Ο Σωτήρης Μπερσίμης, καθηγητής στο Πανεπιστήμιο Πειραιώς και τέως Πρόεδρος του ΕΟΠΥΥ με διεθνείς διακρίσεις στη θητεία του, μιλά στο Underwriter.gr για τους τρόπους που η σύγχρονη τεχνολογία, η αναλυτική των δεδομένων και η στατιστική μηχανική μάθηση μπορούν να υποστηρίξουν την ιδιωτική ασφάλιση ώστε να εξορθολογίσει την διαδικασία των ιατρικών και όχι μόνο, αποζημιώσεων.
Γράφει: Χρ. Μωράκη
Την ερχόμενη Τετάρτη 21 Οκτωβρίου στις 13.30, παρουσία ειδικών αλλά και εκπροσώπων της ασφαλιστικής αγοράς, η διαδικτυακή Ημερίδα “Data Analytics and Machine Learning for Insurance Fraud Detection” ρίχνει φως σε όλες τις πτυχές αντιμετώπισης του προβλήματος.
Κύριε Μπερσίμη, τι ακριβώς πραγματεύεται η ημερίδα της ερχόμενης Τετάρτης;
Ένα από τα μεγαλύτερα προβλήματα που αντιμετωπίζει ο χώρος της ασφάλισης και ιδιαίτερα ο χώρος της ασφάλισης της υγείας, είναι οι απόπειρες που μπορεί να υπάρχουν από διάφορους εμπλεκόμενους στην αλυσίδα, να εξαπατήσουν το σύστημα ώστε να λάβουν αποζημιώσεις οι οποίες δεν είναι πραγματικές, δηλαδή δεν θα έπρεπε να τις λάβουν. Ένα άλλο κομμάτι που σχετίζεται με τη διαδικασία αυτή, είναι το κομμάτι της σπατάλης. Για παράδειγμα, όταν ένας ασθενής απευθύνεται σε ένα νοσοκομείο, δημόσιο ή ιδιωτικό και του προτείνεται κατευθείαν, η ακριβότερη θεραπεία.
Αυτά τα φαινόμενα είναι το επίκεντρο της ημερίδας που θα παρακολουθήσουμε.
Και με ποιο τρόπο η αναλυτική των δεδομένων και η τεχνητή νοημοσύνη μπορούν να καταπολεμήσουν αυτού του είδους τις ενέργειες;
Η συγκέντρωση δεδομένων, όπως τι αιτήματα έρχονται προς μια ασφαλιστική, τι αποζημιώσεις λαμβάνει ο κάθε πάροχος, για ποιές θεραπείες κλπ, και η ανάλυση – αξιοποίηση τους με την κατάλληλη κατά περίπτωση μέθοδο, δίνει την δυνατότητα να εντοπιστούν τυχόν απάτες ή σπατάλες σε κάποιο σημείο της αλυσίδας. Οι ασφαλιστικές εταιρείες ίσως δεν αξιοποιούν τα δεδομένα όσο θα έπρεπε.
Επιπλέον, έχουν παρατηρηθεί διεθνώς απόπειρες να χρεωθούν παραπάνω ημέρες νοσηλείας. Έτσι, για παράδειγμα, ενώ σε ένα νοσοκομείο η μέση διάρκεια νοσηλείας για μια θεραπεία είναι 30 ημέρες, τα διεθνή δεδομένα αποδεικνύουν ότι η αντίστοιχη νοσηλεία είναι 22 ημέρες, 8 ημέρες λιγότερες. Γίνεται λοιπόν κατανοητό, ότι οι 8 επιπλέον ημέρες αυξάνουν σημαντικά την αιτούμενη αποζημίωση. Κάθε ασφαλιστικό σύστημα, ιδιαίτερα στο χώρο της υγείας, θα πρέπει να επιδιώκει οικονομίες κλίμακος – αυτό δεν είναι αντιδεοντολογικό ή ανήθικο, γιατί ό,τι εξοικονομείται μπορεί να αναδιανεμηθεί ή να δοθεί ως έκπτωση στα ασφάλιστρα.
Το ίδιο ισχύει και στη χορήγηση φαρμάκων;
Η θεραπεία, κατά τα διεθνή πρωτόκολλα, προτείνεται να ξεκινά από τη θεραπεία πρώτης γραμμής, δηλαδή από την πιο οικονομική. Αν αυτή δεν πετύχει, αποδεδειγμένα, το στόχο της, τότε επιλέγεται η επόμενη που είναι συνήθως ακριβότερη. Πολλές φορές τα διεθνή πρωτόκολλα δεν ακολουθούνται.
Όλα αυτά μπορούν να αποφευχθούν αποτελεσματικά, με διαρκή επίβλεψη των δαπανών, χρησιμοποιώντας τεχνικές αναλυτικής των δεδομένων ή/και στατιστικής μηχανικής μάθησης.
Ποιος είναι ο στόχος της εφαρμογής αναλυτικής των δεδομένων και στατιστικής μηχανικής μάθησης στην ασφάλιση;
Στόχος της αναλυτικής των δεδομένων στην ασφάλιση, και ειδικότερα στην ασφάλιση υγείας, είναι να φτιάξουμε κανόνες και αυτοματισμούς για το μέλλον. Αναλύοντας δεδομένα όπως για παράδειγμα, διάρκειες νοσηλείας ή κόστη θεραπειών, μπορούμε να ορίσουμε κατάλληλα όρια, πάνω από τα οποία οποιοδήποτε αίτημα αποζημίωσης θα πρέπει να ελέγχεται διεξοδικά.
