在醫療保健和保險等高度監管的環境中，服務供應商通常需要執行分析健康風險和驗證客戶索賠等工作，同時嚴格將資料保留在相關管轄範圍內。
本文所述的解決方案提供藍圖，協助您使用 Cloud de Confiance by S3NS解決這些挑戰。保險公司可以部署 BigQuery ML，即時分析健康風險分數、模型方案和理賠資料庫。 Cloud de Confiance by S3NS 同時，本機開放權重的 Gemma LLM 系統會驗證儲存在 Cloud Storage 中的索賠文件。這種做法可確保符合情境的法規遵循和完整稽核能力，且絕不會進行外部 API 呼叫，或將資料移出主權邊界。
您可以按照隨附的 參考實作，使用 Terraform 部署這項解決方案。
目標對象
這項解決方案適用於國家級醫療保健機構或受監管的保險公司。服務對象包括：
- 稽核人員和理賠調查員：審查展示間資訊主頁，驗證提交的理賠文件、稽核標記的案件，以及與 AI 助理互動。
- 資料科學家：使用 JupyterLab 環境安全地存取原始資料，建構、驗證及執行健康風險分析模型。
核心功能
- 主權健康模型：使用 BigQuery ML 篩選理賠和客戶資料集，找出健康風險因素，不必將資料移出主權邊界。
- AI 索賠驗證：使用開放權重的 Gemma LLM 執行本地化文件檢查，根據資料庫記錄驗證索賠詳細資料。
- 互動式聊天機器人小工具：使用 AI 助理聊天機器人查詢有效資料庫聲明，並即時取得符合情境的答案。
- 順暢的 JupyterLab 分析體驗：存取專屬的 Jupyter 環境，其中預先載入直接資料庫連線變數和 Workload Identity 繫結。
- 國際化：在英文、法文和德文之間即時切換使用者介面語言。
架構
元件
這項解決方案使用下列技術和服務： Cloud de Confiance by S3NS
| 元件 | 技術 | 目的 |
|---|---|---|
| 資料庫 | Cloud SQL | 儲存保險理賠、方案和客戶資料。 |
| 其他儲存空間 | Cloud Storage | 儲存理賠文件。 |
| DWH | BigQuery | 資料倉儲分析表和大數據儲存空間。 |
| 型號 | BigQuery ML | 健康風險分數的機器學習分析。 |
| LLM | Gemma | 開放權重模型 (google/gemma-3-27b-it)，用於驗證索賠文件和聊天機器人小工具。 |
| 容器基礎架構 | GKE | 聲明應用程式和 JupyterHub 伺服器的容器基礎架構。 |
| 分析 | JupyterLab | 預先載入有效資料的專屬筆記本。 |
| 應用程式 | Node.js | 網頁應用程式展示間資訊主頁。 |
參考實作
GitHub 提供這項解決方案的 Terraform 參考實作。請注意，這是為展示目的而建構的概念驗證原型，實作方式未經過稽核或安全防護，不適用於正式環境。
如需必要條件和部署說明，請參閱「Sovereign Health Insurance Risk Analysis with BigQuery ML & Gemma」。