Analityk z wykształceniem medycznym (lekarz, ratownik, pielęgniarka, fizjoterapeuta)

Tryb pracy: online
Forma zatrudnienia: B2B / Umowa o pracę

Wymagania:
Wykształcenie medyczne (lekarz, ratownik, pielęgniarka, fizjoterapeuta).
Dobra orientacja w klasyfikacjach ICD-9 i ICD-10.
Umiejętność określania ciężkości urazów i ich powikłań.
Doświadczenie w analizowaniu lub tworzeniu dokumentacji medycznej.
Umiejętność analitycznego myślenia.
Dobra znajomość Excel.
Znajomość języka angielskiego, przynajmniej B2.

Przydatne umiejętności::
Doświadczenie w pracy w specjalności zabiegowej.

Zadania:
Wsparcie przy tworzeniu modelu automatycznego odczytywania patologii z dokumentacji medycznej – podejście eksperckie i wykorzystanie sztucznej inteligencji (na potrzeby medycyny ubezpieczeniowej).
Budowanie, testowanie i uzupełnianie modelu medycznego o słowniki i powiązania logiczne terminów medycznych (praca w arkuszach kalkulacyjnych).
Przygotowanie tabel konfiguracyjnych dla produktu ubezpieczeniowego, na podstawie ogólnych warunków ubezpieczenia (arkuszy kalkulacyjnych zawierających warunki logiczne opisujące definicje medyczne).

O Firmie

Kim jesteśmy?
Jesteśmy startupem, który naw 2019 wystartował z pomysłem automatycznej analizy dokumentacji medycznej, w pierwszej kolejności pod kątem oceny merytorycznej ubezpieczeniowych roszczeń osobowych (dotyczących urazów ciała, pobytu w szpitalu, ciężkich zachorowań itp.).

Mamy za sobą dwa Proof of Concept naszego oprogramowania z dużymi firmami ubezpieczeniowymi i jesteśmy w trakcie pierwszego wdrożenia produkcyjnego a kolejni klienci czekają z niecierpliwością.

Jak działa nasze oprogramowanie?
Przykład:. ktoś ma ubezpieczenie NNW w UNIQA i złamał rękę
– zgłasza roszczenie do ubezpieczyciela (załączając skany/zdjęcia dokumentacji medycznej, np. z SOR). Zgłoszenie jest przez korowy system UNIQA automatycznie przesyłane do Minte, żeby ocenić ile % sumy ubezpieczenia należy zapłacić.
– Oprogramowanie analizuje skany dokumentacji medycznej na podstawie przygotowanego grafu ontologicznego (dla medycyny ubezpieczeniowej) i NLP rozpoznaje patologie (np. „złamanie z przemieszczeniem nasady dalszej kości przedramienia, zaopatrzone opatrunkiem gipsowym”) a następnie”mapuje” rozpoznane patologie do tabeli uszczerbkowej ubezpieczyciela (ile za co należy się ubezpieczonemu)
– Na koniec liczy ufność wyniku i rekomenduje wysokość automatycznej wypłaty.

Analogicznie dzieje się w innych riderach medycznych. System analizuje ilość dni pobytu w szpitalu, potrafi odróżnić czy hospitalizacja jest z przyczyn urazowych czy chorobowych, potrafi dopasować opis operacji z dokumentacji do definicji operacji zawartych w OWU, czy porównać rozpoznanie poważnego zachorowania z dokumentacji medycznej do definicji tegoż zawartej w OWU.

kontakt
[email protected]