用于可解释医疗欺诈检测的无监督机器学习

美国联邦政府每年在医疗健康上支出超过一万亿美元，主要由私营第三方提供并由政府报销。该系统中的一个主要问题是提供者的过度计费、浪费和欺诈，这些提供者面临将其索赔误报以获取更高付款的激励。在本文中，我们开发了新颖的机器学习工具来识别过度向 Medicare（美国联邦针对老年人和残疾人的健康保险计划）计费的提供者。利用大规模 Medicare 索赔数据，我们识别出住院治疗期间与欺诈或过度计费一致的模式。我们提出的 Medicare 欺诈检测方法完全无监督，不依赖任何标记训练数据，并且对最终用户是可解释的，为被标记提供者的潜在可疑行为提供推理和可解释的洞察。来自司法部关于面临反欺诈诉讼的提供者的数据以及若干案例研究从定量和定性两方面验证了我们的方法和发现。