Aplicación de Técnicas de Machine Learning para la Predicción de Costos de Seguros de Salud - Un Modelo Automatizado, Interactivo y Listo para Producción

Aug 2, 2026

Subido por Sage

La predicción de costos médicos en seguros de salud es un componente clave para la gestión de riesgos y la fijación de primas, especialmente cuando los datos presentan relaciones no lineales y complejidad. El estudio desarrolla un modelo automatizado de regresión con PyCaret, integrando el pipeline completo: transformación logarítmica del objetivo, automatización de preprocesamiento, comparación de modelos, ajuste de hiperparámetros y evaluación visual con validación cruzada. El modelo optimizado alcanza un R2 de 0.82 y reduce MAE y MSE frente a enfoques sin transformar, identificando IMC y tabaquismo como predictores principales.

IdiomaSpanish

CategoríaInvestigación e Informes

FormatoPDF

Páginas8

Tiempo de lectura12 min

AccesoGratis para descargar

Tabla de contenidos

Resumen

Contexto y objetivo

Metodología

Resultados

Conclusión

Introducción

Contexto de la investigación

Especialización en Estadística Aplicada Facultad de Ingeniería y Ciencias Básicas Aplicación Técnicas de Machine Learning para la Predicción de Costos de Seguros de Salud: Un Modelo Automatizado, Interactivo y Listo para Producción Israel Sierra Santos 1 1Fundación Universitaria Los Libertadores 09 Junio 2025 Resumen Contexto y objetivo: La predicción de costos médicos en seguros de salud es una tarea crítica para la gestión de riesgos y la tarificación de primas. Si bien los métodos estadísticos tradicionales han sido ampliamente utilizados, presentan limitaciones frente a conjuntos de datos complejos y no lineales. Este estudio tuvo como objetivo desarrollar un modelo automatizado basado en PyCaret para predecir los costos de seguros de salud, integrando todas las etapas del pipeline de aprendizaje automático. Metodología: Se empleó un conjunto de datos público con variables demográficas y clínicas. Se aplicó una trans-formación logarítmica a la variable objetivo y se utilizó PyCaret para automatizar el preprocesamiento, comparación de modelos, ajuste de hiperparámetros y evaluación visual. Las métricas de desempeño se extrajeron tras validación cruzada. Resultados: El modelo optimizado alcanzó un coeficiente de determinación (R2) de 0.82, con una reducción sus-tancial del MAE y MSE en comparación con modelos no transformados. Las variables con mayor influencia fueron el índice de masa corporal (IMC) y el hábito de fumar. El modelo final fue exportado, probado con nuevos datos y demostró capacidad de generalización. Conclusión: La automatización mediante PyCaret demostró ser un enfoque eficiente, reproducible y listo para producción. El modelo permite tomar decisiones basadas en datos con menor esfuerzo técnico y mayor escalabilidad en entornos reales del sector asegurador. Palabras clave—Aprendizaje automático, PyCaret, predicción de costos, seguros de salud, automatización, regresión, validación cruzada Abstract Background and Objective: Predicting medical insurance costs is critical for risk management and premium pric-ing. While traditional statistical models have been widely used, they show limitations when dealing with nonlinear and complex datasets. This study aimed to develop an automated PyCaret-based regression model to predict health insur-ance costs by integrating all stages of the machine learning pipeline. Methods: A public dataset with demographic and clinical variables was used. A natural logarithmic transformation was applied to the target variable. PyCaret was employed to automate preprocessing, model comparison, hyperparam-eter tuning, and visual evaluation. Model performance was assessed using cross-validation metrics. Results: The optimized model achieved a coefficient of determination (R2) of 0.82, with a substantial reduction in MAE and MSE compared to the baseline. Body Mass Index (BMI) and smoking status were the most influential predictors. The final model was exported and validated on new data, demonstrating good generalization performance. Conclusion: Automation with PyCaret proved to be an efficient, reproducible, and production-ready approach. The model enables data-driven decisions with reduced technical burden and improved scalability in real-world insurance applications. Keywords—Machine Learning, PyCaret, cost prediction, health insurance, automation, regression, cross-validation. 1 Introducción El desarrollo de modelos predictivos en el ámbito de los seguros de salud ha cobrado una relevancia creciente en los últimos años, impulsado por la necesidad de estimarcon mayor precisión los costos asociados a la atenciónmédica. Esta tarea resulta esencial tanto para las aseguradoras, que requieren modelos confiables para fijar primas justas y sostenibles, como para los sistemas de salud pú - blicos y privados que buscan eficiencia en la asignación de recursos. Tradicionalmente, las predicciones de costos han sidorealizadas mediante métodos estadísticos

Preguntas frecuentes

Cuál fue el objetivo del estudio sobre seguros de salud?

Desarrollar un modelo automatizado basado en PyCaret para predecir costos de seguros de salud, integrando todas las etapas del pipeline de aprendizaje automático.

Qué metodología y transformaciones se aplicaron al modelo?

Se usó un conjunto de datos público con variables demográficas y clínicas, aplicando una transformación logarítmica a la variable objetivo y empleando PyCaret para automatizar preprocesamiento, comparación, ajuste de hiperparámetros y evaluación visual.

Qué variables tuvieron mayor influencia en los resultados?

Las variables con mayor influencia fueron el índice de masa corporal (IMC) y el hábito de fumar, según el modelo optimizado.

Aug 2, 2026

Subido por Sage