Machine Learning para predecir el costo anual de los servicios contratados por evento de los afiliados de la EPS Savia Salud
Date
2023
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Católica Luis Amigó
Abstract
La proyección de los costos anuales de las aseguradoras del sector salud es una tarea de
alta complejidad; de este ejercicio se derivan los mecanismos de contratación con los
prestadores de servicio de salud y su resultado impacta directamente los costos no
operacionales. En este proyecto de investigación, se utilizó machine learning para
predecir el costo anual de las atenciones por evento de la EPS Savia Salud, con el fin de
contribuir a las estrategias asociadas a la disminución del déficit fiscal. Siguiendo la
metodología CRISP-DM, se aplicaron técnicas de aprendizaje supervisado y no
supervisado. Se realizó un proceso de ETL para integrar dos fuentes de datos en una,
obteniendo un conjunto de 13.692 registros con los cuales se desarrolló un clustering para
conocer los diferentes grupos de pacientes según sus costos; posteriormente, se elaboró
un modelo de clasificación, en el que se incluyeron 4 rangos de costos. Los resultados del
modelo predictivo permitieron concluir que es posible predecir el costo de las atenciones
por evento con una índice ROC del 79%. Durante la socialización de los resultados, se
incluyeron un conjunto de recomendaciones para continuar explorando el machine
learning como herramienta en los ejercicios de planificación y fortalecer el modelo
incluyendo una mayor cantidad de variables y registros. La investigación concluye es
posible estimar los costos anuales utilizando machine learning, cuya utilidad real se
comprobará después de ejecutar una prueba piloto en el año 2023 con una muestra
controlada.