他の共通のネットワークノードであってもよく、より典型的には、コンピュータ２０に関連して上で説明される複数の構成要素のうちの多く又は全てを含むが、図６には、メモリストレージ装置５０ａ及び５０ｂ及びそれらの関連する複数のアプリケーションプログラム３６ａ及び３６ｂのみが示されている。図６に描かれる論理的接続は、限定ではなく例示の方法によって本明細書において提示されるローカルエリアネットワーク（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ、ＬＡＮ）５１及びワイドエリアネットワーク（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ、ＷＡＮ）５２を含む。そのような複数のネットワーク環境は、オフィス全体にわたる又は企業全体にわたる、コンピュータネットワーク、イントラネット、及びインターネットにおいて通常である。

ＬＡＮネットワーク環境において使用されるとき、コンピュータ２０は、ネットワークインタフェース又はアダプタ５３を介してローカルネットワーク５１に接続される。ＷＡＮネットワーク環境において使用されるとき、コンピュータ２０は、モデム５４、無線リンク（ｗｉｒｅｌｅｓｓ ｌｉｎｋ）、又はインターネットなどのワイドエリアネットワーク５２を介して複数の接続を確立するその他の手段を含んでもよい。モデム５４は内部又は外部のものであってもよく、当該モデム５４は、シリアルポートインタフェース４６を介してシステムバス２３に接続される。ネットワーク化された環境において、コンピュータ２０又はその部分に関して描かれる複数のプログラムモジュールは、リモートメモリストレージ装置に格納されてもよい。当然のことながら、示される複数のネットワーク接続は例示的であり、ワイドエリアネットワーク５２を介して複数の接続の確立のその他の手段が使用されてもよい。

好ましくは、ハードディスクドライブ２７などのメモリに格納され、またコンピュータ１２０によって実行されるコンピュータ実行可能な複数の命令は、処理１０４及び１０６（処理２１８及び２２０を含む）及びエンジン１１０及び１１６を含む、図示された複数の推定エンジンを具現化する。さらに、コンピュータ２０は適当に、コンピュータ１２０を具現化する。

動作において、システム１００は、潜在的に保険可能なリスクを含むアンダーライティング決定（Ｕｎｄｅｒｗｒｉｔｉｎｇ Ｄｅｃｉｓｉｏｎ）を下すことに用いる異種データを変換する。処理１０４及び１０６は、例えば、複数のソース（すなわち、外部データ１０２）からの、複数のフォーマットのデータを受信する。少なくとも、処理１０６は、データを抽出して、それを１つ又はそれ以上の標準フォーマットに変換する。ヒューリスティックエンジン１１０は次いで、下されるべきアンダーライティング決定への関連性によって、変換されたデータをフィルタリングする。統合及び提示エンジン１１６は、変換されたデータから、提示可能な知識を発生して、その知識を、アンダーライティング決定を下す意思決定主体に提示する。意思決定主体による提示される知識に対する１つ又はそれ以上の動作を監視することによって、最適化処理１２２は、監視される複数の動作の関数として、１つ又はそれ以上のステップを調整することができる。

変形例として、動作において、システム１００は、潜在的に保険可能なリスクを含むアンダーライティング決定を下すことに用いる異種データを構築して変換する。処理１０４及び１０６は、例えば、データベース１０２などの第１のデータベースからデータを検索して、検索されたデータをドメイン特定の情報に変換する。ひと度変換されると、潜在的に保険可能なリスクに関連するその情報は、段階的領域リポジトリ１０８などの第２のデータベースに格納される。ヒューリスティックエンジン１１０は、下されるべきアンダーライティング決定の関数として、１つ又はそれ以上の関連性因子を定義して、複数の関連性因子のうちの少なくとも１つを、第２のデータベースに格納される情報のうちの少なくとも一部分に割り当てる。さらに、統合及び提示エンジン１１６は、前記割り当てられた複数の関連性因子を有する第２のデータベースの出力を、アンダーライティング決定を下す意思決定主体に提供する。