Έτσι μια δαπάνη δεν θα γίνεται δεκτή αυτόματα, αλλά θα υπάρχει ήδη δοκιμασμένη διαδικασία ελέγχου, έτοιμη να εφαρμοστεί. Αντίθετα, όταν μια αποζημίωση είναι εντός ορίων, τότε μπορεί να γίνεται αυτόματη αποδοχή με άμεσο αποτέλεσμα τη βελτίωση της ταχύτητας του συστήματος.
Δηλαδή η ανάλυση των δεδομένων του παρελθόντος διαμορφώνει τους κατάλληλους κανόνες και πλαίσιο ώστε μια ασφαλιστική εταιρεία να ενεργεί έγκαιρα στο μέλλον.
Διεθνή στατιστικά δεδομένα καταδεικνύουν ότι η ασφαλιστική απάτη εκτιμάται σε ποσοστό περίπου 3%, και εμφανίζεται συνήθως υπό τη μορφή σημαντικών διακυμάνσεων στις αιτούμενες αποζημιώσεις. Αυτού του είδους τις διακυμάνσεις αποκαλύπτει η συγκέντρωση και διαρκής αναλυτική των δεδομένων, που καθιστά δυνατή η σύγχρονη τεχνολογία.
[box]Για όσους ενδιαφέρονται να παρακολουθήσουν:
Η παρακολούθηση της ημερίδας είναι δωρεάν και απαιτείται προεγγραφή μέσω της ιστοσελίδας της ημερίδας (https://www.damlifd.gr/).
Την ημερίδα «Data Analytics and Machine Learning for Insurance Fraud Detection» θα τιμήσει με την παρουσία του ο Υπουργός Ανάπτυξης και Επενδύσεων, κ. Άδωνις Γεωργιάδης.
Δείτε εδώ το πρόγραμμα της Ημερίδας
Μεταξύ των εισηγητών θα είναι ο Γενικός Γραμματέας Έρευνας και Τεχνολογίας του Υπουργείου Ανάπτυξης και Επενδύσεων Ομότιμος Καθηγητής κ. Αθανάσιος Κυριαζής, η Γενική Διευθύντρια της Ένωσης Ασφαλιστικών Εταιριών Ελλάδος κ. Μαργαρίτα Αντωνάκη, ο Πρόεδρος του Συνδέσμου Ελλήνων Μεσιτών Ασφαλίσεων κ. Μιχαήλ Τζωρτζωρής και ο Καθηγητής Πανεπιστημίου Πειραιώς, Τμήμα Στατιστικής και Ασφαλιστικής Επιστήμης, κ. Μιλτιάδης Νεκτάριος. Επίσης, θα λάβουν το λόγο ο Πρόεδρος Αρχής Προστασίας Δεδομένων Προσωπικού Χαρακτήρα κ. Κωνσταντίνος Μενουδάκος, o Πρόεδρος Επιτροπής Υγείας και μέλος του Διοικητικού Συμβουλίου της Ένωσης Ασφαλιστικών Εταιριών Ελλάδoς κ. Ιωάννης Καντώρος, ο Υποστράτηγος ε.α. και τέως Βοηθός Προϊσταμένου Επιτελείου του Αρχηγείου της Ελληνικής Αστυνομίας κ. Εμμανουήλ Σφακιανάκης, ο Αναπληρωτής Καθηγητής στο McCoy College of Business του Πανεπιστημίου του Τέξας κ. Tahir Ekin και ο Αναπληρωτής Καθηγητής και Πρόεδρος του Τμήματος Στατιστικής και Ασφαλιστικής Επιστήμης Πανεπιστημίου Πειραιώς κ. Σωτήριος Μπερσίμης.
Για πληροφορίες σχετικά με την πρόσβαση, το πρόγραμμα και την εγγραφή, παρακαλούνται οι ενδιαφερόμενοι να επισκεφθούν την ιστοσελίδα του συνεδρίου: https://www.damlifd.gr/
Για οποιαδήποτε πληροφορία μπορείτε να απευθυνθείτε στο παρακάτω email: damlifd@unipi.gr [/box]
[box]Ποιoς είναι ο Σωτήρης Μπερσίμης
*Ο Σωτήρης Μπερσίμης είναι Αναπληρωτής Καθηγητής στο Τμήμα Στατιστικής και Ασφαλιστικής Επιστήμης του Πανεπιστημίου Πειραιώς ενώ στο παρελθόν έχει διδάξει στο Πανεπιστήμιο Αθηνών, στο Πάντειο Πανεπιστήμιο, στο Χαροκόπειο Πανεπιστήμιο κ.α. Τα ερευνητικά του ενδιαφέροντα εστιάζονται σε μοντέλα επίβλεψης και ελέγχου διεργασιών με έμφαση στην υγεία (αξιολόγηση υπηρεσιών, οικονομική αξιολόγηση, επιτήρηση ασθενειών). Από τις 15 Δεκεμβρίου 2015 έως τις 25 Ιανουαρίου 2019, υπηρέτησε στη θέση του Προέδρου του Εθνικού Οργανισμού Παροχής Υπηρεσιών Υγείας (ΕΟΠΥΥ). Για την προστιθέμενη αξία που δημιούργησε στον οργανισμό (εξορθολογισμός και έλεγχος δαπανών, βελτίωση υπηρεσιών, με την αξιοποίηση τεχνολογιών αιχμής και της στατιστικής) έλαβε σημαντικές διεθνείς διακρίσεις.
Επίσης, στο παρελθόν υπήρξε Πρόεδρος του European Healthcare Fraud & Corruption Network (EHFCN), του μοναδικού Ευρωπαϊκού Οργανισμού με στόχο την καταπολέμηση της απάτης στην Ασφάλιση Υγείας και την βελτίωση των αντίστοιχων Συστημάτων, προς όφελος κάθε ασθενούς.[/box]
No comment yet, add your voice below!