Применение систем с нечеткой логике в страховом андеррайтинге при наличии сахарного диабета у страховщика
Авторы:
Кумар Санеев, Джен Хемлата
Автор перевода: Шабля А.И.
Источник:
European
Journal of Applied Sciences 4 (5): 196-202, 2012
Аннотация
Кумар Санеев, Джен Хемлата - Применение систем с нечеткой логике в страховом андеррайтинге при наличии сахарного диабета у страховщика. В статье представлена модель страхового андеррайтинга с учетом риска возникновения у страхователь сахарного диабета.
Введение
В Индии более 40,9 миллиона людей с диабетом и более 118 миллионов людей с гипертонией. Диабет является одной из основных причин сердечно-сосудистых заболеваний. В связи с этим, для страхователя важно заранее оценить риск возникновения данного заболевания у страховщика, поскольку в дальнейшем эта болезнь может прогрессировать и стать причиной множества страховых случаев.
Эта статья описывает модель нечеткой экспертной системы со ссылкой на медицинский андеррайтинг страховой компании с условием наличия риска сахарного диабета второго типа у застрахованного лица.
Выходные переменные модели
Уровень сахара в крови. Уровень сахара в крови является важным параметром для диагностики диабета. В большинстве случаев, уровень сахара в крови будет высокой в случае пациентов с диабетом, его уровень может оказать неблагоприятное воздействие на пациента в зависимости от его тяжести и осложнений.
Высокий уровень сахара в крови может привести к различным симптомам, таким как отдышка. Это также может привести к осложнениям, связанным с системой кровообращения и кровеносных сосудов. Крайне низкий крови уровень сахара может привести к потере сознания. Таким образом, если уровень сахара в крови норма, то риск возникновения тяжелых заболеваний является низким.
Избыточный вес. Избыточный вес это следствие наличие диабета второго типа, а также является фактором выского риска развития данного диабета. Люди с диабетом 2 типа имеют состояние, которое называется инсулинорезистентностью. Их организм в состоянии выработать инсулин, но он не способен его использовать для перемещения глюкозы в клетки. Таким образом, объем глюкозы в крови повышается. В конце концов, поджелудочная железа не справляется с нагрзукой и оказывается не в состоянии произвести достаточно инсулина для поддержания уровня глюкозы в крови в пределах нормы.
Кровяное давление. Высокое кровяное давление (гипертония) является важным фактором риска для развития и ухудшение многих осложнений сахарного диабета, в том числе диабетической болезни глаз и заболевания почек. Она поражает до 60% людей с диабетом. Наличие диабета повышает риск развития высокого кровяного давления и других сердечно-сосудистых заболеваний, потому что диабет негативно сказывается на состояние артерий, предрасполагая к развитию атеросклероза (затвердение артерий). Атеросклероз может вызвать повышенное кровяное давление, которое, если не лечить, может привести к повреждению кровеносных сосудов, инсульта, сердечной недостаточность, инфаркту, или почечной недостаточности.
Фактор времени. Как правило, риск возникновения сахарного диабета увеличивается с возрастом человека.
Методология
Процесс начинается с информации от застрахованного лица и из различных других источников, которые берутся из стандартной формы, которая используется страховой компании. Эта информация содержит различных разделов, таких как поправочные коэффициенты, осложнения факторов и временных факторов, и каждая cекция также содержащиn набор информации.
Когда информация получена, следующий этап заключается в построении функций принадлежности. Важно учитывать также сопутствующие факторы. И анным фактором выступает табакокурение, которое в совокупности с кровяным давлением и избыточным весом приводят к осложнению. Данное осложнение в модели указано переменной X2.
Взаимодействие данных факторов отражено на рисунке 1
Рисунок 1. Функции принадлежности и переменная выхода
Следующий шаг это создание базы знаний, которая будет основана на всех соответствующих параметров входа. Таблица 1 показывает базовый образец правил для системы оценивания риска. Эти правила получаются в результате совокупности нечетких множеств. Посредством дефаззификации нечеткое множество переходит в индекс, который изображает степень пригодности решения сердечно-сосудистого риска. Правила агрегации осуществляется с помощью нечетких алгоритмов тяжести.
Таблица 1. Пример правил базы знаний нечеткой экспертной системы
| Номер правила | Корректирующий фактор | Осложняющий фактор | Фактор времени | Значение переменной выхода |
| 1 | G | G | G | Low |
| 2 | G | G | N | Low |
| 3 | G | G | B | Low |
| 4 | G | N | G | Normal |
| 5 | G | N | N | Normal |
| 6 | G | N | B | Normal |
| 7 | G | B | G | High |
| 8 | G | B | N | High |
| 9 | G | B | B | High |
| 10 | N | G | G | Low |
| 11 | N | G | N | Low |
| 12 | N | G | B | Normal |
Таким образом, получена экспертная система, которая на основе исходной информации выдает соответствующую величину риска развития сахарного диабета. Данную экспертную систему можно применять в страховом андеррайтинге при формировании ставок страхового тарифа, а также в корректирующих коэффициентах.
Список использованной литературы
1.Gupta, D. k., Verma, L. K. and Dash S.C. “The prevalence
of microalbuminuria in diabetes” a case study from north
India. Diabetes Res. Clin. Practice, vol. 12, pp. 125-
128, 1991.
2. Ross T.J.: “Fuzzy Logic with Engineering
Applications”, McGraw-Hill, Singapore 1997.
3. Horgby, P.-J.: “Risk Classification by Fuzzy Inference.
The Geneva Papers on Risk and Insurance Theory” vol.23, 1998
4. Mohan, V., Sandeep S., Deepa R., Shah B. and Varghese C.:
“Epidemiology of type 2 diabetes”: Indian scenario.
Indian J. Med. Res.,vol. 125, pp. 217-230, 2007.
5. Reddy K. S. et al., “Educational status and
cardiovascular risk profile in Indians” Natl. Acad Sci. USA,
vol.104, pp. 16263-16268, 2007.
6. Kumar S. and Pathak P.: “Fuzzy based Bonus-Malus system
for premium decision in car insurance”, Int. Rev. of Pure
& Applied Math, 6, 77-81, 2010.