Using Artificial Neural Networks to Predict Claim Duration in a Work Injury Compensation Environment

Este artículo describe la implementación de una red neuronal artificial basada en la regresión de riesgos proporcionales de Cox para predecir la duración de las reclamaciones de compensación por lesiones laborales en Canadá, utilizando códigos de lesiones, datos demográficos y laborales, incluso cuando existen valores faltantes.

Lo esencial

Imagina que el sistema de compensación por lesiones laborales es como un gran hospital de emergencia donde llegan miles de pacientes (los trabajadores lesionados) cada año. El problema principal no es solo curarlos, sino predecir cuánto tiempo estarán fuera de trabajo antes de recuperarse.

Si el sistema adivina mal, pierde mucho dinero o deja a los trabajadores sin apoyo cuando lo necesitan. El artículo que leíste explica cómo los investigadores crearon un "oráculo digital" (una red neuronal artificial) para hacer estas predicciones con mucha más precisión que los métodos tradicionales.

Aquí tienes la explicación sencilla, usando analogías:

1. El Problema: Un Rompecabezas Demasiado Complejo

Antes, los expertos intentaban predecir el tiempo de recuperación usando fórmulas matemáticas simples (como una receta de cocina estándar).

• El obstáculo: La información que tienen es un caos. Tienen códigos médicos, partes del cuerpo afectadas, tipo de accidente, edad, género, tamaño de la empresa, etc.
• La analogía: Imagina que intentas predecir el clima de una ciudad solo mirando una lista de 10 variables diferentes (temperatura, viento, humedad, tipo de nube, etc.) con una regla de "si llueve, lleva paraguas". Pero en la vida real, si llueve y hace viento y es invierno, la respuesta cambia drásticamente. Las fórmulas antiguas no podían manejar tantas combinaciones a la vez. Además, muchos casos aún no estaban cerrados (el trabajador aún no volvía), lo que hacía que los datos estuvieran "incompletos" o censurados.

2. La Solución: El "Cerebro" Artificial (Red Neuronal)

Los investigadores decidieron no usar una regla simple, sino construir un cerebro artificial (una Red Neuronal) que aprendiera de la historia.

• Cómo funciona: Imagina que este cerebro es un chef experto que ha probado millones de recetas (casos de lesiones pasados).
  • Le das los ingredientes (la edad, el tipo de corte, la parte del cuerpo, el género).
  • El chef no usa una fórmula fija. En su lugar, "siente" cómo interactúan los ingredientes. Por ejemplo, sabe que una quemadura en el dedo de una mujer joven tiene un tiempo de recuperación diferente a una quemadura en el dedo de un hombre mayor, y que esto cambia si la lesión fue por un accidente con maquinaria pesada.
• La ventaja: A diferencia de las fórmulas viejas, este cerebro puede detectar relaciones ocultas. Puede entender que "Ser mujer" + "Lesión en la rodilla" = "Recuperación más lenta", pero que "Ser mujer" + "Lesión en el hombro" = "Recuperación normal". Las fórmulas viejas no podían ver estas mezclas.

3. El Entrenamiento: Aprender de los Pasados

Para que el cerebro aprenda, lo alimentaron con datos reales de 17,000 casos de lesiones.

• El desafío de los "casos abiertos": Muchos de estos casos aún no habían terminado cuando se recogieron los datos. Era como intentar predecir el final de una película mientras aún estás viendo el medio.
• La magia estadística: Usaron una técnica especial (basada en el modelo de Cox) que permite al cerebro aprender incluso de las películas que aún no han terminado. Aprende a decir: "Este caso lleva 2 semanas y va bien, probablemente termine en 4", en lugar de ignorarlo.

4. El Resultado: Una Predicción, No un Número Fijo

Cuando el sistema hace una predicción, no te da un solo número (ej. "volverá en 30 días").

• La analogía: En lugar de decirte "lloverá mañana", te da un pronóstico del tiempo completo: "Hay un 80% de probabilidad de que llueva 2 horas, un 15% de que llueva 5 horas y un 5% de que llueva todo el día".
• Esto es crucial para la administración, porque les permite ver el rango de posibilidades y prepararse para lo peor o lo mejor.

