JP6828209B1

JP6828209B1 - 医務査定支援装置、医務査定支援方法および医務査定支援プログラム

Info

Publication number: JP6828209B1
Application number: JP2020110791A
Authority: JP
Inventors: 祐子丹波; 隆郎伊藤; 則之長谷; 雄志大喜多; 原田　英明; 英明原田
Original assignee: 大同生命保険株式会社; アクセンチュア株式会社
Priority date: 2020-06-26
Filing date: 2020-06-26
Publication date: 2021-02-10
Anticipated expiration: 2040-06-26
Also published as: JP2022007687A

Abstract

【課題】医務査定業務を効率化するための医務査定支援技術を提供する。【解決手段】医務査定支援装置２は、保険契約申込の引受可否を判定するための医務査定を支援する装置であって、前記保険契約申込と申込内容が類似する過去の保険契約申込案件に関する情報を検索する類似案件検索部２５を備える。【選択図】図１

Description

本発明は、保険契約申込の引受可否を判定するための医務査定を支援する技術に関する。

生命保険の加入手続きは、一般的に、生命保険契約の申込み→生命保険会社での査定→引受可否の判断、という流れで進む。査定業務において、生命保険会社では、申込者の公平性を保つために、環境（被保険者の職業等の外的危険）および医務（被保険者の健康状態等の身体的危険）に関する２段階のリスク算定を実施し、引受可否や引受条件（保険料の割増、一部の保障の不担保等）の追加等を判断する。

近年、顧客へのサービス向上のため、査定業務の効率化が図られている。例えば、出願人は、タブレット端末を用いたイメージ伝送技術を活用した健康診断書情報の送信、非定型ＯＣＲ技術による健康診断書のデータ変換・入力の自動化、自動引受査定エンジンによる告知方式の改善と医務査定の自動化を推進することにより、査定業務の効率化を図っている（非特許文献１）。

伊藤隆郎、外１名、"生命保険における引受査定業務の自動化・スピードアップ"、［online］、令和１年７月、富士通ファミリ会論文デジタルプラクティス、Ｖｏｌ．１０、Ｎｏ．３、［令和２年３月２７日検索］、インターネット＜URL：https://www.ipsj.or.jp/dp/contents/publication/39/S1003-U01.html＞

査定業務の中でも医務査定業務は、専門的な知識や経験に左右されるため、依然として医務査定に係る費用に占める人件費の割合が高く、生命保険会社の競争力向上のために、医務査定業務のさらなる効率化が求められている。

本発明は、上記問題を解決するためになされたものであって、医務査定業務を効率化するための医務査定支援技術を提供することを課題とする。

上記課題を解決するために、本発明は以下の態様を含む。
項１．
保険契約申込の引受可否を判定するための医務査定を支援する医務査定支援装置であって、
前記保険契約申込と申込内容が類似する過去の保険契約申込案件に関する情報を検索する類似案件検索部を備えることを特徴とする医務査定支援装置。
項２．
人工知能モデルを用いて前記医務査定の査定結果を予測する査定結果予測部と、
前記査定結果予測部による予測結果に基づいて、前記医務査定の判定基準となる各因子の前記予測結果に与える影響度を算出し、前記影響度に基づいて各因子から注目因子を特定する注目因子特定部とをさらに備え、
前記類似案件検索部は、前記注目因子を用いて前記情報を検索することを特徴とする請求項１に記載の医務査定支援装置。
項３．
前記人工知能モデルは、ロジスティック回帰モデルであることを特徴とする請求項２に記載の医務査定支援装置。
項４．
請求項１〜３のいずれかに記載の医務査定支援装置の各部としてコンピュータを機能させる医務査定支援プログラム。
項５．
保険契約申込の引受可否を判定するための医務査定を支援する医務査定支援方法であって、
前記保険契約申込と申込内容が類似する過去の保険契約申込案件に関する情報を検索する類似案件検索ステップを備えることを特徴とする医務査定支援方法。

本発明によれば、医務査定業務をさらに効率化することができる。

本発明の一実施形態に係る保険契約引受システム１の機能ブロック図である。本発明の一実施形態に係る医務査定支援方法の処理手順を示すフローチャートである。注目因子を特定する処理を説明するための図である。類似案件検索ステップの処理手順の一例を示すフローチャートである。

