บริษัทประกันภัยหรือหน่วยงานรัฐบาลที่ต้องดูแลค่าใช้จ่ายของผู้ป่วยในสถานพยาบาลมักพบเหตุการณ์การเบิกค่ารักษาพยาบาลที่ผิดปกติจากสถานพยาบาลซึ่งมักถูกนำเสนอบนสื่ออยู่เสมอ
ค่ารักษาพยาบาลที่ผิดปกติเหล่านี้มีที่มาจากหลายปัจจัย เช่น แพทย์สั่งเบิกยาให้คนไข้มากเกินความจำเป็นทั้งโดยความผิดพลาดหรือด้วยความตั้งใจ หรือจากระเบียบการเบิกจ่ายที่มีช่องว่างจากการวินิจฉัยโรค
หรือการเลือกสั่งจ่ายยานอกบัญชียาหลักซึ่งมีราคาแพงเมื่อเทียบกับราคายาในบัญชีหลัก
รวมถึงการที่แพทย์มีพฤติกรรมสั่งยาให้ผู้ป่วยที่ไม่ค่อยได้มาใช้สิทธิ์ที่สถานพยาบาลโดยที่ผู้ป่วยไม่ทราบเรื่อง
เป็นต้น

การเบิกจ่ายค่ารักษาเช่นนี้สร้างความเสียหายให้แก่บริษัทประกันภัยหรือหน่วยงานรัฐบาลที่มีหน้าที่รับผิดชอบค่าใช้จ่ายของคนไข้เป็นอย่างมาก ซึ่งหนทางหนึ่งที่จะช่วยป้องกันเรื่องเหล่านี้ได้คือบริษัทประกันภัยหรือหน่วยงานที่ต้องจ่ายค่าบริการสุขภาพหรือค่ารักษาโรคที่เบิกจากสถานพยาบาลนั้นจะต้องใช้ประโยชน์จากข้อมูลการใช้บริการของผู้ป่วยที่มารักษาตัวที่สถานพยาบาล ข้อมูลมหาศาลเหล่านี้สามารถนำมาให้ AI เรียนรู้และพัฒนาเป็นเทคโนโลยีทางการแพทย์สำหรับการตรวจสอบการเบิกจ่ายที่ผิดปกติจากการเบิกค่าใช้จ่ายของสถานพยาบาลไม่ตรงกับความเป็นจริงทั้งโดยไม่ตั้งใจหรือจากการจงใจที่อาจจะเกิดขึ้น ช่วยให้บริษัทประกันภัยหรือหน่วยงานที่เกี่ยวข้องลดและป้องกันการสูญเสียงบประมาณขององค์กร&nbsp;&nbsp;

การทำงานของเทคโนโลยี AI ทางการแพทย์เพื่อการตรวจสอบข้อมูลการเบิกค่าใช้จ่าย

AI สามารถนำเข้ามาใช้งานตรวจสอบการเบิกค่าใช้จ่ายและแก้ปัญหาการทุจริตได้หลากหลายรูปแบบขึ้นอยู่กับชนิดข้อมูล
ในเทคโนโลยี AI ตรวจสอบการเบิกค่าใช้จ่ายทางการแพทย์นี้เราเลือกใช้ Rule-based AI และ Predictive AI สำหรับนำมาจัดกลุ่ม (Clustering), จำแนกประเภท (Classification), และ หาข้อมูลที่แตกต่างจากกลุ่ม (Outlier)

1. การใช้ Rule-based AI ป้องกันความผิดปกติในการเบิกค่าใช้จ่าย

Rule-based AI คือ AI ที่ทำงานตามกฎเกณฑ์ที่ถูกตั้งเอาไว้ ตัวอย่างเช่น แชตบอตแบบ Rule-based ที่จะตอบคำถามที่เกี่ยวข้องเมื่อได้รับคำสำคัญ (keyword) จากคู่สนทนา Rule-based AI ถูกนำมาใช้เพื่อช่วยคัดกรองเบื้องต้นเมื่อมีการยื่นเบิกที่ไม่ตรงกับข้อมูลผู้ป่วยเพื่อลดและป้องกันความผิดปกติในการเบิกจ่าย ตัวอย่างเช่น การคัดกรองเพศของผู้ป่วยทั้งเพศชายและเพศหญิง และจะมีการแจ้งเตือนความผิดปกติเมื่อมีการยื่นเบิกค่ารักษาโรคที่ไม่ตรงกับเพศของตัวเอง เช่น ระบบจะมีการแจ้งเตือนเพื่อให้เจ้าหน้าที่ดำเนินการตรวจสอบในขั้นตอนต่อไปเมื่อผู้ป่วยเพศชายยื่นเบิกค่ารักษาโรคของเพศหญิง นอกจากนี้ Rule-based AI ยังสามารถนำมาคัดกรองผู้ป่วยตามกลุ่มโรคที่ต้องการ เช่น การคัดกรองว่าผู้ป่วยเข้าข่าย 26 โรคเรื้อรังหรือไม่ ก่อนจะผ่านเข้าโมเดลอื่นๆ ต่อไป