本明細書において図示され説明される本発明の複数の実施形態における複数の動作の実行又は遂行の順序は、特に指定されない限りは、本質的ではない。すなわち、複数の動作は、特に指定されない限りは任意の順序で実行されてもよく、また、本発明の複数の実施形態は、付加的な動作又は本明細書において開示される動作よりも少ない動作を含んでもよい。例えば、もう１つの動作の前に、同時に、又はその後に、特定の動作を実行又は遂行することは、本発明の複数の態様の範囲内にある、と考えられる。

本発明の複数の実施形態は、コンピュータ実行可能な複数の命令を用いて実施されてもよい。コンピュータ実行可能な複数の命令は、１つ又はそれ以上のコンピュータ実行可能な複数のコンポーネント又は複数のモジュールに組織化されてもよい。本発明の複数の態様は、任意の数のそのような複数のコンポーネント又は複数のモジュール又はそれらの構成を用いて実施されてもよい。例えば、本発明の複数の態様は、図において示された又は本明細書において説明された、特定のコンピュータ実行可能な複数の命令又は特定の複数のコンポーネント若しくは複数のモジュールに限定されない。本発明のその他の複数の実施形態は、異なるコンピュータ実行可能な複数の命令を含んでもよく、あるいは、本明細書において図示又は説明よりも多い又は少ない機能性を有する、複数のコンポーネントを含んでもよい。

本発明の複数の態様又はそれらの複数の実施形態の複数の構成要素の導入時に、複数の冠詞「１つ（”ａ”又は”ａｎ”）」、「その（ｔｈｅ）」、及び「前記（ｓａｉｄ）」は、１つ又はそれ以上の構成要素であることを意味することを目的としている。用語「備える（ｃｏｍｐｒｉｓｉｎｇ）」、「含む（ｉｎｃｌｕｄｉｎｇ）」、及び「有する（ｈａｖｉｎｇ）」は、提示される構成要素とは異なる付加的な構成要素があってもよいことが含まれるとともにそのようなことを意味すること目的としている。

本発明の複数の態様について詳細に説明されてきたことによって、添付の特許請求の範囲において定義されるような本発明の複数の態様の範囲から逸脱することなく、複数の修正及び複数の変形が可能であることは明白である。本発明の複数の態様の範囲から逸脱することなく上記の構成、製品、及び方法において種々の変更を行うことが可能であるため、上述の説明に含まれまた添付の図面において示される全ての事項は、限定的意味においてではなく例示として解釈されることができることを目的としている。

Claims (24)

