En entornos altamente regulados, como los sectores de la salud y los seguros, los proveedores suelen realizar tareas como analizar los riesgos para la salud y verificar los reclamos de los clientes, al mismo tiempo que mantienen los datos estrictamente dentro de la jurisdicción pertinente.
La solución que se describe en este documento proporciona un plano para resolver estos desafíos con Cloud de Confiance by S3NS. Los proveedores de seguros pueden implementar BigQuery ML Cloud de Confiance by S3NS para analizar las puntuaciones de riesgo para la salud, modelar planes y bases de datos de reclamos en tiempo real. Al mismo tiempo, un sistema LLM de Gemma local y de código abierto realiza la verificación de la documentación de reclamos almacenada en Cloud Storage. Este enfoque garantiza el cumplimiento contextual y la auditabilidad completa, sin realizar nunca llamadas a la API externa ni transferir datos fuera del límite soberano.
Para implementar esta solución, sigue la implementación de referencia que se incluye con Terraform.
Público objetivo
Esta solución está diseñada para agencias nacionales de atención médica o proveedores de seguros regulados. Atiende a las siguientes partes interesadas:
- Auditores e investigadores de reclamos que revisan los paneles de la sala de exposición para verificar los documentos de reclamos enviados, auditar los casos marcados e interactuar con el asistente de IA
- Científicos de datos que acceden de forma segura a los datos sin procesar con entornos de JupyterLab para compilar, validar y ejecutar modelos de análisis de riesgo para la salud
Capacidades principales
- Modelado de salud soberano: Usa BigQuery ML para analizar reclamos y conjuntos de datos de clientes para identificar factores de riesgo para la salud sin transferir datos fuera del límite soberano.
- Verificación de reclamos con IA: Ejecuta verificaciones de documentos localizadas con el LLM de Gemma de código abierto para verificar los detalles de los reclamos en comparación con los registros de la base de datos.
- Widget de chatbot interactivo: Consulta los reclamos activos de la base de datos y recibe respuestas contextuales en tiempo real con el chatbot del asistente de IA.
- Análisis fluido de JupyterLab: Accede a un entorno de Jupyter dedicado precargado con variables de conexión directa a la base de datos y Workload Identity vinculaciones.
- Internacionalización: Cambia al instante el idioma de la IU entre inglés, francés y alemán.
Arquitectura
Componentes
En esta solución, se usan las siguientes tecnologías y Cloud de Confiance by S3NS servicios:
| Componente | Tecnología | Objetivo |
|---|---|---|
| Base de datos | Cloud SQL | Almacenamiento para reclamos, planes y clientes de seguros |
| Otro almacenamiento | Cloud Storage | Almacenamiento para la documentación de reclamos |
| DWH | BigQuery | Tablas analíticas del almacén de datos y almacenamiento de macrodatos |
| Modelo | BigQuery ML | Análisis de aprendizaje automático sobre las puntuaciones de riesgo para la salud |
| LLM | Gemma | Modelo de código abierto (google/gemma-3-27b-it) para la verificación de documentos de reclamos y el widget de chatbot |
| Infraestructura de contenedores | GKE | Infraestructura de contenedores para la aplicación de reclamos y el servidor de JupyterHub |
| Análisis | JupyterLab | Notebooks dedicados precargados con datos activos |
| App | Node.js | Panel de la sala de exposición de la app web |
Implementación de referencia
En GitHub, se proporciona una implementación de referencia de esta solución con Terraform. Ten en cuenta que este es un prototipo de prueba de concepto creado con fines de demostración, y la implementación no se audita ni se protege para casos de uso de producción.
Para obtener información sobre los requisitos previos y las instrucciones de implementación, consulta Análisis de riesgo de seguros de salud soberanos con BigQuery ML y Gemma.