الذكاء الاصطناعي لكشف الاحتيال في المطالبات

يكلف احتيال الرعاية الصحية أنظمة الصحة وشركات التأمين عشرات المليارات سنويًا. الأشكال الأكثر شيوعًا — الترميز المبالغ فيه، وفك التجميع، والإجراءات الوهمية، وحلقات احتيال مقدمي الخدمات المنظّمة — تترك أنماطًا في بيانات المطالبات يمكن اكتشافها بالتعلّم الآلي. لكن الكشف التقليدي القائم على القواعد يلتقط فقط الحالات الأكثر وضوحًا ويولّد معدلات إيجابية كاذبة عالية تُرهق فرق التحقيق. يُغيّر الكشف بالتعلّم الآلي هذه النسبة.

ما نبنيه

نبني نماذج كشف شذوذ مدرّبة على بيانات المطالبات التاريخية لتحديد أنماط الفوترة التي تنحرف عن معايير الأقران — حسب مقدم الخدمة والتخصص ومجتمع المرضى ومجموعة الإجراءات. يكشف تحليل شبكات مقدمي الخدمات عن مجموعات ذات أحجام مطالبات مرتفعة بشكل غير عادي، أو علاقات فوترة مشتركة، أو مجتمعات مرضى مشتركة تشير إلى مخططات منظّمة. يحدد كشف التقديمات المكررة نفس الخدمة المُفوترة عبر قنوات متعددة. تُقيّم جميع النتائج حسب الثقة والأهمية المالية، مع تكامل سير عمل التحقيق الذي يوجّه الحالات ذات الأولوية العالية إلى وحدات التحقيقات الخاصة.