1. 潜在的に保険に適するリスクを含む決定を下すことに用いる異種データを変換するコンピュータ化された方法であって、
   前記方法は、
   複数のソースから、複数のフォーマットのデータを受信するステップと、
   前記受信されたデータを抽出して、前記抽出されたデータを１つ又はそれ以上の標準フォーマットに変換するステップと、
   下されるべき前記決定への関連性によって、前記変換されたデータをフィルタリングするステップと、
   前記変換されたデータから提示可能な知識を発生するステップと、
   前記知識を、前記決定を下す意思決定主体に提示するステップと、
   前記意思決定主体による前記提示された知識に対する１つ又はそれ以上の動作を監視するステップと、
   前記監視される複数の動作の関数として、前記抽出するステップ、変換するステップ、フィルタリングするステップ、及び発生するステップのうちの１つ又はそれ以上を調整するステップと、
   を備える。
2. 前記受信されたデータを抽出するステップ及び前記抽出されたデータを１つ又はそれ以上の標準フォーマットに変換するステップは、前記受信されたデータに対するドメイン特定の抽出・変換・書き込み（ＥＴＬ）処理を実行するステップを備える、
   請求項１記載の方法。
3. 前記受信されたデータは、以下の複数の種類のデータのうちの１つ又はそれ以上を備える請求項１記載の方法：申込者により提供されるデータ、電子的医療記録データ、処方箋データ、その他の医療源データ、財源データ、自動車記録データ、及び他の非医療源データ。
4. 関連性によって前記変換されたデータをフィルタリングするステップは、前記変換されたデータ間の複数のリスクアセスメント関係を推定するヒューリスティックエンジンを実行するステップを備える、
   請求項１記載の方法。
5. 前記変換されたデータを段階的領域リポジトリに格納するステップをさらに備え、
   前記ヒューリスティックエンジンは、前記段階的領域リポジトリに格納される前記データを処理する、
   請求項４記載の方法。
6. 前記受信されたデータは、以下の種類の復号データのうちの１つ又はそれ以上を備える請求項１記載の方法：ソーシャルネットワークデータ、及びデータマートのデータ。
7. 前記復号データに対してデータマイニング処理を実行してデータ間の複数の共分散間関係を特定するステップをさらに備える、
   請求項６記載の方法。
8. 前記データマイニング処理は、予測モデリングを備える、
   請求項７記載の方法。
9. 監視される複数の動作の関数としての前記抽出するステップ、変換するステップ、フィルタリングするステップ、及び発生するステップのうちの１つまたはそれ以上を調整するステップは、メタヒューリスティック最適化アルゴリズムを実行するステップを備える、
   請求項１記載の方法。
10. 前記知識を前記意思決定主体に提示するステップは、統合及び提示エンジンを実行して関連情報の要約を前記意思決定主体に提示するステップを備える、
    請求項１記載の方法。
11. １つ又はそれ以上のコンピュータ読み取り可能な媒体は、当該１つ又はそれ以上のコンピュータ読み取り可能な媒体に格納された、請求項１記載の前記方法を実行するコンピュータ実行可能な複数の命令を有する、
    請求項１記載の方法。
12. 潜在的に保険に適するリスクを含む決定を下すことに用いる異種データを構造化して変換する方法であって、
    前記方法は、
    第１のデータベースからデータを検索し、当該検索されるデータは前記潜在的に保険に適するリスクに関連するステップと、
    前記検索されたデータを、ドメイン特定の情報に変換するステップと、
    前記変換されたドメイン特定の情報を第２のデータベースに格納するステップと、
    下されるべき前記決定の関数として、１つ又はそれ以上の関連性因子を定義するステップと、
    前記関連性因子のうちの少なくとも１つを、前記第２のデータベースに格納される前記情報のうちの少なくとも一部分に割り当てるステップと、
    前記割り当てられた複数の関連性因子を有する前記第２のデータベースの出力を、前記決定を下す意思決定主体に提供するステップと、
    を備える。
13. 前記検索されたデータをドメイン特定の情報に変換するステップは、
    ドメイン特定の抽出・変換・書き込み（ＥＴＬ）処理を実行して、前記検索されたデータを抽出するとともに前記抽出されたデータを１つ又はそれ以上の標準フォーマットに変換するステップ
    を備える、
    請求項１２記載の方法。
