Enquanto o Medicare, nos Estados Unidos, busca formas de evitar fraudes, empresas particulares começam a adotar modelos de previsão em
seus próprios métodos de detecção de fraude em seguro e planos de saúde antes que os benefícios sejam pagos. ?Acho que a principal opção do pagante é plano pré-pago?, declarou Bill Fox, diretor sênior da LexisNexis Health Care, uma divisão, de um ano e meio, da gigante LexisNexis, subsidiária da Reed Elsevier. Isso significa que os pagantes tentam examinar os benefícios antes de pagar. ?Basicamente, todo grande cliente com quem conversamos pensa nisso?, informou Fox à InformationWeek Healthcare.
A LexisNexis está entre as empresas que participam do movimento para detecção de fraudes com avançada análise de dados, criando análises
e capacidades para gerenciamento de risco em enormes plataformas de dados. A empresa criou bancos de dados com mais de 250 milhões de pessoas nos EUA, selecionadas entre 35 bilhões de registros públicos, e, agora, aplica essas capacidades analíticas a seguros e planos de saúde. A empresa analisa os dados usando sua plataforma de supercomputador, criada com tecnologia de computação de alto desempenho e disponibilizada no inicio deste ano como plataforma em código aberto por uma nova subsidiária da LexisNexis, chamada HPCC Systems.
Fox explica que isso permite buscas mais rápidas em ?enormes quantidades de big data?. A tecnologia ajuda na desambiguação e ligação de dados, unindo blocos de informações para revelar conivência, tanto proativa quanto quando é encontrada alguma evidência de transgressão. Tais análises buscam padrões complexos em diagnóstico, tratamento e faturas de pacientes que não são facilmente encontrados nas revisões tradicionais de reivindicações.
Ao focar em fraude de seguros e planos de saúde, a LexisNexis analisa entre 15 e 18 métricas sobre reivindicações e fornecedores individuais, então, determina os resultados de riscos de cada fornecedor. O sistema examina riscos herdados em reivindicações e aqueles herdados por cada
pessoa, como explica Fox, um advogado que trabalhava com casos de fraudes em seguros e planos de saúde em um grande escritório de advocacia dos EUA. Ele também trabalhou como promotor público na Filadélfia, investigando crimes do colarinho branco, incluindo cibercrime.
Por anos, pagantes confiaram em revisores para encontrarem erros, mas não foram capazes de editar padrões que pudessem sugerir fraude, porque a edição era focada em um caso por vez e é impossível gerar padrão com base em um caso. Mas modelos de previsão e outras ferramentas de análises podem scanear uma série de casos para determinar médicos específicos e condições para serem reavaliadas, explicou Fox, o que permite que os pagantes incorporem edições extras em reivindicações futuras.
?Modelos de previsão buscam destaques?, observou o executivo. Valores incomuns podem indicar fraude ou simplesmente condições impróprias ou um médico que tem uma prática diferente, acrescentou. No passado, não existia uma maneira fácil de encontrar esses erros e outros padrões incomuns que poderiam levar a investigações.
Os clientes tendem a ser pagantes que não querem ser obrigados a pagar por reivindicações que são descobertas impróprias. Mas Fox entende que instituições como grandes fornecedoras, redes integradas de entrega e organizações de saúde podem se interessar por esse tipo de serviço para evitar problemas com auditores do Medicare e oficiais federais do Departamento de Justiça dos EUA, em atividades anti-fraude.
Com o advento das organizações de saúde e outros elementos da reforma do sistema de saúde, riscos financeiros serão compartilhados entre diferentes entidades, oferecendo novos motivos para reduzir gastos e fraudes, de acordo com Fox. ?Provavelmente veremos mais interesse de fornecedores.?