以下、本発明の実施形態について添付図面を参照して説明する。なお、本発明は、下記の実施形態に限定されるものではない。

（システム構成）
図１は、本発明の一実施形態に係る保険契約引受システム１の機能ブロック図である。保険契約引受システム１は、生命保険サービスを提供する生命保険会社が管理（または他の業者へ管理委託）しているシステムであり、医務査定支援装置２と、申込受付端末３と、査定者端末４と、査定医端末５とを備えている。医務査定支援装置２、申込受付端末３、査定者端末４および査定医端末５は、インターネットやローカルエリアネットワーク等によって、通信可能に接続されている。

医務査定支援装置２は、保険契約申込の引受可否を判定するための医務査定を支援する装置である。医務査定支援装置２のハードウェア構成は特に限定されないが、例えば汎用のコンピュータで医務査定支援装置２を構成することができる。また、医務査定支援装置２を１つのコンピュータで構成してもよいし、複数のコンピュータで構成してもよい。

本実施形態における医務査定では、被保険者が、標準体、条件体および延期体のいずれの被保険体に該当するかを判断する。標準体は、特別な条件を付けることなく普通保険料率で契約可能な被保険体を意味する。生命保険会社によっては、標準体をさらに健康優良体や非喫煙優良体などに区分することもある。条件体は、保険料の割増や一部保障の不担保等の条件を付けることで契約可能な被保険体を意味する。生命保険会社によっては、条件体を標準下体と称することもある。延期体は、契約ができない被保険体を意味する。生命保険会社によっては、延期体を、申込時点では契約できないが将来的に再審査可能な被保険体と定義することもあり、その場合、申込時点においても将来的にも契約できない被保険体を謝絶体と称することもある。

保険契約の種類は、特に限定されないが、例えば、死亡保険、医療保険、就業障がい保険、介護保険、重大疾病保険などがある。なお、本実施形態における保険契約は、公的保険ではなく、民間企業が提供する生命保険契約である。

医務査定支援装置２は、機能ブロックとして、申込情報取得部２１と、機械査定部２２と、査定結果予測部２３と、注目因子特定部２４と、類似案件検索部２５とを備えている。これらの各部２１〜２５は、本実施形態に係る医務査定支援プログラムを医務査定支援装置２のＣＰＵまたはＧＰＵが主記憶装置に読み出して実行することにより実現することができる。各部２１〜２５の機能については、後述する。

過去案件データベース（過去案件ＤＢ）２６は、生命保険会社が過去の所定期間内に取り扱った保険契約申込案件（以下、単に「案件」とも称する）に関する情報をデータベース化したものである。上記所定期間および案件の件数は、特に限定されない。過去案件データベース２６は、医務査定支援装置２の補助記憶装置に記憶されている。過去案件データベース２６には、過去の各案件ごとに、保険契約の種類、申込情報、注目因子、医務査定の結果（引受可否）などが登録されている。申込情報には、被保険者による病歴の申し出（告知）、健康診断の結果、医師の診断結果などの被保険者の健康状態に関する情報が含まれている。注目因子については、後述する。

申込受付端末３は、生命保険の営業担当者が使用する端末である。営業担当者は、保険契約の申込を受けた場合、申込受付端末３を用いて受付処理を行うことができる。申込受付端末３は、例えばタブレット装置で構成することができる。

査定者端末４は、医務査定業務に従事する査定者が使用する端末である。査定者端末４は、例えば汎用のコンピュータで構成することができる。本実施形態では、査定者は医師資格を有していないため、後述する査定医は査定者に含まれない。

査定医端末５は、医師資格を有し、医務査定業務に従事する査定医が使用する端末である。査定医端末５は、例えば汎用のコンピュータで構成することができる。査定医は、査定者が引受可否を判定できなかった案件の医務査定を行う。

（医務査定支援の手順）
図２は、本実施形態に係る医務査定支援方法の処理手順を示すフローチャートである。当該方法の各処理は、図１に示す保険契約引受システム１によって実行される。