2. การใช้ Predictive AI ตรวจสอบการเบิกค่าใช้จ่าย

Predictive AI คือ AI ที่เรียนรู้ความสัมพันธ์ของข้อมูลในอดีตที่ได้รับการป้อนเข้ามาจนสามารถตัดสินใจหรือคาดการณ์ผลลัพธ์ของข้อมูลที่ไม่เคยเห็นได้ โดยเทคโนโลยีนี้จะนำ Predictive AI มาช่วยทำ Clustering, Classification, และ Outlier เพื่อให้การตรวจสอบข้อมูลการเบิกค่าใช้จ่ายแม่นยำยิ่งขึ้น

2.1 Clustering คือหนึ่งในอัลกอริทึมสำหรับจัดการข้อมูลให้รวมกลุ่มหรือแยกกลุ่มกันตามพฤติกรรมของข้อมูลเพื่อให้ดูง่ายและชัดเจนขึ้น
โดยในเทคโนโลยีนี้ Clustering ถูกนำมาใช้จัดการกลุ่มข้อมูลของผู้ป่วยเพื่อตรวจจับหรือหารูปแบบพฤติกรรมของผู้ใช้บริการ
ตัวอย่างเช่น นำข้อมูลของผู้ป่วยในกลุ่มโรคเรื้อรังมาทำ Clustering เพื่อวิเคราะห์พฤติกรรมการรับยาของผู้ป่วยกลุ่มดังกล่าวจนทราบจำนวนและชนิดยาที่ใช้กับผู้ป่วยในโรคกลุ่มดังกล่าว
และนำไปใช้ตรวจสอบว่าผู้ป่วยรายใหม่ที่ยื่นเบิกในโรคกลุ่มดังกล่าวมีความผิดปกติในการเบิกจำนวนยาและชนิดยาหรือไม่

2.2 Classification คืออัลกอริทึมที่สามารถคาดการณ์ได้ว่า ข้อมูลใหม่ที่ได้รับควรจัดอยู่ประเภทใดโดยอ้างอิงจากชุดข้อมูลที่ได้เรียนรู้มาก่อน
ตัวอย่างเช่น ในช่วงการระบาดของ Covid-19 โมเดล Classification
ถูกนำมาใช้งานเพื่อคาดการณ์ว่าผู้ป่วยติดโรค
Covid-19 หรือไม่ ซึ่งในเทคโนโลยีการตรวจสอบการเบิกค่าใช้จ่ายจากโรงพยาบาลนี้
Classification ถูกนำมาใช้งาน
เพื่อจำแนกว่าผู้ป่วยเป็นโรคเรื้อรังหรือไม่

2.3 Outlier คืออัลกอริทึมที่ระบุข้อมูลที่ผิดปกติไปจากกลุ่มข้อมูลซึ่งมักจะเกิดจากความผิดพลาดจากการเก็บข้อมูลเอง
หรือเกิดจากเหตุการณ์ที่ไม่ปกติอย่างการจงใจทำให้ข้อมูลผิดพลาดก็ได้ ในเทคโนโลยีทางการแพทย์นี้เทคนิคการหา
Outlier ถูกนำมาใช้งานเพื่อหาจำนวนธุรกรรมที่มีความน่าสงสัย
ตัวอย่างเช่น
ปกติคลินิกทันตกรรมแห่งหนึ่งจะเบิกค่ารักษาพยาบาลของคนไข้เดือนละประมาณ 300
ราย
แต่กลับมีเดือนหนึ่งที่คลินิกดังกล่าวทำการเบิกค่ารักษาพยาบาลของคนไข้กว่า 500
ราย ระบบนี้จะทำการแจ้งเตือนถึงความผิดปกติโดยอ้างอิงจากปริมาณเตียงที่คลินิกแห่งนั้นสามารถให้บริการได้และข้อมูลการเบิกย้อนหลังเพื่อให้เจ้าหน้าที่ทำการตรวจสอบต่อไป
นอกจากนี้แล้ว Outlier ยังสามารถนำไปประยุกต์กับการตรวจสอบยอดการเบิกค่ารักษาสุขภาพในกลุ่มการฉีดวัคซีนและการตรวจสุขภาพ

