Protótipo baseado em regras de produção e aprendizado de máquina para descoberta de fraudes em seguros de saúde

• Jose Wander Nunes SULAMERICA

Resumo

Os algoritmos de aprendizado de máquina podem ser usados para detectar fraudes em conjuntos de dados de sinistros seguros de saúde. Esses algoritmos pressupõem que o padrão de fraude no futuro será o mesmo que no passado o que resulta em uma limitação devido a sua dependência de conhecimento prévio confiável. Na indústria de seguros, a maioria das operadoras não possui recursos suficientes para examinar todas as transações então essa presunção pode ser impraticável. Um dos caminhos para se proceder nesses casos é a composição de técnicas de inteligência artificial. Este trabalho teve por objetivo introduzir um sistema baseado em regras e aprendizado de máquina para descoberta de fraudes em seguros de saúde. O modelo proposto respondeu com relativa eficácia ao problema apresentado.

Palavras-chave: Aprendizado de máquina, Sistemas especialistas, Detecção de fraudes

Referências

Franh, E.; Hall, M. A.; Witten, I. H.(2016) The WEKA Workbench: Online Appendix for "Data Mining: Practical Machine Learning Tools and Techniques", Morgan Kaufmann, Fourth Edition. Disponível em: . Acesso em: 3 fev. 2019.

Jboss Drools Team. Drools Documentation: Hybrid Reasoning. Disponível em: . Acesso em: 17 jun. 2018.

Kim, Y.; Vasarhelyi, M. A. (2012) A Model to Detect Potentially Fraudulent/Abnormal Wires of an Insurance Company: An Unsupervised Rule- Based Approach. Journal Of Emerging Technologies In Accounting, [s.l.], v. 9, n. 1, p.95-110. American Accounting Association. DOI: http://dx.doi.org/10.2308/jeta-50411.

Kirlidog, M.; Asuk, C. (2012) A Fraud Detection Approach with Data Mining in Health Insurance. Procedia - Social And Behavioral Sciences, [s.l.], v. 62, p.989-994. Elsevier BV. DOI: http://dx.doi.org/10.1016/j.sbspro.2012.09.168.

Lara, N. C. (217) Evidências de práticas fraudulentas em sistemas de saúde internacionais e no Brasil. [s. L.]: Instituto de Estudos de Saúde Suplementar. Textos para Discussão número 62-2017. Disponível em: . Acesso em: 30 jun. 2018.

Pandey, P.; Saroliya, A.; Kumar, R. (2017) Health Insurance Fraud Using Data Mining and Predictive Modeling Techniques. Analyses and Detection of Advances In Intelligent Systems And Computing, [s.l.], p.41-49, Springer Singapore. DOI: http://dx.doi.org/10.1007/978-981-10-5699-4_5.

Shin, H. et al. (2012) A scoring model to detect abusive billing patterns in health insurance claims. Expert Systems With Applications, [s.l.], v. 39, n. 8, p.7441-7450. Elsevier BV. DOI: http://dx.doi.org/10.1016/j.eswa.2012.01.105.