14. 前記第１のデータベースに格納される前記データは、以下の複数の種類のデータのうちの１つ又はそれ以上を備える請求項１２記載の方法：申込者により提供されるデータ、電子的医療記録データ、電子的健康記録データ、健康管理データの連続性、処方箋データ、その他の医療源データ、財源データ、自動車記録データ、及びその他の非医療源データ。
15. 前記少なくとも１つの関連性因子を割り当てるステップは、前記第２のデータベースに格納される前記情報に対してヒューリスティックエンジンを実行して情報間の複数のリスクアセスメント関係を推定するステップを備える、
    請求項１２記載の方法。
16. 前記検索されたデータは、以下の複数の種類の復号データのうちの１つ又はそれ以上を備える、請求項１２記載の方法：ソーシャルネットワークデータ、及びデータマートのデータ。
17. 前記復号データに対してデータマイニング処理を実行してデータ間の複数の共分散関係を特定するステップをさらに備える、
    請求項１６記載の方法。
18. 前記データマイニング処理は、予測モデリングを備える、
    請求項１７記載の方法。
19. 前記意思決定主体による前記提供される出力に対する１つ又はそれ以上の動作を監視するステップと、
    前記監視される複数の動作の関数としてフィードバックを発生するステップと、
    記フィードバックに基づいて、前記定義するステップ及び割り当てるステップを調整するステップと、をさらに備える、
    請求項１２記載の方法。
20. １つ又はそれ以上のコンピュータ読み取り可能な媒体は、当該１つ又はそれ以上のコンピュータ読み取り可能な媒体に格納された、請求項１２記載の前記方法を実行するコンピュータ実行可能な複数の命令を有する、
    請求項１２記載の方法。
21. 実行時に、潜在的に保険に適するリスクを含む決定を下すことに用いる異種データを変換するコンピュータ実行可能な複数の命令を格納するコンピュータ読み取り可能な媒体であって、
    前記コンピュータ読み取り可能な媒体は、
    複数のソースからの、複数のフォーマットのデータと、
    前記データを抽出して前記データを前記複数のフォーマットから１つ又はそれ以上の標準フォーマットに変換する、抽出・変換・書き込み（ＥＴＬ）処理と、
    前記変換されたデータを推定的に処理して、下されるべき前記決定に関連する情報を特定するヒューリスティックエンジンと、
    当該関連情報から提示可能な知識を発生して、前記知識を、前記決定を下す意思決定主体に提示する統合及び提示エンジンと、
    前記意思決定主体による前記提示された知識に対する１つ又はそれ以上の動作を監視して、前記監視される複数の動作の関数として、前記ＥＴＬ処理、前記ヒューリスティックエンジン、及び前記統合及び提示エンジンのうちの１つ又はそれ以上を調整する最適化フィードバック処理と、
    を備える。
22. 前記受信されたデータは、以下の複数の種類のデータのうちの１つ又はそれ以上を備える請求項２１記載のコンピュータ読み取り可能な媒体：申込者により提供されるデータ、財源データ、電子的医療記録データ、電子的健康記録データ、健康管理データの連続性、処方箋データ、その他の医療源データ、財源データ、ソーシャルネットワークデータ、自動車記録データ、その他の非医療源データ、及びデータマートのデータ。
23. メモリと、コンピュータと、ディスプレイとを備えるシステムであって、
    前記メモリは潜在的に保険に適するリスクに関連する異種データを格納し、当該データは複数のフォーマットで格納され、
    前記コンピュータは、前記格納されるデータの少なくとも一部分を抽出する処理を実行して、前記抽出されたデータを前記複数のフォーマットから標準化されたフォーマットに変換し、
    前記メモリは、前記標準化されたフォーマットの前記変換されたデータをさらに格納し、
    前記コンピュータは、前記潜在的に保険に適するリスクを含む下されるべき決定への関連性に対する前記変換されたデータを分析して１つ又はそれ以上の関連性因子を前記分析されたデータに割り当てるヒューリスティックエンジンをさらに実行し、
    前記ディスプレイは、前記割り当てられた複数の関連性因子を含む出力を、前記決定を下す意思決定主体に提示する、
    システム。
24. 前記メモリ領域に格納される前記データは、以下の複数の種類のデータのうちの１つ又はそれ以上を備える、請求項２３記載の方法：申込者により提供されるデータ、電子的医療記録データ、電子的健康記録データ、健康管理データの連続性、処方箋データ、その他の医療源データ、財源データ、ソーシャルネットワークデータ、自動車記録データ、その他の非医療源データ、及びデータマートのデータのうちの１つ又はそれ以上の種類のデータを備える、
    請求項２３記載のシステム。

Images