其他行业 · AI应用
Zocdoc利用AWS上的TensorFlow建立患者信心
Zocdoc发现医疗行业的一个重大挑战：患者常常难以应对保险覆盖的复杂性，导致预约延误。为解决此问题，Zocdoc在AWS上使用TensorFlow开发了保险检查器（Insurance Checker），利用机器学习实时验证保险信息。通过让患者扫描保险卡，该工具将患者与可用医生匹配，显著缩短了预约等待时间。结果，Zocdoc使患者能够在24小时内获得预约，而全国平均等待时间为24天，同时保险卡识别准确率接近90%。
新患者预约等待时间
24小时内
来源披露
保险卡识别准确率
接近90%
来源披露
01
业务背景
Zocdoc发现医疗行业的一个重大挑战：患者常常难以应对保险覆盖的复杂性，导致预约延误。为解决此问题，Zocdoc在AWS上使用TensorFlow开发了保险检查器（Insurance Checker），利用机器学习实时验证保险信息。通过让患者扫描保险卡，该工具将患者与可用医生匹配，显著缩短了预约等待时间。结果，Zocdoc使患者能够在24小时内获得预约，而全国平均等待时间为24天，同时保险卡识别准确率接近90%。
02
遇到的问题
美国一半以上患者难以理解保险覆盖范围，导致预约延误，全国新患者平均等待24天才能就诊。
03
AI 解决方案
Zocdoc推出‘保险检查器’（Insurance Checker），患者拍摄保险卡照片后，系统基于TensorFlow深度学习框架，通过三个模型（基础CNN分类、对齐模型、OCR光学字符识别）实时提取保单ID、验证保险覆盖、确认网络内福利并估算共付额，从而将患者与匹配的、在保且可约的医生精准连接。训练在AWS Deep Learning AMI的8GPU实例上完成，使用数百万张标注保险卡图像，整体准确率接近90%。
04
实施结果
新患者预约等待时间：24小时内（缩短至24小时内（全国平均为24天））
保险卡识别准确率：接近90%（识别准确率高于患者手动输入）
05
风险与边界
未披露
信息来源
1 个来源页面内容为结构化改写；关键结论应可追溯到以下材料。