Ο Γ. Καντώρος για την ψηφιακή καταπολέμηση της ασφαλιστικής απάτης στην Υγεία

Διαφωτιστική σε βάθος ήταν η ομιλία του Γιάννη Καντώρου, Δ/ντος Συμβούλου της Interamerican και Προέδρου της Επιτροπής Ασφαλίσεων Υγείας της Ένωσης Ασφαλιστικών Εταιρειών Ελλάδος, για την ασφαλιστική απάτη στον τομέα της Υγείας, κατά την επιστημονική ημερίδα που οργάνωσαν πρόσφατα τα ακαδημαϊκά τμήματα Οργάνωσης & Διοίκησης Επιχειρήσεων και Στατιστικής & Ασφαλιστικής Επιστήμης» του Πανεπιστημίου Πειραιώς, υπό την αιγίδα της Ε.Α.Ε.Ε. και του Συνδέσμου Ελλήνων Μεσιτών Ασφαλίσεων, με θέμα «Data Analytics and Machine Learning for Insurance Fraud Detection».

Το στέλεχος της ασφαλιστικής αγοράς ανέδειξε τη σοβαρότητα του θέματος για την ασφαλιστική βιομηχανία, σε όλον τον κόσμο και στην Ελλάδα. Τόνισε ότι, στην προσπάθεια για την αντιμετώπιση του προβλήματος, η εξέλιξη της τεχνολογίας προσφέρει σημαντικά εφόδια τα οποία -εφόσον  χρησιμοποιηθούν σωστά- μπορούν να οδηγήσουν σε λύσεις και να βοηθήσουν τους δημόσιους και ιδιωτικούς οργανισμούς να ελαχιστοποιήσουν τις απώλειές τους. Ειδικότερα, ο ομιλητής αναφέρθηκε στη σωστή πρόσβαση και χρήση δεδομένων, καθώς και στη σχεδίαση και υλοποίηση εξελιγμένων αλγορίθμων μηχανικής μάθησης, που παρέχουν τη δυνατότητα στις επιχειρήσεις να εκτιμήσουν -φυσικά, μέσα σε ένα όριο στατιστικής σημαντικότητας- πιθανά προφίλ που θα μπορούσαν να προκαλέσουν απάτη.

Όπως επεσήμανε ο κ. Καντώρος, η αυτοματοποίηση, η ακρίβεια της πρόβλεψής τους και η επεκτασιμότητά τους, είναι κάποια από τα πιο ουσιαστικά πλεονεκτήματα που προσφέρουν οι αλγόριθμοι αυτοί για την αντιμετώπιση της ασφαλιστικής απάτης. Ο συνδυασμός των εν λόγω εξελιγμένων στατιστικών τεχνικών με τις πιο παραδοσιακές ασφαλιστικές τεχνικές αντιμετώπισης, όπως είναι η ανάληψη κινδύνων και η διαχείριση ζημιών, δημιουργεί ένα σημαντικό πλέγμα προστασίας και προσφέρει στους ασφαλισμένους καλύτερες και πιο ασφαλείς λύσεις.

Ως απάτη ορίζεται η ενσυνείδητη υποβολή μιας πλασματικής αξίωσης, η διόγκωση μιας αξίωσης ή προσθήκη επιπλέον αντικειμένων σε μια αξίωση, ή ακόμη με οποιονδήποτε τρόπο η πρόθεση να αποκτηθούν περισσότερα από τα νόμιμα δικαιώματα. Ο ομιλητής παρατήρησε πως στην ασφάλιση υγείας η απάτη πραγματοποιείται, συνήθως, με τη δήλωση ψευδών στοιχείων για οικονομικό όφελος όταν ένας πελάτης ή ένας οργανισμός αιτείται ασφάλιση, κυρίως κατά την υποβολή αιτήματος αποζημίωσης. Το κόστος διαχείρισης της απάτης μπορεί να επιφέρει σημαντική αύξηση των ασφαλίστρων σε όλο το χαρτοφυλάκιο ασφάλισης, καθώς επίσης να οδηγήσει σε καθυστερημένη εκδίκαση αξιώσεων, γεγονός με αρνητική επίδραση στις τεχνικές προβλέψεις (υποχρεώσεις).

