Medical Scientific Bulletin of Central Chernozemye (Naučno-medicinskij vestnik Centralʹnogo Černozemʹâ)Medical Scientific Bulletin of Central Chernozemye (Naučno-medicinskij vestnik Centralʹnogo Černozemʹâ)1990-472XФедеральное государственное бюджетное образовательное учреждение высшего образования "Воронежский государственный медицинский университет имени Н.Н. Бурденко" Министерства здравоохранения Российской Федерации898510.18499/1990-472X-%Y-%v-%i-83-89HEALTH INSURANCE FRAUD DETECTION SUBSYSTEM BASED ON MACHINE LEARNING MODELSDanilovAlexander Valentinovichidf-dav@omsvrn.ruIsaenkovaEvgenia Alexandrovnazpz-iea@omsvrn.ruBulyginaNatalya Vladimirovnaoiib-bnv@omsvrn.ruNevzorovaElena Vladimirovnaoiib-nev@omsvrn.ruTerritorial fund of compulsory medical insurance of the Voronezh region.
Voronezh State Medical University.Territorial fund of compulsory medical insurance of the Voronezh region83891005202316052023Copyright © 2023, Medical Scientific Bulletin of Central Chernozemye (Naučno-medicinskij vestnik Centralʹnogo Černozemʹâ)2023<p>Identifying fraudulent cases in healthcare using data mining is a complex problem. Most studies note a lack of real-world data for analysis and focus on a very narrow problem, covering either a specific organization alone or a type of health care or disease. The subsystem of interactive machine learning with the use of expertise for detection of cases of fraud in healthcare is considered.</p>
<p>The subsystem evaluates real data for six different types of abnormal behavior with the involvement of experts. Combines both proactive and retrospective analysis with improved imaging tools that significantly reduce the time it takes to establish a high-risk transaction.</p>
<p>Described is a subsystem for supporting decision making based on machine learning methods, which uses transactional data to identify suspicious cases (with assigning each transaction a risk measure based on a cost function) and provides a visual environment that helps expert doctors in determining whether a transaction is an actual fraud.</p>health insurancefraud detectiondecision supportmachine learningмедицинское страхованиеобнаружение мошенничестваподдержка принятия решениймашинное обучение[Bauder R.A., Khoshgoftaar T.M. Medicare Fraud Detection Using Machine Learning Methods. 2017 16th IEEE International Conference on Machine Learning and Applications (ICMLA)- 2017.- pp. 858-865.][Tizian M.T., Prinz C., Masuch K., Trang S. Healthcare in Fraudster's Crosshairs: Designing, Implementing and Evaluating a Machine Learning Approach for Anomaly Detection on Medical Prescription Claim Data // Twenty-fifth Pacific Asia Conference on Information Systems, Dubai, UAE, 2021. – pp. 1-14.][Jyothi P.N., Lakshmi D.R., Rama Rao K.V.S.N. Performance on Fraud Detection in Medical Claims of Healthcare Data // International Journal of Innovative Technology and Exploring Engineering, Vol. 8, Issue 7. - 2019. – pp. 1158-1165.][Как это работает: семь видов мошенничества в разъяснениях Пленума ВС - Верховный Суд Российской Федерации // [Электронный ресурс] Режим доступа: https://www.vsrf.ru/press_center/mass_media/26082/ (дата обращения: 04.03.2023).][Шляпников Ю.В. Информационные основы расследования мошенничества в сфере здравоохранения // Проблемы экономики и юридической практики. 2021. - № 6. - С. 176-179.][Лупарев Е.Б., Епифанова Е.В. Публичное медицинское право: учебное пособие / Е.Б. Лупарев, Е.В. Епифанова; Министерство науки и высшего образования Российской Федерации, Кубанский государственный университет. – Краснодар: Кубанский гос. ун-т. – 2021. – 191 с.][Лимановская О.В. Основы машинного обучения: учебное пособие / О.В. Лимановская, Т.И. Алферьева; Мин-во науки и высш. образования РФ. - Екатеринбург: Изд-во Урал. ун-та, 2020. - 88 с.][Белозерова Е.В., Данилов А.В., Исаенкова Е.А. и др. Прогнозирование развития гипертонической болезни с использованием моделей машинного обучения в подсистеме дистанционного кардиомониторинга / Е.В. Белозерова, А.В. Данилов, Е.А. Исаенкова, Л.Б. Калинина, О.А. Манерова, Ю.И. Усов // Менеджер здравоохранения. - 2022. - № 2. - С. 76-84.][Максимова Л.В. Особенности коррупционных проявлений в сфере здравоохранения / Л.В. Максимова. // Молодой ученый. - 2016. - № 1 (105). - С. 812-815.][Ефремова Е.И., Бахтигозина Э.И. Мошенничество в медицинских организациях: методы борьбы. // Бухучет в здравоохранении. – 2018. - №10.- С. 39-44.][Johnson J.M., Khoshgoftaar T.M. Medicare fraud detection using neural networks // Journal of Big Data. Vol. 6, Article number 63. - 2019.-pp. 1-35.][Единая государственная информационная система в сфере здравоохранения. Подсистема «Федеральный реестр электронных медицинских документов». Описание интеграционных профилей РЭМД (API V.3) // Москва, 2021. – 117 С.][Данилов, А. В. К проблемам отнесения расходов медицинских организаций, оплаченных из средств обязательного медицинского страхования к нецелевому использованию / А. В. Данилов, С. М. Тютина, Е. Н. Егорова // Прикладные информационные аспекты медицины. – 2018. – Т. 21, № 1. – С. 58-67.][Кирсанов, Д. В. Роль страховых медицинских организаций в построении пациент-ориентированного здравоохранения / Д. В. Кирсанов // Прикладные информационные аспекты медицины. – 2018. – Т. 21, № 1. – С. 102-109.]