論文の概要: Unsupervised Machine Learning for Explainable Medicare Fraud Detection

• arxiv url: http://arxiv.org/abs/2211.02927v2
• Date: Wed, 9 Nov 2022 15:18:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-10 15:55:16.434049
• Title: Unsupervised Machine Learning for Explainable Medicare Fraud Detection
• Title（参考訳）: 説明可能な医療詐欺検出のための教師なし機械学習
• Authors: Shubhranshu Shekhar, Jetson Leder-Luis, Leman Akoglu
• Abstract要約: 我々は、医療を超過するプロバイダを特定するための、新しい機械学習ツールを開発した。 大規模なメディケアの請求データを用いて、詐欺や過度な監視と整合したパターンを識別する。 提案手法は、ラベル付きトレーニングデータに頼らず、完全に教師なしである。
• 参考スコア（独自算出の注目度）: 16.275152941805622
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The US federal government spends more than a trillion dollars per year on health care, largely provided by private third parties and reimbursed by the government. A major concern in this system is overbilling, waste and fraud by providers, who face incentives to misreport on their claims in order to receive higher payments. In this paper, we develop novel machine learning tools to identify providers that overbill Medicare, the US federal health insurance program for elderly adults and the disabled. Using large-scale Medicare claims data, we identify patterns consistent with fraud or overbilling among inpatient hospitalizations. Our proposed approach for Medicare fraud detection is fully unsupervised, not relying on any labeled training data, and is explainable to end users, providing reasoning and interpretable insights into the potentially suspicious behavior of the flagged providers. Data from the Department of Justice on providers facing anti-fraud lawsuits and several case studies validate our approach and findings both quantitatively and qualitatively.
• Abstract（参考訳）: 連邦政府は医療に年間1兆ドル以上を費やしており、主に民間の第三者が提供し、政府から払い戻されている。 このシステムにおける大きな懸念は、より高い支払いを受けるために自分の主張を誤報するインセンティブに直面するプロバイダによる過大な請求、ムダ、詐欺である。 本稿では,高齢者と障害者に対する米国連邦政府の健康保険プログラムであるメディケアを超過するプロバイダを識別する新しい機械学習ツールを開発する。 大規模メディケアの請求データを用いて,入院患者の不正行為や転倒に伴うパターンを同定する。 提案手法は,ラベル付きトレーニングデータに依存しず,完全に教師なしであり,エンドユーザに説明可能であり,フラグ付きプロバイダの疑わしい行動に対する推論と解釈可能な洞察を提供する。 反詐欺訴訟に直面する提供者に関する司法省のデータと、いくつかのケーススタディは、我々のアプローチと発見を定量的かつ質的に検証している。

