机器学习可以帮助医疗保险欺诈检测

0
2402
图片来源:Pixabay

不幸的是,根据最近的一项研究,医疗保险欺诈是一种持续的流行病。但是,机器学习最近已成为一种非常有用的工具,可以消除各种已发生的Medicare欺诈。

In  2018, the total  医疗保险计划费用 5,830亿美元,约占联邦政府总支出的14%。它’据估计,医疗保险欺诈几乎是造成损失的原因。 650亿美元 每年的损失。随着AI涉及范围广泛的案例,有可能防止其中一些影响的发生。据研究人员在 佛罗里达大西洋大学,则有可能使用机器学习来有效地识别欺诈实例。

该大学针对六种不同类型的机器学习算法进行了测试 平衡数据集,并且每种算法都有可能确定可能的欺诈实例,以供进一步调查。这可能意味着研究人员和裁决人员有机会在处理案卷时成为盟友。

在确定欺诈行为的构成方面有很多复杂的方法,特别是在文书错误中。博士持有人和学生定期负责跟踪医疗服务和账单,这在连续的Medicare B部分数据中通常可以忽略。

AI可以跟踪大量变量,包括欺诈提供者的数据集实例,欺诈代码等。在一个单独的数据库中组织欺诈提供者并定期记录可能被视为欺诈的案例文件对于正确管理数据集非常重要。

正如大多数研究表明的那样,少数欺诈提供者往往会继续累积大量欺诈账单。在根除其中一些错误时,调查能力经常被忽视。在医生方面进行机器学习可以帮助确保可以轻松消除可能的欺诈根源,并需要进行进一步的调查。

医疗数据欺诈没有’要么完全疏忽,要么很容易发现。在整个机器学习过程中经过研究的大多数提供者都发现了一个优势,即只有 10% 的数据是欺诈性的,足以累加额外的Medicare账单。拥有大约10%的欺诈数据,大多数从业人员都将以其低成本来弥补这一错误。但是,当引入AI学习时,可能会发现一些较小的错误。确定一些较小的欺诈案件可以帮助防止Medicare系统内部持续的滚雪球效应。

当前没有机器学习检测工具来检查整个Medicare系统中的欺诈案件。院长 工程学院不过,他表示,针对德克萨斯州工具的机器学习可能会很快成为未来医疗保险中欺诈检测的改变者。

广告deeplearning.ai与一名学习者的深度学习专业化横幅,戴着眼镜在笔记本电脑上。

发表评论

请输入您的评论!
请在这里输入您的名字

该网站使用Akismet减少垃圾邮件。 了解如何处理您的评论数据.