Intelligent prioriteringsværktøj automatiserer Patienterstatningens sagsfordeling

Automatisk prioritering og fordeling af sager sikrer et jævnt flow i Patienterstatningens sagsbehandling.

Automatisk visitering frigør tid og mindsker sagsophobning

Hvilke erstatningssager er mest alvorlige lige nu, og hvilken sagsbehandler er mest kvalificeret og har bedst tid til at vurdere sagerne? Denne prioritering og fordeling af nye erstatningssager sker hele tiden hos Patienterstatningen, der hvert år behandler omkring 11.000 erstatningssager fra patienter, der er kommet til skade i sundhedsvæsnet eller som følge af bivirkninger efter medicin.

Hidtil har fire kontorchefer fordelt sager ud til de enkelte juristers skriveborde manuelt ud fra en prioritering af, hvilke sager der hastede mest, og hvem der var bedst til opgaven. Nu sker denne prioritering og fordeling af sager automatisk. Det frigør tid til andre opgaver og sikrer et jævnt og retfærdigt sagsflow til gavn for både medarbejdere og patienter.

Patienterstatningen forventer, at løsningen vil give dem et mere jævnt sagsflow, fordi sager nu ikke burde hobe sig op. Førhen tog det i gennemsnit 30 dage, før en sag fik tildelt en sagsbehandler. Ved hjælp af den nye motor ligger sagerne nu blot i gennemsnit 2,5 dage, før de får tildelt en sagsbehandler.

Automatisk prioritering og fordeling én gang i timen

Motoren, der er bygget af Kapacity – en del af Visma Consulting – har to forskellige opgaver:

Løbende vurdering og optimering

Efter et pilotprojekt i ét juridisk kontor er motoren i dag implementeret i alle juridiske kontorer hos Patienterstatningen. I fremtiden følger en løbende vurdering og optimering af motoren

”Det har været essentielt for os fra start at inddrage de medarbejdere, der skulle bruge værktøjet, så de kunne forme, hvordan motoren prioriterede sagerne, så det blev et værdifuldt værktøj. Motoren finjusteres stadigvæk, men sagerne fordeles i høj grad, som kontorcheferne selv ville have gjort det. Så det er vi meget tilfredse med.” – Thomas Harding Brix, IT-chef, Patienterstatningen.

Projektet har også været særdeles veldrevet fra Kapacitys side, fortæller Thomas Harding Brix og uddyber:

”Forløbet er gået over alt forventning. Konsulenten var rigtig god til at sætte sig ind i vores forretning og data på meget kort tid. Derudover har konsulenten været rigtig dygtig til også at drive projektet.” – Thomas Harding Brix, IT-chef, Patienterstatningen.

Teknisk om motoren

Motoren er udstillet til Patienterstatningen som en Flask Applikation i Python og kan derved nemt integreres i deres hovedapplikation. Den lineære model er fuldt ud konfigurerbar gennem en UI tilgængelig til de relevante brugere af løsningen. Nye parametre kan laves fra dag til dag gennem åbne placeholdere til pludseligt opståede behov.

Andre Data Science-projekter i opstart Gennem de sidste fem år har Patienterstatningen digitaliseret interne forretningsgange og processer – senest med hjælp fra Data Science. Men projektet slutter ikke her. Patienterstatningen ser fortsat et stort potentiale i at udnytte kunstig intelligens.

Næste skridt er, at prioriteringsmotoren skal videreudvikles af Kapacity, en del af Visma Consulting, til også at kunne bruges i andre dele af sagsbehandlingen. En Machine Learning-model skal eksempelvis prioritere, i hvilken rækkefølge en erstatningssag skal drøftes med en læge og samtidig identificere og forudse sager, der på baggrund af talrige lignende sager, kan afgøres uden en lægefaglig vurdering.

Denne model vil give Patienterstatningen mulighed for at behandle visse sager hurtigere, idet de lægefaglige vurderinger kan være en flaskehals i sagsbehandlingen.

Kontakt

Visma Consulting A/S
Gærtorvet 1-5
1799 København V
consulting.dk@visma.com

Bliv kontaktet af os