Μέθοδοι αναλυτικής των δεδομένων και στατιστικής μηχανικής μάθησης στην ανίχνευση της απάτης στην ασφάλιση υγείας
Data analytics and machine learning methods for health insurance fraud detection
Master Thesis
Συγγραφέας
Αντωνοπούλου, Ουρανία
Antonopoulou, Ourania
Ημερομηνία
2022-09Επιβλέπων
Μπερσίμης, ΣωτήριοςBersimis, Sotiris
Προβολή/ Άνοιγμα
Λέξεις κλειδιά
Fraud ; Health insurance fraud ; Machine learning ; Data analytics ; Fraud detection ; Supervised methods ; Unsupervised methods ; Hybrid methods ; Areas of fraud detectionΠερίληψη
Η έκταση, η πιθανότητα και η πολυπλοκότητα της βιομηχανίας υγειονομικής περίθαλψης έχει προσελκύσει εκτεταμένη απάτη που έχει σημαντικό αντίκτυπο στην οικονομία. Οι δόλιες δραστηριότητες όχι μόνο συμβάλλουν στην αύξηση του προβλήματος των δαπανών της υγειονομικής περίθαλψης, αλλά επηρεάζουν επίσης την υγεία των ασθενών. Η πρόκληση στα τρέχοντα συστήματα εντοπισμού απάτης έγκειται κυρίως στην κατανόηση της επιβάρυνσης της χρηματικής απώλειας και των ασυνήθιστων συμπεριφορών.
Παρά την εφαρμογή διαφόρων τεχνολογιών και στρατηγικών για την καταπολέμηση της απάτης, όπως προγραμματισμένοι, στοχευμένοι και τυχαίοι έλεγχοι, καταγγελίες και βιομετρικά συστήματα, η απάτη στην ασφάλιση συνεχίζει να αποτελεί μεγάλο πρόβλημα για τους περισσότερους παρόχους ασφάλισης υγείας.
Σκοπός της παρούσας διπλωματικής εργασίας είναι να ευαισθητοποιήσει σχετικά με αυτόν τον σημαντικό τομέα το ευρύτερο κοινό αλλά και να καταδείξει την αναγκαιότητα για τους σχετικούς δημόσιους οργανισμούς και τις εταιρείες του χώρου της υγείας να επενδύσουν ένα σημαντικό μέρος του κεφαλαίου τους αλλά και του χρόνου τους στη σοφή αξιοποίηση των δεδομένων, τα οποία διατίθενται πλέον στον κόσμο, στην στατιστική μηχανική μάθηση, καθώς και σε τεχνικές προβλεπτικής αναλυτικής με σκοπό την μείωση της απάτης στην ασφάλιση υγείας.
Αρχικά, δίνονται οι σχετικοί ορισμοί για την απάτη στην ασφάλισης υγείας καθώς και μία επισκόπηση του προβλήματος και των τρόπων και μορφών με τις οποίες αυτή εμφανίζεται. Στη συνέχεια, υπογραμμίζεται με διάφορα παραδείγματα απάτης στον τομέα της υγειονομικής περίθαλψης πόσο σημαντικό είναι το πρόβλημα. Επιπλέον, παρατίθενται και άλλοι τομείς εντοπισμού απάτης, οι οποίοι υποστηρίζονται με διάφορες μελέτες περιπτώσεων. Στη συνέχεια γίνεται μία διεξοδική αναζήτηση στη βιβλιογραφία για τις εφαρμογές της ανάλυσης δεδομένων και της στατιστικής μηχανικής μάθησης που έχουν χρησιμοποιηθεί μαζί με μελέτες περιπτώσεων. Έπειτα, αναφέρονται οι συνήθεις μέθοδοι μηχανικής μάθησης στον εντοπισμό της απάτης. Τέλος, επιλεγμένες μεθοδολογίες εφαρμόστηκαν σε πραγματικά δεδομένα προκειμένου να παρουσιαστεί μια ολοκληρωμένη μελέτη περίπτωσης με στόχο τη δημιουργία ενός μοντέλου που μπορεί να εντοπίσει με χαμηλότερο κόστος και δαπάνες δόλιους παρόχους στην ασφάλιση υγείας.