Blog post

Machine Learning y detección de fraudes en el sector sanitario

La detección precisa de fraudes en la atención médica tiene el potencial de hacer que la medicina sea mejor, más asequible y más accesible. La detección de anomalías, incluida la detección de fraudes, puede ser un desafío desde la perspectiva de los datos dado que es como encontrar una aguja en un pajar. Es decir, la mayoría de las interacciones no son fraudulentas, por lo que encontrar las que sí lo son requiere una estrategia comercial sólida por adelantado combinada con un modelo sólido de aprendizaje automático, además de una forma de poner en funcionamiento los dos.

Como ocurre con la mayoría de los proyectos de Data Science e inteligencia artificial, el resultado final de la detección de anomalías no es solo un algoritmo o modelo de trabajo. En cambio, se trata del valor de la información que brindan los valores atípicos. En el sector sanitario, además de la detección de fraudes (tanto para prescripciones como para casos de seguros), la detección de anomalías se utiliza a menudo para combatir la reincidencia del paciente.

Técnicamente hablando, la detección de fraudes se encuentra bajo el paraguas de la detección de anomalías. La detección de anomalías se trata de encontrar patrones de interés (valores atípicos, excepciones, peculiaridades, etc.) que se desvíen del comportamiento esperado dentro de los conjuntos de datos.

Dataiku en el sector sanitario

Dataiku es una de las plataformas de inteligencia artificial y aprendizaje automático líderes en el mundo, que respalda la agilidad en los esfuerzos de datos de las organizaciones a través de una inteligencia artificial colaborativa, elástica y responsable, todo a escala empresarial. Dataiku permite a las organizaciones sanitarias construir su propio camino hacia la IA mediante:

• Hacer que la IA sea accesible para una población más amplia (incluidos no solo los científicos de datos, sino también los médicos, analistas y personal comercial).

• Facilitar y acelerar el diseño de modelos de aprendizaje automático para crear servicios impulsados por IA y modelos de detección de anomalías.

• Proporcionar un entorno centralizado, elástico y gobernable que impulse una estrategia de IA responsable.

Específicamente, los usuarios y las organizaciones en el espacio de la salud pueden aprovechar Dataiku para:

• Procesamiento y limpieza de datos de manera automática que se pueden consolidar de una variedad de fuentes ordenadas o datos de sensores. El pre-procesamiento permite a los usuarios utilizar la "coincidencia aproximada" para aclarar las discrepancias en el nombre y la identidad entre diferentes registros médicos.

• La colaboración para usuarios técnicos, comerciales y médicos significa que todas las partes interesadas pueden visualizar y comprender las raíces de la información basada en datos, desmitificando así la "caja negra" y mejorando la confianza en los sistemas habilitados para IA.

• El acceso que cumple con las regulaciones restringe qué usuarios pueden acceder a qué datos, y las capacidades de pseudoanonimización permiten a los usuarios sin los permisos de acceso necesarios interactuar y aprender de los datos confidenciales sin comprometer la privacidad del paciente.

• El análisis de subpoblaciones equipa a los usuarios con herramientas para ver cómo los modelos de aprendizaje automático responden a poblaciones específicas (por ejemplo, grupo de edad, tipo de procedimiento, prescripción). Esto es particularmente útil cuando se exploran sesgos o anomalías dentro de un sistema y se pueden resaltar áreas de mejora en futuras actualizaciones. Referencias: Todos los derechos reservados a Dataiku