論考記事

医療保険の不正検知 | シフトテクノロジー

作成者: Shift Technology|2022/12/11 23:00:00

本ブログ記事は、シフトでプリセールスを専門とし、カスタマー サクセス マネージャーのアメリカ統括部長を務めるリッキー・D・スルーダー公認不正検査士が、医療保険 SIU における AI利用について語ったビデオ ポッドキャスト(英語) の内容を書き起こしたものです。

不適切な支払いの検知を担当する調査員向けに新たな支援ソリューションを探すと、人工知能 (AI) 、機械学習 (ML)、自然言語処理 (NLP) を謳う無数のソリューションが見つかります。そのような謳い文句は決して嘘ではありません。そもそも、調査業務用のテクノロジー販売を手がける詐欺師はそれほど多く存在しません。問題は、こうしたソリューションの多くが特定の手法で整理されたデータを必要とするか、統計的な異常の検知しかできなことです。統計的異常は素晴らしいデータですが、使いやすくはありません。

市場に流通する AI ベースのソリューションのほとんどは、調査員による手動のプロセスで使えるインサイトを提供することに重点を置いています。しかし、シフトのアプローチは少し異なります。シフトでヘルスケア領域専門家を務めるリッキー・D・スルーダー公認不正検査士は、健康保険における不正検知の分野でシフトのソリューションが競合他社と一線を画している理由として、3 つの主要な差別化要因を指摘しています。

1.強化モデル

シフト・不適切支払検知ソリューションは、教師ありモデル、教師なしモデル、そして強化学習モデルを使用します。

教師ありモデルと教師なしモデルは、業界のほとんどの現場で使われています。いずれのタイプも、統計的知見の提供や、調査員に役立つ可能性のある異常値の特定に優れますが、そのデータを適用するには多くの手作業が必要です。

強化学習モデルでは、より直線的な視点で考えるように訓練され、調査員にとってより有用な方法で分析を提示するのに役立ちます。シフトはこの手法を使用して、パターンを探すだけでなく、パターンから意味を見出すプロセスを自動化するようモデルを教育します。すると、潜在的な不適切な支払いのケースの特定に伴う従来の労働集約的なプロセスを強化学習モデルで迅速化することが可能になります。

シフトのソリューションは履歴情報を提供して分析結果を通知するほか、外部データを統合することで、調査員が結論を出すために通常は手作業が必要となる処理を自動化します。強化学習のない AI モデルは、使い道のない道具のようなものです。強化学習を活用すれば、モデルはソリューションへと変わります。

強化学習でトレーニングを行うと、シフトのソリューションで遠隔医療不正創傷治療不正など、人間の調査員がまだ気付いていない新たな手口を予防的に検出することも可能です。医療保険不正を阻止する上で最大の課題の 1 つは、悪意のある行為者の技術の進化が非常に早いことです。したがって、この機能はゲーム チェンジャーとなりえます。

2.不正検知と防止の迅速化 + 投資利益率の向上

シフトの技術が特に SIU (特別捜査班) にもたらす価値について、スルーダーは 2 つの重要な側面を強調しました。

  1. 投資利益率: 前述の強化モデルのおかげで、シフトのソリューションは実装後すぐに、潜在的な不適切支払いのケースの特定を開始することができます。次に手作業を減らし、SIU での作業の有効性を高めることで、不正検知と防止のプロセスを迅速化します。
  2. 少ない労力でより多くを行う: シフトのソリューションを利用する場合、データ サイエンティストや技術専門家をチームに追加する必要はありません。これは、一定の予算内で業務にあたる SIU にとって非常に役立ちます。 
  3. 説明可能なアラート: 調査を行うために統計結果を読み解くのではなく、すばやく有意義な調査に関連する根拠、情報、バリューを調査員に提示します。

シフトが AI モデルをトレーニングする手法を使うと、すばやいデプロイが可能です。さらにシフトのリソースが技術的な重労働を引き受けるため、プロセスの適正な稼働を維持するための専門の人材を雇う必要がありません。

3.準備済みのデータがなくても、問題ありません。

シフトのソリューションが市場の大多数の製品を上回るもう 1 つのアドバンテージが、シンプルにデプロイできることです。

先に指摘したように、医療保険事業者がシフトのソリューションを使用するにあたって、チームにデータ サイエンティストを追加する必要はありません。実際のところ、このソリューションを起動して実行するために必要となるのは、Web ブラウザーへのアクセスだけです。その狙いは、医療保険における不正検知をできるだけ簡単にすることです。

さらに、多くのソリューションでは、AI モデルに適切にデータを取り込むために医療保険事業者が特定の手法でデータを整理する必要があります。シフトのソリューションを使う場合、医療保険事業者は特定の手法を用いたデータ構造化処理を要求されることはなく、データをそのまま取り込むことが可能です。形式や事前のマッピングに関する要件もありません。シフトのエキスパートは保存形式を問わずクライアント データを取得し、事業者側で分析可能な状態にします。このため、ソリューション導入にあたって既存のテクノロジーや専門知識の壁が立ちはだかることもありません。

医療保険会社には大量のデータがありますが、AI や ML による既存のソリューションを導入していない場合、データをマシン フレンドリーな形式に変換するために必要なリソースが存在しないこともあります。シフトのソリューションを実装する場合は、既存のデータの形式に関係なく、シフトに既存のデータへのアクセスを許可するだけで済みます。

まとめ

スルーダーは、「シフトの目標はウィジェットを販売することではなく、医療保険事業者と提携して調査員の作業の有効性を高めること」だと明確に述べています。シフトのソリューションは、医療保険事業者が SIU の機能を変えることなく、ルール ベースの分析やクレーム ポリシー レベルの分析から技術的に成熟したシステムへ移行する手助けとなります。

このソリューションを導入することで、医療保険事業者は運用のやり方を変えることなく、より効率的な調査を実現して医療保険の不正と戦うことができます。

さらに豊富なインサイトに関心をお持ちの方は、ぜひビデオ ポッドキャスト(英語) をご視聴ください。