5. ¿Qué pasa si falta información? (El "Modo de Supervivencia")

A veces, cuando un trabajador llega, no tienen todos los datos (quizás no saben el código exacto de la lesión todavía).

• La solución: El sistema tiene un truco. Si le falta un ingrediente, busca en su memoria a todos los casos pasados que sí tenían esa información parcial y calcula un promedio inteligente. Es como si el chef dijera: "No sé qué tipo de carne es, pero como es un guiso con papas y zanahorias, voy a asumir que es pollo porque así suele salir en el 90% de los casos similares".

En Resumen

Este artículo nos dice que, para predecir cuánto tiempo estará lesionado un trabajador, las matemáticas simples ya no sirven porque el mundo es demasiado complejo.

Usar una Red Neuronal Artificial es como contratar a un detective experto que ha visto miles de casos y puede ver patrones invisibles para los humanos o las calculadoras antiguas. Este sistema no solo es más preciso, sino que entiende que cada lesión es única y que las variables (edad, tipo de herida, género) se mezclan de formas sorprendentes para determinar el tiempo de recuperación.

El mensaje final: La tecnología permite transformar un caos de códigos y datos en una herramienta de gestión que ayuda a las empresas y a los trabajadores a saber qué esperar, ahorrando dinero y mejorando la vida de las personas.

Resumen técnico

A continuación presento un resumen técnico detallado del artículo "Using Artificial Neural Networks to Predict Claim Duration in a Work Injury Compensation Environment" (Uso de Redes Neuronales Artificiales para Predecir la Duración de Reclamaciones en un Entorno de Compensación por Lesiones Laborales), escrito por Anthony Almudevar.

1. Planteamiento del Problema

El objetivo principal de los programas de compensación laboral es reembolsar los gastos asociados a la pérdida de tiempo de trabajo debido a lesiones o enfermedades. La duración de la reclamación es un indicador clave de la severidad médica y el principal impulsor de los costos del programa.

• Desafío: Las juntas de compensación en Canadá utilizan un sistema estandarizado de códigos (NWISP) para describir la naturaleza de la lesión, la parte del cuerpo afectada, la fuente y el tipo de accidente. Estos códigos, junto con datos demográficos, contienen información valiosa para predecir la duración.
• Limitación de métodos tradicionales: Debido a la complejidad y alta dimensionalidad de los datos de entrada (10 variables categóricas con un gran número de clases, desde 2 hasta 80 categorías), las técnicas estadísticas tradicionales (como la regresión logística o los modelos de efectos principales) tienen un valor limitado. Además, los datos presentan censura (reclamaciones aún abiertas al momento del análisis), lo que requiere técnicas de análisis de supervivencia.
• Interacciones complejas: Se observó que el efecto de una variable (ej. género) sobre la duración depende de otras variables (ej. tipo de lesión), lo que implica interacciones complejas difíciles de modelar con técnicas lineales estándar sin un número prohibitivo de parámetros.

2. Metodología

El autor propone un modelo híbrido que combina la Red Neuronales Artificiales (RNA) con el modelo de Riesgos Proporcionales de Cox.

• Datos: Se utilizaron datos administrativos de la Comisión de Salud, Seguridad y Compensación del Lugar de Trabajo de Terranova y Labrador (WHSCC). El conjunto de datos final para el modelado incluyó 17,026 reclamaciones (abiertas después del 1 de enero de 1998 para asegurar homogeneidad en los códigos).
• Variables de Entrada (Predictores):
  • 4 códigos de lesión NWISP: Naturaleza de la lesión (NOI), Parte del cuerpo (POB), Fuente de la lesión (SOI), Tipo de accidente (TOA).
  • Datos demográficos y laborales: Edad, Sexo, Tipo de empleador (SIC), Ocupación (OCC), Tamaño del empleador (PAY) y Región (CPC).
  • Las variables continuas (edad, tamaño) se categorizaron en cuartiles.
• Arquitectura del Modelo:
  • Se implementó una Red Neuronal de Perceptrón Multicapa (MLP) para reemplazar el término de predicción lineal ($\eta = \beta^T x$) del modelo de Cox.
  • La red tiene una capa de entrada (con nodos para cada categoría de las variables), una capa oculta y una capa de salida.
  • La función de activación es sigmoide ($\phi(u) = e^u / (1 + e^u)$).
  • La función de riesgo se define como: $h_x(t) = h_0(t)e^{\eta(x)}$, donde $\eta(x)$ es la salida de la red neuronal.
• Entrenamiento y Selección:
  • Los datos se dividieron en muestra de entrenamiento (10,000) y prueba (7,026).
  • Se utilizó la verosimilitud parcial de Cox como función de pérdida, minimizada mediante regularización (decay) para evitar el sobreajuste.
  • Se evaluaron diferentes configuraciones variando el número de nodos ocultos ($n_h$) y el parámetro de decaimiento ($\lambda$).
  • Se comparó el modelo ANN contra un modelo de Cox de efectos principales (sin interacciones).