申込受付ステップＳ１では、営業担当者が保険契約の申込を受けた場合に、申込受付端末３を用いて受付処理を行う。生命保険契約の申込情報は、申込受付端末３から医務査定支援装置２に送信される。

これに応じて、申込情報取得ステップＳ２では、医務査定支援装置２の申込情報取得部２１が、申込受付端末３から送信された申込情報を取得する。

続いて、機械査定ステップＳ３では、機械査定部２２が、申込情報に基づき、ルールベースのアルゴリズムを用いて自動的に医務査定を行う。機械査定部２２による医務査定は、非特許文献１における機械判定に対応する。

機械査定部２２によって引受可否が判定可能である場合（ステップＳ４においてＹＥＳ）、後述のステップＳ５〜Ｓ１１は省略され、医務査定処理は終了する。機械査定部２２が引受可否を判定可能な案件は、全体の約５０％である。機械査定部２２によって引受可否が判定できない場合（ステップＳ４においてＮＯ）は、査定結果予測ステップＳ５に移行する。

査定結果予測ステップＳ５では、査定結果予測部２３が、機械査定部２２によって引受可否が判定できなかった案件（以下、対象案件と称する）について、人工知能モデルを用いて医務査定の査定結果を予測する。人工知能モデルは、過去の案件における申込情報および査定結果を学習用データとして機械学習を行うことにより生成される。人工知能モデルとしては、ロジスティック回帰モデル、ランダムフォレスト、決定木、ディープニューラルネットワークなどが挙げられるが、本実施形態では、ロジスティック回帰モデルである。査定結果予測部２３は、ロジスティック回帰モデルを用いて、被保険者が、標準体、条件体および延期体のいずれの被保険体に該当するかを予測し、さらに、予測した被保険体に該当する予測確率（予測精度）も出力する。例えば、査定結果予測部２３は、対象案件について、「被保険者は条件体に該当し、予測精度は７０％である」という予測結果を出力する。

続いて、注目因子特定ステップＳ６では、注目因子特定部２４が、査定結果予測部２３による予測結果に基づいて、医務査定の判定基準となる各因子の予測結果に与える影響度を算出し、影響度に基づいて各因子から注目因子を特定する。まず、影響度について説明する。

査定結果予測部２３が予測精度を算出するためのロジスティック回帰式は、

として示される。ｐは予測精度（目的変数）、ｘ_１〜ｘ_ｎは因子（説明変数）、ａ_１〜ａ_ｎは偏回帰係数、ｂは定数である。因子は、例えば、血圧値や疾病有無情報をスコア化したものであり、因子ｘ_ｉ（ｉ＝１〜ｎ）の影響度はａ_ｉｘ_ｉの絶対値に対応する。因子の数ｎは、特に限定されないが、例えば数百〜数千である。

注目因子特定部２４は、ｎ個の因子から、影響度の大きい因子を選択して注目因子として特定する。注目因子の選択方法の一例について、図３を参照して説明する。

注目因子特定部２４は、図３（ａ）に示すように、全ての因子を影響度が大きい順に並べる。続いて、注目因子特定部２４は、人的査定において考慮しなくてもよいとされている因子（以下、注目不要因子と称する）を除外し、さらに、残りの因子の中から、影響度の大きい上位７個の因子に注目フラグを立てる。続いて、図３（ｂ）に示すように、注目因子特定部２４は、注目フラグを立てた因子を、注目因子として抽出する。

なお、注目不要因子は、固定であってもよいし、被保険体に応じて可変であってもよい。図３（ａ）に示す例では、申込者から、ぜんそくでステロイド使用歴の告知があり、健診表の既往症／現症としてぜんそくの記載、血小板値注意喚起有りの記載があり、過去の保険契約申込時にぜんそく（治療中）の告知があったため、影響度が全体の３番目に大きい「最高血圧値」や、５番目に大きい「ＢＭＩ値」は、注目不要因子として除外されている。

以上のように、ステップＳ６において、注目因子特定部２４は、影響度に基づいて各因子から注目因子を特定する。なお、ステップＳ５およびＳ６の処理は、過去案件データベース２６に登録されている過去の案件に対しても行われており、注目因子も案件ごとに記録されている。

