AI 与数据治理
用可信数据，支撑专业风险评估与保险服务协同
智能风险评估与辅助核保，是药葆在数字化平台之上探索的下一层能力。我们以「可验证、可解释、可复核」为前提，把AI放进一条有迹可循的证据链里。
从文件到核保建议的六步工作流
每一步的输出都是下一步的输入，每个结论都附带出处。
← 左右滑动查看完整图表 →
-
01
文件识别
识别研究方案及相关文件，提取研究基本信息，提取医学背景和研究设计。
-
02
语义分析
基于语义识别技术，提取关键信息，形成结构化数据。
-
03
风险识别
基于预设风险分类体系，识别可能影响临床试验风险水平的因素，记录风险依赖与来源。
-
04
规则评估
通过经过定义和验证的规则、权重及计算方法，形成辅助风险评估结果，输出风险判断及其依据。
-
05
专业复核
具备专业能力的人员审核风险判断及其依据，必要时进行补充分析，形成最终评估结果，提供给保险机构参考。
-
06
辅助核保信息
结构化风险信息、关键风险点摘要、风险评估依据、专业复核意见。
技术原则
智能风险评估与辅助核保为规划建设能力，实际应用需经过专业验证和业务评估。
证据可追溯
记录信息来源与原文件位置，保留关键内容的引用依据，支持全流程审计追踪。
规则可解释
基于预设的风险分类体系，使用明确的规则、权重和计算方法，提供清晰的风险判断依据。
人工可复核
由具备专业能力的人员进行审核，支持人工干预与调整，确保结果的专业性与可靠性。
数据治理五步法
数据治理支撑专业风险评估与保险服务协同，是生命科学风险管理平台持续发展的基础能力。
01
数据来源标准化：研究方案、研究者手册、知情同意书、项目资料、投保信息、保险合同、事故与理赔资料统一入库。
02
数据标准化：建立研究项目、保险业务、风险因子、理赔信息四类数据标准。
03
数据质量管理：以完整性、一致性、准确性、及时性四维校验数据可用性。
04
数据安全保护：分类分级、访问控制、个人信息与敏感信息保护。
05
数据授权使用：合法、正当、必要，明确使用边界，分级权限管理，数据使用审批。
合规管理与审计追踪
- 法律与政策要求
- 数据全生命周期记录
- 关键操作审计
- 合规检查与评估
- 问题管理与改进
