“Doutor, retire isso da conta”: como procuramos serviços ilegais na VHI

Em muitos hospitais que operam no VHI e simplesmente prestam serviços pagos diretamente à população, existe um tipo de "plano de vendas" para cada profissional. A implementação deste plano é muitas vezes alcançada de maneira desonesta às custas do segurado através da VHI. Por exemplo:

1. Os serviços abrangentes são divididos em manipulações médicas componentes, para que a verificação seja maior.
2. Procedimentos e estudos excessivos são prescritos no tratamento de diagnósticos - especialmente se o hospital adquiriu recentemente novos equipamentos.

Esse abuso é um grande prejuízo para as seguradoras do setor de seguro de saúde voluntário (VHI), que já estão em forte concorrência e são forçadas a expandir seu programa de seguro para atrair clientes. Portanto, por sua vez, existem médicos especialistas envolvidos na verificação regular de contas. E em caso de violações - a conduta da chamada "prevenção" em instituições médicas.

Tudo isso é um trabalho longo e rotineiro, exigindo que o especialista esteja extremamente concentrado. De fato, a validade do serviço é influenciada por vários fatores relacionados ao histórico do tratamento do paciente e ao seu programa de seguro, além dos recursos da lista de preços no hospital. Naturalmente, onde quer que você veja a palavra "rotina", você pode aplicar a automação. O que nós fizemos. Não sem dificuldades.

O que são serviços ilegais

Recentemente, fui novamente à clínica ao lado do escritório para obter serviços para a política de VHI. Uma toupeira inflamada quase sempre não é assustadora, mas observar um dermatologista não fará mal (caso contrário, você nunca sabe).

Tudo estava em ordem, mas o médico se recusou a fazer um exame de rotina das marcas de nascença restantes, que são a fonte permanente de minhas hipocôndrias. Referido ao fato de que esses serviços não estão incluídos na apólice e na próxima vez que o especialista verificar a companhia de seguros, ela será multada. O médico estava certo: um caso de seguro nos programas VHI geralmente é uma doença aguda ou uma exacerbação de uma doença crônica. Todos esses casos não incluem inspeção para prevenção, não importa o quanto eu queira.

Mas longe de sempre, os médicos de instituições médicas (ou hospitais abreviados) estão bem cientes das regras para a prestação de serviços de VHI e ainda menos conscientemente os observam. Como resultado, um médico especialista que verifica contas após o tratamento do segurado pode ver, por exemplo, algo como isto:
Ao mesmo tempo, na lista de preços dos hospitais, existe um serviço abrangente que inclui os dois tipos de massagem e é mais barato que a quantidade de serviços individuais:
Assim, de cada (!) Paciente que recebeu uma combinação semelhante de serviços em vez de um complexo, a companhia de seguros sofre perdas. Obviamente, se o médico especialista não perceber isso a tempo e não emitir um serviço de substituição na conta.

A propósito, verifique o que acontece na sua conta se você mesmo usa remédios pagos. Talvez os complexos sejam recrutados aproximadamente da mesma maneira.


E esses ainda são casos simples. Nós entendemos mais.

Suponha que você tenha um bebê e o levou a um médico com suspeita de conjuntivite viral. Como no tratamento de qualquer outra doença, o médico deve ser orientado pela prática clínica e documentação regulatória. Por exemplo, o padrão de atendimento é semelhante a uma tabela com uma lista de serviços obrigatórios para o diagnóstico e tratamento de uma doença específica. Os spoilers para o tratamento do seu suposto filho podem ser lidos diretamente no site do Ministério da Saúde .

No entanto, além do conjunto usual de serviços para pagamento, o seguro pode incluir o seguinte:
Ao estudar o Padrão, pode-se entender que nenhuma pneumonometria (como é chamado um dos métodos para determinar a pressão intra-ocular) é feita neste caso - além disso, é contra-indicado em caso de doenças virais do olho. Nosso conhecido especialista simplesmente explica esses serviços ilegais: "Se a clínica tiver desembarcado em uma nova unidade, deverá recuperar de alguma forma seu custo".

Por onde começamos

Estabelecemos o objetivo de automatizar o estágio de verificação de contas de estabelecimentos de saúde para médicos especialistas em uma companhia de seguros (não podemos divulgar todos os nomes, senhas e aparências à NDA). O plano era o seguinte: com a ajuda de modelos de aprendizado de máquina, localize e "destaque" no registro de serviços de contas semelhantes aos ilegais identificados anteriormente.

Para ensinar um carro a distinguir entre serviços “ruins” e “bons”, precisamos de dados sobre como o segurado é tratado e quais serviços o especialista removeu ou substituiu na conta após a verificação. Tendo aberto contas reais, de repente nos deparamos com o fato de que é quase impossível obter estatísticas claras sobre a prestação de serviços de cada tipo. Verificou-se que o VHI não possui um padrão específico para nomear serviços médicos, diferentemente do MHI, onde o código para a Nomenclatura de Trabalho e Serviços em Saúde corresponderá estritamente a todos os serviços.

Por exemplo, um dos métodos de higiene profissional em VHI pode ser escrito da seguinte maneira:

• Limpeza de bicarbonato.
• Remoção da placa por fluxo de ar.
• Procedimento de jateamento.

Esses serviços também não são inerentemente diferentes:

• RG dos pulmões.
• R-gráfico do peito.
• Radiografia diagnóstica de OGK.