Ο Γιάννης Καντώρος διέκρινε δύο κατηγορίες προέλευσης της απάτης:

• από τους ασφαλιζόμενους, οι οποίοι ενδέχεται να μη δώσουν πραγματικά στοιχεία για την κατάσταση της υγείας τους κατά την αίτηση είτε κατά την αποζημίωση, υποβάλλοντας στοιχεία για ιατρικές πράξεις διαφορετικές από αυτές που πραγματοποιήθηκαν και δεν καλύπτονται και αφ’ ετέρου,
• από τους παρόχους υπηρεσιών -νοσοκομεία και ιατρούς- που ενδέχεται να κοστολογήσουν με υπερβολικές τιμές θεραπεία ή φάρμακο, να χρεώσουν για τις ιατρικές υπηρεσίες που δεν εκτελούνται πραγματικά, να χρεώσουν ως ξεχωριστή θεραπεία κάθε στάδιο μιας ιατρικής διαδικασίας ή να πραγματοποιήσουν πιο ακριβές ιατρικές υπηρεσίες.

Ο ομιλητής υπογράμμισε ότι για την αντιμετώπιση της απάτης, μέσω των data science και data mining τεχνικών που περιλαμβάνουν στατιστικές και μαθηματικές μεθόδους, τεχνητή νοημοσύνη και τεχνικές μηχανικής μάθησης, εξάγονται και εντοπίζονται χρήσιμες πληροφορίες από δεδομένα μεγάλου όγκου απαιτήσεων, χωρίς την παρέμβαση του ανθρώπινου παράγοντα. Για να γίνει η μετάβαση σε αυτές τις πιο εξελιγμένες τεχνικές η ύπαρξη, χρησιμοποίηση και αξιοποίηση των διαφορετικών πηγών δεδομένων είναι πολύ σημαντική. Ειδικά στον τομέα της Υγείας, όπου τα δεδομένα είναι αρκετά ευαίσθητα και ποικίλουν με βάση την εκάστοτε νομοθεσία που διέπει κάθε χώρα, θα πρέπει να βρεθούν λύσεις για την πιο σωστή και έγκαιρη χρησιμοποίησή τους. Άλλωστε, η αξιοπιστία και η προβλεπτική ικανότητα ενός machine learning αλγορίθμου βασίζεται στην ποιότητα και πολυπλοκότητα των δεδομένων που θα χτιστεί.

Ο επικεφαλής της Interamerican, αναφέρθηκε στο παράδειγμα της εταιρείας, τονίζοντας ότι εδώ και χρόνια έχει κάνει σημαντικά βήματα στον χώρο των advanced analytics, όντας σήμερα ένας από τους leader players στον ιδιωτικό τομέα ασφάλισης στο ζήτημα της διαχείρισης και αξιοποίησης των δεδομένων. Μέσα από την ομάδα analytics που υπάρχει στην Interamerican και αποτελείται από data scientists και data analysts, γίνονται προσπάθειες για να δημιουργηθούν, κυρίως, supervised machine learning αλγόριθμοι πάνω σε δεδομένα πελατών που έχουν διαπράξει απάτη. Οι αλγόριθμοι αυτοί θα βοηθήσουν την εταιρεία να έχει μια ένδειξη η οποία να δείχνει πόσο πιθανόν είναι κάθε νέος πελάτης να διαπράξει απάτη. Όπως είπε ο κ. Καντώρος, η συγκεκριμένη διαδικασία δεν μπορεί να αντικαταστήσει το σημαντικό παραδοσιακό μέρος της ανάληψης κινδύνων. Μπορεί, όμως, να προσφέρει ένα επιπλέον «όπλο», που θα μειώσει σημαντικά τον χρόνο διεκπεραίωσης των νέων αιτήσεων ασφάλισης, θα αυτοματοποιήσει την διαδικασία πρόβλεψης των πιθανών αιτήσεων με στοιχεία ψευδή, ενώ θα μειώσει το πραγματικό κόστος απαιτήσεων της εταιρείας και σε βάθος χρόνου θα δώσει καλύτερα και πιο δίκαια ασφάλιστρα (fair pricing) στους πελάτες.

Περισσότερα για την ημερίδα εδώ.

Ακολουθήστε την Ασφαλιστική Αγορά στο Google News