また、注目因子の数は、特に限定されないが、例えば５〜２０個である。なお、注目因子特定部２４は、注目不要因子を除外せずに、全ての因子の中から、影響度が大きい上位の所定数の因子（例えば、図３（ａ）における、順位が１〜７位の因子）を注目因子として特定してもよい。

続いて、類似案件検索ステップＳ７では、類似案件検索部２５が、対象案件と申込内容が類似する過去の保険契約申込案件に関する情報を検索する。本実施形態では、類似案件検索部２５は、ステップＳ６において特定された注目因子を用いて過去の保険契約申込案件に関する情報を検索する。

図４は、類似案件検索ステップＳ７の処理手順の一例を示すフローチャートである。ステップＳ７−１では、類似案件検索部２５が、過去案件データベース２６にアクセスする。続いて、ステップＳ７−２〜Ｓ７−７において、類似案件検索部２５は、以下の条件に基づき、過去案件データベース２６に記録されている過去の案件から、対象案件と申込内容が類似する案件を検索する。
条件１：疾患コードが共通する
条件２：注目因子が１つ以上共通する
条件３：選択方法
条件４：被保険者の年齢が±５歳である
条件５：被保険者の年齢が一致する
条件６：注目因子が３つ以上共通する

なお、「選択方法」とは、健康状態に関する情報の取得方法を意味しており、加入年齢や保険金額により方法が決定さる。選択方法には、主に「告知扱」、「健康診断結果表扱」、「医師診査扱」がある。

類似案件検索部２５は、ステップＳ７−２において、条件１，３，５，６を全て満たす案件を検索し、ステップＳ７−３において、条件１，３，４，６を全て満たす案件を検索し、ステップＳ７−４において、条件１，２，３，５を全て満たす案件を検索し、ステップＳ７−５において、条件１〜４を全て満たす案件を検索し、ステップＳ７−６において、条件１，３，４を全て満たす案件を検索し、ステップＳ７−７において、条件２〜４を全て満たす案件を検索する。ステップＳ７−２〜Ｓ７−７のいずれかにおいて、条件を満たす過去の案件が見付かった場合は、類似案件検索部２５は、当該案件の情報を類似案件の情報として過去案件データベース２６から抽出する（ステップＳ７−８）。

なお、条件１〜６はあくまで例示であり、類似案件検索部２５が類似案件の検索に用いる条件は、特に限定されない。ステップＳ７−２〜Ｓ７−７のいずれにおいても、条件を満たす過去の案件が見付からなかった場合は、類似案件検索部２５は、類似案件を抽出することなく、ステップＳ７を終了する。

続いて、査定者による査定ステップＳ８では、案件の医務査定を行う査定者が決定され、査定者が査定者端末４を用いて該当案件の医務査定を行う。類似案件表示ステップＳ９では、査定者端末４に、類似案件検索部２５が抽出した類似案件の情報が表示される。これにより、査定者は、処理対象とする案件の医務査定に当たって、過去の類似案件を参考にすることができるため、医務査定業務をさらに効率化することができる。また、類似案件が表示されない従来の人的査定に比べ、引受可否を判定できない案件を減らすことができる。その結果、査定医による査定件数を減らし、査定にかかる時間および人件費を抑制することができる。

なお、ステップＳ７において、類似案件検索部２５が類似案件を抽出できなかった場合は、ステップＳ９は省略される。また、査定者端末４には、ステップＳ５において予測された査定結果、および、ステップＳ６において特定された注目因子を表示してもよい。

査定者が引受可否を判定できなかった場合（ステップＳ１０においてＮＯ）、査定医による査定ステップＳ１１に移行し、査定医による医務査定が行われる。一方、査定者が引受可否を判定可能であった場合（ステップＳ１０においてＹＥＳ）、ステップＳ１１は省略され、医務査定処理は終了する。

なお、ステップＳ１１において、査定医端末５にも、査定者端末４と同様に、ステップＳ５において予測された査定結果、および、ステップＳ６において特定された注目因子を表示してもよい。

（小括）
以上のように、本実施形態では、保険契約申込と申込内容が類似する過去の案件に関する情報を検索して査定者に提示することにより、査定者は、過去の案件を参照しながら査定を行うことができる。これにより、査定効率を向上させるとともに、引受可否を判定できない案件を減らすことができる。

