ИИ научился выявлять мошенничество с медицинскими страховками с точностью до 91% Исследователи из Shenzhen University и Shenzhen MSU-BIT University (Китай) разработали систему TADCA для выявления потенциально мошеннических действий со стороны медицинских организаций. ИИ-модель анализирует последовательности страховых требований, в том числе частоту их подачи, и одновременно оценивает неопределенность собственных прогнозов. Для разработки использовали открытый массив из 558,2 тысячи страховых требований за 2009 год, включавший данные 5 410 поставщиков медицинских услуг. Из них 506 были отнесены к категории потенциально мошеннических. Авторы установили, что у таких организаций медианный интервал между требованиями составлял один день против 7,5 дня у остальных. При сочетании большого числа требований с короткими интервалами доля мошеннических организаций достигала 29,5%. TADCA сравнили с девятью другими моделями машинного и глубокого обучения. По показателю AUROC (способность отличать мошеннические организации от добросовестных) модель показала лучший результат – 90,7%. При проверке только 10% организаций с самым высоким прогнозируемым риском мошенничество было выявлено у 62,4% из них. В эту группу вошли 64,8% всех мошеннических организаций, представленных в тестовой выборке. Разработчики рассматривают TADCA как инструмент для отбора организаций на дополнительную проверку, а не для автоматического признания их нарушителями. Система определяет уровень риска, оценивает степень неопределенности прогноза и показывает, какие страховые требования сильнее всего повлияли на результат. Авторы указывают на ограничения исследования: модель тестировали на данных только за один год. Для оценки ее эффективности в реальных условиях необходимы дальнейшие исследования на данных за несколько лет и в разных системах здравоохранения. Подписывайтесь на наши каналы в MAX: Vademecum и Vademecum Live
Vademecum Live
Subscribers
12.6K
+0 24h
Reach per post (ERR)
12.8%1.6K avg views
Posting
13.4/day
last 1 hour ago
Reactions per 1K views
3.8
❤ 👍 🔥
Views over time
| When | Views |
|---|---|
| 9 Sep 2026, 15:08 | 0 |
| 11 Nov 2026, 16:09 | 1K |
Who shared this post
Posts in other channels we index that link to this one. (Forwards with a hidden source can't be traced.)
Nobody yet.