Arrow
AI Blog

Como a inteligência artificial pode detectar fraudes em planos de saúde

Inteligence Artificial algorithms can analyze patterns and detect anomalies in health insurance claims, helping to reduce fraud and save costs.

Fraude de seguros

Em seu último relatório, a National Health Care Antifraude Association, NHCAA (1), estimou que as fraudes recebidas pelas seguradoras no setor de saúde dos EUA representam entre 3% e 10% dos gastos totais do sistema. Se considerarmos os mais de 2,26 trilhões de dólares que estão sendo investidos anualmente, isso representa perdas entre 70 e 300 bilhões de dólares por ano.

O mais sério é que, além das perdas monetárias, foi demonstrado que a fraude no sistema de saúde também representa um risco para o atendimento ao paciente. Em outubro de 2019, a John Hopkins University (2) publicou um estudo que descobriu que pacientes tratados por instituições prestadoras, que foram posteriormente excluídos do sistema por fraude, tinham 14% a 17% mais chances de morrer do que aqueles tratados por provedores que não cometeram fraude.

Em resposta, as seguradoras iniciaram a tarefa de treinar especialistas para identificar os diferentes casos de fraude que surgem manualmente. Para isso, eles definem um conjunto de regras básicas para determinar quando um processo pode ser rotulado como fraudulento. No entanto, esse processo manual leva muito tempo devido ao alto volume de casos e pode apresentar erros consistentes (3).

A Inteligência Artificial pode ajudar a detectar fraudes em seguradoras de saúde?

Algoritmos inteligentes podem aprender com casos históricos e se adaptar de forma complexa para identificar padrões na detecção de fraudes. Os bancos usam esse tipo de tecnologia para detectar lavagem de dinheiro ou fraudes. Esse sistema pode identificar e corrigir erros e evitar intervenções desnecessárias ou ineficazes, economizando muito tempo, dinheiro e esforço.

Todas as reivindicações podem ser analisadas automaticamente como um algoritmo, tornando o tempo necessário para identificar uma possível fraude apenas o tempo necessário para o algoritmo analisar as informações (normalmente menos de 1 minuto). Ao priorizar as reivindicações, as operadoras podem investir melhor seu tempo no tratamento de reclamações, diminuindo drasticamente os erros operacionais associados às restrições de tempo. Finalmente, os modelos de detecção de fraudes têm tanta sensibilidade e precisão que podem gerar uma redução de 3 a 10% nas despesas com fraudes não detectadas para seguradoras de saúde.

Como treinar algoritmos de IA capazes de detectar fraudes em seguros?

Com a funcionalidade Hipócrates do Arkangel Ai, é possível treinar modelos de detecção de fraudes sem escrever uma única linha de código. Hipócrates processa e analisa os dados disponíveis da seguradora e executa centenas de experimentos automaticamente até desenvolver um algoritmo capaz de detectar reclamações anormais de pacientes e direcioná-los para uma investigação de suspeita de fraude com um agente. Esse algoritmo tem dois objetivos principais:

O que Hipócrates precisa para desenvolver um algoritmo de inteligência artificial capaz de detectar fraudes em seguros?

Como qualquer plataforma baseada em IA, o Hipócrates exige um conjunto de dados para servir como entrada em seu processo de aprendizado. Nesse caso, essas informações correspondem a um banco de dados histórico (> 24 meses) de reclamações contendo registros de algumas variáveis, como: o custo associado à solicitação, dados básicos dos beneficiários (idade, sexo etc.), código ICD de diagnóstico da reclamação, especialidade do médico assistente, entidade prestadora do serviço, entre outras variáveis de interesse para a detecção de fraudes e, é claro, a identificação de se o registro corresponde ou não a uma fraude registro enviado.

Depois que os dados são estruturados, Hipócrates desenvolve o algoritmo em 5 fases.

  1. Compilação e pré-processamento dos dados das reivindicações.
  2. Análise dos dados com algoritmos estatísticos.
  3. Treinamento de algoritmos de inteligência artificial.
  4. Desenvolvimento de métricas de benchmarking.
  5. Teste de campo com amostras reais de reivindicações.

As seguradoras que estão considerando o uso de um sistema de IA no gerenciamento de sinistros devem priorizar uma cultura de gerenciamento de dados e estruturar uma base sólida para o sucesso na detecção de fraudes:

O Arkangel Ai também pode ajudá-lo a estruturar esses dados.

A inteligência artificial desempenhará um papel essencial na digitalização de processos que envolvem a análise de centenas de dados e variáveis com extrema precisão. Nesse sentido, não surpreende que todas as grandes empresas tenham implantado suas equipes de inovação para implementar soluções tecnológicas que agregam valor a seus serviços e produtos, e o setor de saúde não é exceção. Na verdade, a saúde talvez seja um dos setores em que a IA terá maior impacto potencial.

**Se você quiser saber mais sobre o software Arkangel Ai e sua funcionalidade, Hippocrates AutoML, deixe-nos seu (informações profissionais) e um de nossos agentes entrará em contato com você para acompanhá-lo na integração individual de nossa tecnologia e aconselhá-lo sobre o projeto que você tem em mente.

(1) PAINEL DE TENDÊNCIAS DE FRAUDE

(2) Associação entre tratamento por autores de fraudes e abusos e resultados de saúde entre beneficiários do Medicare

(3) Economia de 5 milhões de euros graças à não necessidade de pagar fraudes comprovadas de sinistros

Se você quiser saber mais sobre Arkangel Ai entre em contato conosco aqui e um dos membros da nossa equipe entrará em contato com você para uma sessão individual.

Book a Free Consultation

Trusted by the world's top healthcare institutions