（付記事項）
本発明は上記実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、上記実施形態に開示された技術的手段を適宜組み合わせて得られる形態も本発明の技術的範囲に含まれる。

例えば、図２に示すステップＳ１〜Ｓ１１の全てが必須というわけではなく、ステップＳ３〜Ｓ６の少なくともいずれかを省略してもよい。例えば、ステップＳ５およびＳ６を省略した場合、ステップＳ７において、類似案件検索部２５は、注目因子と関連のない条件に基づいて、過去の類似案件を検索してもよい。

本発明の実施例では、２０１６年５月〜２０１９年７月に出願人（大同生命保険株式会社）が人的査定を行った保険契約申込案件の一部を用いて、人工知能モデルの生成および査定結果の予測を行った。各案件の保険契約は、死亡保険、医療保険、就業障がい保険、介護保険、重大疾病保険のいずれかであった。

上記期間の案件から４６１１１件を抽出し、その中で、２０１６年５月〜２０１９年２月の３７５５９件のデータを学習用データとして用いて、ロジスティック回帰モデルを生成した。ロジスティック回帰式に含まれる因子の数は、２６００であった。さらに、２０１９年３月〜７月の８５５２件のデータを検証用データとして、ロジスティック回帰モデルを用いた査定結果（標準体、条件体および延期体のいずれに該当するか）の予測を行い、ホールドアウト法による予測精度の評価を行った。

予測精度の評価は、人的査定による実際の査定結果に対する、ロジスティック回帰モデルを用いた予測結果の正解率を算出することで行った。その結果、死亡保険の案件では８６％、医療保険の案件では８２％、就業障がい保険の案件では８２％、介護保険の案件では８２％、重大疾病保険の案件では８７％の正解率であった。

以上から、本発明により、高精度で査定結果を予測できることが検証できた。

また、２０１６年５月〜２０１９年７月に人的査定を行った案件から、被保険体が発生頻度の高い疾患を有していた５４件を抽出し、上述のロジスティック回帰モデルを用いた査定結果予測に基づき、各案件における注目因子を出力した。そして、人的査定において注意すべき因子と判定されていた因子（要注意因子とする）が、出力された注目因子に含まれているか否かを検証した。その結果、５４件中のすべての案件において、主要な要注意因子が注目因子に含まれていた。

以上から、本発明により、高精度で注目因子を特定できることが検証できた。

１保険契約引受システム
２医務査定支援装置
２１申込情報取得部
２２機械査定部
２３査定結果予測部
２４注目因子特定部
２５類似案件検索部
２６過去案件データベース
３申込受付端末
４査定者端末
５査定医端末

Claims

保険契約申込の引受可否を判定するための医務査定を支援する医務査定支援装置であって、
人工知能モデルを用いて前記医務査定の査定結果を予測する査定結果予測部と、
前記査定結果予測部による予測結果に基づいて、前記医務査定の判定基準となる各因子の前記予測結果に与える影響度を算出し、前記影響度に基づいて各因子から注目因子を特定する注目因子特定部と、
前記注目因子を用いて前記保険契約申込と申込内容が類似する過去の保険契約申込案件に関する情報を検索する類似案件検索部とを備えることを特徴とする医務査定支援装置。
前記人工知能モデルは、ロジスティック回帰モデルであることを特徴とする請求項１に記載の医務査定支援装置。
請求項１〜２のいずれかに記載の医務査定支援装置の各部としてコンピュータを機能させる医務査定支援プログラム。
コンピュータによって実施され、保険契約申込の引受可否を判定するための医務査定を支援する医務査定支援方法であって、
人工知能モデルを用いて前記医務査定の査定結果を予測する査定結果予測ステップと、
前記査定結果予測ステップによる予測結果に基づいて、前記医務査定の判定基準となる各因子の前記予測結果に与える影響度を算出し、前記影響度に基づいて各因子から注目因子を特定する注目因子特定ステップと、
前記注目因子を用いて前記保険契約申込と申込内容が類似する過去の保険契約申込案件に関する情報を検索する類似案件検索ステップとを備えることを特徴とする医務査定支援方法。