A situação é agravada pelo fato de as contas serem frequentemente preenchidas manualmente, e isso apenas aumenta a variabilidade dos serviços de escrita devido a erros de digitação, marcas e abreviações desnecessárias. Aqui estão alguns exemplos de tais quebra-cabeças:



Como resultado, é quase impossível entender como eles prestaram o mesmo serviço, em essência, em diferentes regiões ou mesmo em hospitais da sua cidade sem classificação de nomes (e o uso de tecnologias de análise de texto).

Nós nos armamos com o SAS Visual Text Analytics e, para começar, realizamos análises temáticas de texto usando o aprendizado de máquina e as tecnologias de PNL. Isso ajudou a identificar automaticamente os chamados "tópicos" em uma ampla e diversificada gama de serviços - pequenos grupos de textos que o sistema considerou semelhantes com base na combinação de palavras-chave. Analisamos todos os resultados em conjunto com especialistas e delineamos a estrutura do futuro classificador, combinando os “tópicos” resultantes em grandes classes de acordo com a lógica médica (por exemplo, em “Diagnósticos”, “Consultas médicas”, etc.). Para correlacionar os nomes dos serviços do conjunto de treinamento com as classes resultantes, para cada um deles, escrevemos as regras em nossa ferramenta.

Repetimos essa sequência de etapas para cada classe subsequente exatamente até atingirmos o nível de detalhe de serviços específicos. Assim, por exemplo, parece uma regra simplificada para o método de higiene profissional a partir dos exemplos acima:

(OR,
"**",

"**", "**",

(ORDDIST_1, "a", "f"),
(DIST_2, "air*", "*flow"),
(DIST_2, (OR, "*", "*", "*"), "**"),

(DIST_3, "*", "*", "*"),
(DIST_2, (OR, "*", "*"), "**")
)

Por que tudo isso é necessário? E por que fomos de uma maneira tão difícil, em vez de apenas colocar tudo em uma rede neural?

Naturalmente, não tínhamos nenhuma amostra rotulada para treinamento. Mas a especificidade da área em questão é um obstáculo ainda maior: devido à falta de requisitos estritos para a composição dos serviços no VHI, surgem regularmente exceções e casos complexos de fronteira, que médicos especialistas de diferentes seguros interpretam à sua maneira. Todas essas sutilezas da regra nos permitem descrever com muito mais precisão.

Por exemplo, aqui as palavras-chave são as mesmas, mas, dependendo do pedido, a essência do serviço muda completamente:

Como treinamos modelos

No aprendizado de máquina, a regra "você é o que come" funciona perfeitamente. Se você "alimentar" dados de baixa qualidade no modelo, o resultado será o mesmo. Em nossos projetos, prestamos muita atenção ao estágio de preparação dos dados. Isso é especialmente verdadeiro no campo da VHI: a seguradora recebe informações sobre o tratamento de pacientes de vários hospitais, cada um com sua própria base. Consequentemente, um erro pode surgir tanto ao preencher uma conta no lado da instituição médica quanto ao carregá-la no banco de dados da companhia de seguros. Como resultado, ao examinar os dados, encontramos um serviço e meio na conta, preços negativos e uma mudança repentina no sexo do paciente.

Tendo pensado sobre a abordagem para corrigir erros, começamos a coletar indicadores para modelagem. Estávamos interessados ​​em uma variedade de informações que descrevem o contexto do serviço: os parâmetros do próprio serviço, sua essência, o histórico de interação com os serviços de saúde, o histórico de tratamento do segurado e muito mais. No total, contamos mais de 20 mil indicadores. Nós os usamos para treinar o modelo, que revelou automaticamente os padrões característicos dos serviços "ruins".

Em seguida, eles aplicaram o modelo a novas contas e colocaram uma pontuação de 0 a 1. Em frente a cada serviço médico, mostrando como o serviço é semelhante ao ilegal identificado anteriormente: quanto mais próxima a pontuação de 1, maior a similaridade. De fato, por trás dessa figura há um complexo e nem sempre óbvio para o processo de tomada de decisão de uma pessoa (como costuma acontecer no aprendizado de máquina). Se você tentar interpretar a lógica da máquina, de forma simplificada, ficará assim:

• O serviço pertence à classe “Higiene bucal abrangente” (+ 0,01 pontos) .
• O serviço anterior pertence à classe “Remoção de placa dentária” (+ 0,25 pontos) .
• O custo do serviço atual é de mais de 3.000 rublos (+ 0,1 pontos) .
• O serviço foi prestado na filial de Krasnodar (+ 0,05 pontos) .
• ...

Se, como resultado, a pontuação estiver acima de um certo valor-limite, isso é um sinal para o especialista de que o serviço desse paciente requer controle especial durante a verificação. A partir deste momento, inicia-se uma investigação detalhada do incidente, ao final do qual o médico especialista profere seu veredicto final - "executar" ou "ter piedade". Não é um paciente, é claro, mas um serviço a longo prazo.

Resumo do Projeto

A metodologia para padronizar nomes com a ajuda das tecnologias de análise de texto SAS ajudou a montar um único classificador de serviços (que era um grande problema antes para automação), e a definição de serviços semelhantes aos ilegais identificados anteriormente foi implementada usando modelos de aprendizado de máquina. Com base nos resultados dos testes internos do sistema, estávamos convencidos de que conseguimos identificar os tipos mais comuns de erros nas contas, a saber: inclusão de serviços adicionais, desvio do programa de seguro ou regime de tratamento padrão.

Mas tudo isso é apenas o primeiro passo para a automação no VHI. Se você ainda tiver dúvidas ou quiser realmente saber o que mais podemos fazer, procure-nos aqui .