不正検知の論点：データサイロが医療保険機関のSIUに与える影響

ソロモン・フィリップはシフトテクノロジーでマーケットインテリジェンス部門の責任者を務めています。

多くの企業がそうであるように、医療保険機関も非常に困難な課題に直面しています。会員が最高のケアを受けられるようにすると同時に、コストをコントロールしなければなりません。不適切な支払いに関して、世界トップクラスのSIUに支持されている強固な検知戦略を持つことが極めて重要です。医療保険プランが合法的なサービスに対して、合法的な契約価格で、合法的なサービスプロバイダーから支払われているかどうかを見極めることができれば、加入者は公平に扱われ、保険プランは保険料をより適切に管理することができます。ある支払いが疑わしいと思われる場合、SIUはその時こそ仕事に取り掛かるのです。

データの難問
効果的な不適切支払の発見と調査の要はデータにあります。そして朗報は、医療保険プランが疑わしいクレーム、会員、および／またはプロバイダーを発見し、調査するために必要な膨大な量の関連データにアクセスできるということです。会員の保険証券に含まれる情報から、請求、医薬品、請求データまで、医療保険プランは、自社と会員が支払ったものを確実に受け取るために必要なものをすべて持っているはずです。しかし、潜在的な詐取・浪費・悪用（FWA）の摘発に関しては、医療保険者に不利に働く2つの大きな要因があります。どちらの傾向も、必要なデータがサイロ化し、アクセスが困難になる環境を生み出しかねません。いずれの場合も、結果として生じる複数のデータ構造とモデルを統合して、複数の事業にわたって必要なレベルの一貫性と正確性を担保するには、手作業や時代遅れのテクノロジーで行った場合、数年とは言わないまでも数カ月かかることがあります。

業界全体で多くの統合が行われ、医療保険プラン内で分散化されたビジネスモデルが発生しているため、データ統合、コラボレーション、可視性、効率性の課題は、レガシーなテクノロジーやビジネスモデルを考えると、克服することが不可能に思えるかもしれません。例えば、異なるプランの様々なソースにまたがるデータ構造の調和、重複の排除、バックエンドのクレーム裁定システムへの統合などは、技術的平等を達成するためのほんの一部の課題に過ぎません。医療保険プランが複数の州や管轄区域にまたがって運営されている場合、州内および州をまたいで行われた不正に関連するデータを特定することはほぼ不可能となります。これは、地域間で共通のデータ・プラットフォームがなければ、プランが複雑な不正を把握するのに苦労するという事実によるものです。会員、サービス、プロバイダー・ネットワークの完全な360度ビューがなければ、疑わしい活動を特定することは不可能です。

 サイロの打破
サイロ化したデータは、医療費支払機関のあらゆる業務部門に課題をもたらしますが、SIUは特に大きな影響を受けます。サイロ化されたシステムは基本的に、調査担当者が不適切な支払いや詐取、浪費、悪用に関連して起きている全体像の把握を妨げます。これは、州内または州間で発生したFWAであったり、異なる事業部内で発生したFWAであったり、あるいはその3つすべてであったりします。特に合併や買収の場合、システムの即時統合は不可能ですが、データのサイロ化を解消し、FWAや不適切な支払いとの闘いですべての関連データを利用できるようにする、実績のある方法があります。

医療費支払機関がFWAに対処するためにAIがますます活用されるようになるにつれ、このアプローチが医療費支払機関が利用可能なデータを最大限に活用するための最良の方法の一つであることが明らかになってきました。このアプローチを成功させているベンダーは、異種ソースからのデータのクリーニング、マッピング、ノイズ除去、構造化のエキスパートです。さらに、複数のソースから取得したデータに対してエンティティ解決モデルを実行し、単純なルールベースのプログラムや人間が見落としがちな共通の識別子を発見し、不正検出モデルの精度を高めることに長けています。

重要なこととして、AIは支払い後のチェックに関心のある医療費支払期間にとってメリットがあります。なぜなら、ソリューション・プロバイダーは、アクワイアラー／アクワイアリーからのデータを統合し、プロバイダー／会員の行動、診断コード、その他不正な支払いが行われていることを示す可能性のある要因の異常や異変を発見することができるからです。また、医療保険プランは単独で対応するよりも、新たな不正の傾向を追跡し、それに対応できるプロバイダーと協力する方が得策です。最後に、専門知識を持つベンダーは、プランが事業を展開する州をカバーする規則や規制の遵守を保証する立場にあり、州をまたいで行われる不正のパターンを調査する能力を備えています。この問題にAIを適用したFWA検知ベンダーは、様々な州からの請求に異なる管轄ルールを組み込むことができ、正当な請求を拒否することにつながる可能性のある誤検知を減らすことができます。

厳密にはロジスティクスの観点から、クラウドネイティブなSAASプラットフォーム上でソリューションを提供するベンダーに頼る医療費支払機関は、将来的な追加プランの統合を容易にサポートする「将来を見据えた」スケーラブルな基盤が可能になります。

結論
医療費支払機関は、FWAとの戦いや不適切な支払いの回避に役立つ豊富なデータを保有しています。しかし、ビジネスの性質上、持っているデータを最大限に活用することが非常に難しい場合が多くなっています。バラバラのデータソース、レガシーシステム、一見不可解なデータサイロは、医療保険プランを詐取、浪費、悪用にさらす可能性があり、大きな財務的損失、罰金、罰則、患者転帰の悪化、風評リスクにさらされる可能性があります。その代償は、医療保険プランとその加入者の双方が支払うことになります。しかし、こうした問題を自前のソリューションで解決しようとしても、専門知識が不足しているだけでなく、時間もないため、一般的には解決策にはなりません。

AIを使用してFWAや不適切な支払いを発見した実績のあるベンダーと協力することは、医療費支払機関が膨大なデータを最大限に活用するための最短の方法の一つです。医療費支払機関は、さまざまなデータ構造とモデルを統合して調和させ、データをクレンジングしてマッピングし、数秒以内に実用的なインサイトを生み出し、最終的に支払いの完全性とSIUチームから価値を獲得するためのツール、経験、専門知識を備えたパートナーを探すべきです。

医療保険の不正に対して、AI導入を検討する場合にはこちらからお問い合わせください。