ประโยชน์ของเทคโนโลยี AI ทางการแพทย์ในการตรวจสอบข้อมูลการเบิกค่าใช้จ่าย

เนื่องจากปัญหาความผิดปกติในการเบิกจ่ายค่ารักษาพยาบาลเป็นหนึ่งในปัญหาที่ยังดำเนินอยู่และสร้างความเสียหายจำนวนมาก
อีกทั้งยังยากที่จะควบคุมเพราะเกี่ยวข้องกับบุคลากรหลายฝ่ายและยังต้องใช้เวลาในการตรวจสอบข้อมูลที่มีปริมาณมหาศาล
การนำเทคโนโลยีทางการแพทย์ที่มีความสามารถในการจัดการข้อมูลปริมาณมากๆ
ในระยะเวลาอันสั้นมาใช้งานจึงมีประโยชน์หลายด้าน

3.1
ความเร็วในการตรวจสอบ
แต่เดิมระบบที่ต้องใช้มนุษย์ในการตรวจสอบใช้เวลาในการดำเนินการนาน แต่ AI สามารถเรียนรู้รูปแบบของข้อมูลปริมาณมหาศาลพร้อมประมวลผลได้ในระยะเวลาที่สั้นกว่ามนุษย์มาก
เหมาะกับปัญหาข้อมูลค่าใช้จ่ายจากสถานพยาบาลที่มีปริมาณมาก

3.2 ความโปร่งใส
ปัญหาการตรวจสอบการเบิกจ่ายทางการแพทย์เป็นปัญหาที่เกิดขึ้นมานานและยังคงเกิดขึ้นอย่างต่อเนื่อง
แม้ว่าจะมีมาตรการจากหน่วยงานที่กำกับดูแลเพื่อลดปัญหาดังกล่าว
หนึ่งในปัจจัยที่ทำให้ปัญหานี้แก้ไขได้ยากก็คือการที่ข้อมูลดังกล่าวต้องเกี่ยวข้องกับบุคลากรที่เป็นมนุษย์จากหลากหลายฝ่าย
การใช้ AI เข้ามาจัดการข้อมูลดังกล่าวจึงเป็นการเพิ่มความโปร่งใส
ป้องกันการแทรกแซงจากผู้ที่จงใจแสวงหาผลประโยชน์

3.3
ลดความเสียหายจากการเบิกค่าใช้จ่ายที่ผิดปกติ ในปี 2559 มีรายงานจากสำนักงานคณะกรรมการป้องกันและปราบปรามการทุจริตแห่งชาติเกี่ยวกับ<a href="https://www.hfocus.org/content/2017/07/14263">ความผิดปกติในการเบิกค่าใช้จ่าย</a> โดยในปีนั้นพบว่ามียอดเบิกสูงกว่า 71,016 ล้านบาท จากยอดเบิกในปี 20,476 ล้านบาท ในปี
2545
และ 46,481 ล้านบาท
ในปี 2550 ซึ่งนับว่าเป็นค่าใช้จ่ายที่สูงมาก การนำเทคโนโลยี AI มาช่วยตรวจสอบการเบิกค่าใช้จ่ายทางการแพทย์จะสามารถช่วยคัดกรองและลดค่าใช้จ่ายที่อาจจะเกิดขึ้นทั้งโดยที่จงใจและไม่ได้จงใจได้

ความผิดปกติในการเบิกค่าใช้จ่ายทางการแพทย์เป็นปัญหาที่เกิดขึ้นมานานและยังคงเกิดขึ้นอยู่ โดยสร้างความเสียหายให้กับบริษัทประกันภัยหรือหน่วยงานที่ดูแลด้านการเบิกจ่ายค่ารักษาพยาบาล
ทีมงาน VISAI จึงพัฒนาเทคโนโลยี AI ที่ช่วยในการตรวจสอบความผิดปกติในการเบิกค่าใช้จ่ายทางการแพทย์โดยคำนึงถึงปัญหาอย่างแท้จริง ทีมงานได้ทำการศึกษากระบวนการในการเบิกจ่ายและพฤติกรรมของบุคลากรจากนั้นจึงเลือก
AI มาพัฒนาให้เหมาะกับปัญหาต่างๆ
ที่ต้องการตรวจสอบ ช่วยให้การตรวจสอบข้อมูลดำเนินการได้อย่างรวดเร็วและโปร่งใสยิ่งขึ้น
ลดความเสียหายที่บริษัทประกันภัยและรัฐบาลได้รับในแต่ละปี หากองค์กรใดสนใจพัฒนาโซลูชันเฉพาะทางเพื่อเสริมศักยภาพให้กับองค์กร
ติดต่อเราได้ที่<a href="https://visai.ai/ai-solutions">บริการ AI
Solutions</a>

เทคโนโลยี AI ตรวจสอบการเบิกค่าใช้จ่ายทางการแพทย์