3. Contribuciones Clave

1. Modelado de Interacciones No Lineales: La principal contribución es demostrar que las ANN pueden capturar automáticamente interacciones complejas entre variables categóricas (ej. cómo el género afecta la duración dependiendo de la lesión específica) sin necesidad de especificar manualmente términos de interacción, lo cual sería computacionalmente inviable con métodos tradicionales.
2. Manejo de Datos Censurados: Integración nativa de la censura en el entrenamiento mediante el uso de la verosimilitud parcial de Cox, permitiendo utilizar reclamaciones abiertas en el conjunto de entrenamiento.
3. Salida Distribucional: A diferencia de muchos modelos de clasificación que solo predicen un valor puntual, este modelo permite generar una distribución completa de la duración (función de supervivencia) para cada reclamación, lo que facilita la evaluación de rangos estadísticos y riesgos.
4. Procedimiento para Entradas Parciales: Se desarrolló y validó un método (Método A) para realizar predicciones cuando faltan algunos predictores, promediando los términos de predicción de las reclamaciones de entrenamiento que coinciden con la información disponible.

4. Resultados

• Rendimiento Predictivo: El modelo ANN seleccionado (con 12 nodos ocultos y $\lambda=6$) obtuvo un coeficiente $R^2$ generalizado de 0.206 en el conjunto de prueba. En comparación, el modelo de Cox de efectos principales (sin interacciones) solo alcanzó un $R^2$ de 0.15.
• Validación de Interacciones: El análisis mostró que el modelo ANN captura exitosamente las interacciones entre el género y los códigos de lesión. Por ejemplo, la diferencia de duración entre hombres y mujeres varía según el tipo de lesión, algo que un modelo de efectos principales no podría predecir correctamente. La correlación de Kendall entre las diferencias de sexo reales y predichas fue significativa ($P = 0.0003$).
• Precisión de la Distribución: Las comparaciones entre las distribuciones predichas y observadas (medias, medianas y cuartiles) mostraron una buena correspondencia, aunque hubo un ligero sesgo en la estimación de la media para duraciones muy largas.
• Entradas Parciales: El Método A (promedio del término de predicción $\eta$) demostró ser una solución efectiva y sencilla para manejar datos incompletos, manteniendo una alta correlación con los valores reales.

5. Significado e Impacto

Este estudio demuestra la eficacia de las Redes Neuronales Artificiales en dominios donde la estructura de los predictores es demasiado compleja para las herramientas estadísticas estándar.

• Gestión de Reclamaciones: El modelo permite a las juntas de compensación estimar la duración de las reclamaciones en el momento de su presentación, utilizando únicamente la información disponible en ese instante. Esto mejora la gestión de recursos, la asignación de casos y la proyección financiera.
• Flexibilidad: La capacidad de manejar datos censurados y generar distribuciones completas de probabilidad ofrece una herramienta superior para la toma de decisiones basada en riesgos en comparación con los promedios simples.
• Generalización: El enfoque propuesto sirve como un marco metodológico aplicable a otros problemas de supervivencia con datos categóricos de alta dimensionalidad y estructuras de interacción complejas.

En conclusión, el artículo valida que, en entornos de compensación laboral con datos codificados complejos, los modelos basados en ANN superan a los modelos lineales tradicionales al capturar la variabilidad inherente y las interacciones no lineales, proporcionando predicciones más precisas y útiles para la gestión administrativa.