関連論文リスト

• Retrieval Augmented Thought Process for Private Data Handling in Healthcare [53.89406286212502]
  Retrieval-Augmented Thought Process (RATP)を紹介する。 RATPは大規模言語モデル(LLM)の思考生成を定式化する 電子カルテのプライベートデータセットにおいて、RATPは、質問応答タスクのコンテキスト内検索強化生成と比較して35%の精度を達成している。
  論文  参考訳（メタデータ） (2024-02-12T17:17:50Z)
• Correlating Medi- Claim Service by Deep Learning Neural Networks [0.0]
  医療保険請求は、患者、医師、診断センター、保険提供者に関連する組織犯罪である。 畳み込みニューラルネットワークアーキテクチャは、回帰モデルの相関研究を通じて不正なクレームを検出するために使用される。 監視および教師なしの分類器は、不正や不正なクレームを検出するために使用される。
  論文  参考訳（メタデータ） (2023-08-08T07:40:21Z)
• Transaction Fraud Detection via an Adaptive Graph Neural Network [64.9428588496749]
  本稿では,アダプティブサンプリングとアグリゲーションに基づくグラフニューラルネットワーク(ASA-GNN)を提案する。 ノイズの多いノードをフィルタリングし、不正なノードを補うために、隣のサンプリング戦略を実行する。 3つのファイナンシャルデータセットの実験により,提案手法のASA-GNNは最先端のデータセットよりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-07-11T07:48:39Z)
• Operationalizing Counterfactual Metrics: Incentives, Ranking, and Information Asymmetry [62.53919624802853]
  このような平均的な治療結果の指標から生じるインセンティブのずれを分析した。 本稿では,患者が対象とするランキングシステムにおいて,対物メトリクスを合理的に振る舞うように修正する方法を示す。
  論文  参考訳（メタデータ） (2023-05-24T00:24:38Z)
• On some studies of Fraud Detection Pipeline and related issues from the scope of Ensemble Learning and Graph-based Learning [0.5820960526832067]
  英国の反詐欺チャリティーであるFraud Advisory Panelは、詐欺のビジネスコストを1440億ドルと見積もっている。 効率的な不正検出システムの構築は、不均衡なデータや計算コストなど、多くの困難な問題のために困難である。
  論文  参考訳（メタデータ） (2022-05-10T02:13:58Z)
• Multiple Inputs Neural Networks for Medicare fraud Detection [0.0]
  医療詐欺はヨーロッパで約13億ユーロ、米国では年間21億から71億ドルの費用がかかる。 本研究の目的は、ニューラルネットワークに基づく分類器を用いて医療詐欺を予測することである。
  論文  参考訳（メタデータ） (2022-03-11T10:36:53Z)
• FedMed-GAN: Federated Domain Translation on Unsupervised Cross-Modality Brain Image Synthesis [55.939957482776194]
  我々は、教師なし脳画像合成におけるフェデレートドメイン翻訳のための新しいベンチマーク(FedMed-GAN)を提案する。 FedMed-GANは発電機の性能を犠牲にすることなくモード崩壊を緩和する。 FedMed-GANと他の集中型手法を比較するための総合的な評価を提供する。
  論文  参考訳（メタデータ） (2022-01-22T02:50:29Z)
• Unsupervised anomaly detection for discrete sequence healthcare data [1.2667973028134798]
  不正検出を教師なしで自動化する機械学習モデルを提案する。 2つのディープラーニングアプローチには、次の患者訪問を予測するLSTMニューラルネットワークと、Seq2seqモデルがある。 バリデーションには、アリアンツ社の患者訪問データ列の実際のデータを使用する。
  論文  参考訳（メタデータ） (2020-07-20T13:42:21Z)
• Computational Support for Substance Use Disorder Prevention, Detection, Treatment, and Recovery [62.9980747784214]
  物質使用障害には、アルコール、オピオイド、マリファナ、メタンフェタミンの誤用が含まれる。 成人12人中1人が薬物使用障害を患っている。 全米薬物乱用協会(National Institute on Drug Abuse)は、SUDが年間5200億ドルの費用を負担していると推計している。
  論文  参考訳（メタデータ） (2020-06-23T18:30:20Z)
• DFraud3- Multi-Component Fraud Detection freeof Cold-start [50.779498955162644]
  コールドスタート(Cold-start)は、新しいユーザの認証に検出システムが失敗したことを指す重要な問題である。 本稿では,各コンポーネントに固有の表現を可能にする異種情報ネットワーク (HIN) としてレビューシステムをモデル化する。 HINとグラフ誘導はカモフラージュ問題(本物のレビュー付き詐欺師)に対処するのに役立ち、これはコールドスタートと組み合わされた場合、すなわち真に最初のレビューを持つ新しい詐欺師がより深刻であることが示されている。
  論文  参考訳（メタデータ） (2020-06-10T08:20:13Z)
• Uncovering Insurance Fraud Conspiracy with Network Learning [34.609076567889694]
  我々は,組織的な詐欺師の集団を識別する新しいデータ駆動手法を開発した。 請求者間でデバイス共有ネットワークを導入する。 そこで我々は,グラフ学習アルゴリズムに基づく不正検出の自動解法を開発した。
  論文  参考訳（メタデータ） (2020-02-27T13:15:30Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。