CMS launche «Crushing Fraud chili cook-off»: exploiter une AI explicable pour protéger l’assurance-maladie
Mis à jour: octobre 26, 2023
Des millions d’Américains comptent sur l’assurance-maladie pour l’accès essentiel aux soins de santé. Cependant, la taille et la complexité du programme réalisent les vulnérabilités aux activités frauduleuses – coûtant aux contribuables des milliards par an et compromettant potentiellement le patient. Maintenant, les Centers for Medicare & Medicaid Services (CMS) prennent une étape audacieuse et innovante pour lutter contre ce problème avec le lancement du concours «Crusting Fraud Chili Cook-Off». Ce n’est pas seulement un nom accrocheur; Il représente un effort sérieux pour tirer parti de la puissance de l’intelligence artificielle (IA) et de l’apprentissage par machine (ML) (ML) pour identifier et prévenir de manière proactive la fraude à l’assurance-maladie.
l’échelle de Fraude à l’assurance-maladie: Une préoccupation nationale
Medicare Fee-pour-Service (FFS) traite des milliards de demandes de réclamations. Chaque année. Bien que la grande majorité soit légitime, un pourcentage important implique des paiements inappropriés, y compris ceux résultant d’une fraude intentionnelle – comme la fausse facturation, le codage up (facturation pour des services plus chers que ce qui a été fourni) et la facturation de Phantom (facturation pour les services jamais renforcée).
L’impact financier est substantiel. Au-delà des pertes monétaires directionnelles, la fraude érode la confiance publique dans le système et détourne les ressources vitales des soins légitimes des patients. C’est là que for a puissant solution solution to a IA explicabilité.
Pourquoi l’IA explicable n’est pas négociable pour la détection de la fraude Medicare
Identification simplement que Une affirmation est anormale n’est pas encore. CMS ne cherche pas seulement pour la détection de motifs; Ils ont besoin de comprendre pourquoi Un modèle d’IA a signalé une affirmation particulière comme suspect. Ceci est le principe central derrière l’IA explicable (XAI).
Voici pourquoi Xai est essentiel dans le contexte de la fraude à Medicare:
Exigences juridiques et d’application: Les enquêtes sur la fraude nécessitent des preuves démontrables.Une «boîte noire» AI qui signale simplement une réclamation sans fournir une justification Clear est insuffisante pour les procédures judiciaires ou les mesures d’application.
Construire la confiance et la responsabilité: L’ouverture dans le processus décisionnel favorise la fiducie entre les parties prenantes – les bénéficiaires, les prestataires de soins de santé, les régulateurs et les décideurs.
Suppression et validation humaine: XAI permet aux équipes d’intégrité du programme de comprendre le raisonnement du modèle, de valider ses résultats et d’intervenir si nécessaire. Cette approche «humaine en boucle» est essentielle pour la mise en œuvre responsable de l’AI. Identification des vulnérabilités systémiques: Au-delà des affirmations frauduleuses individuelles, XAI peut révéler des modèles plus larges et des faiblesses systémiques dans le système Medicare, permettant des ajustements proactifs pour empêcher les abus futurs.
La CMS reconnaît que la prévention efficace de la réalité nécessite non seulement d’identifier les anomalies, mais compréhension les causes et les vulnérabilités sous-jacentes. Cette focalisation sur l’explication distingue ce concours et reflète un engagement envers la gouvernance responsable de l’IA.
Le concours de «Crushing Fraud Chili Cook-Off»: une plongée profonde
La compattionne est structurée à des solutions innovantes qui sont à la fois efficaces et évolutives. Il a conçu pour attirer une gamme diversifiée de participants – des chercheurs universitaires aux sociétés technologiques du secteur privé – et favoriser la collaboration dans la lutte contre la fraude à l’assurance-maladie.
Dates et phases clés:
Phase 1: Développement technologique proposé (19 août au 19 septembre 2025)
Objectif: Les équipes soumettent des propositions de recherche détaillées décrivant leurs techniques d’IA / ML explicables proposables pour la détection de fraude.
Exigences: Les propositions doivent démontrer une compréhension claire des affirmations FFS Medicare FFS »et exprimer comment la solution proposée Allaidera les défis de l’évolutivité, de l’explication et de l’identification systémique de la vulnérabilité.
sélection: Dix équipes fininalistes seront sélectionnées en fonction de la force de leurs proposals.
Phase 2: Concurrence (analyse des données et soumission – due au 1er décembre 2025)
Objectif: Les équipes finalistes appliqueront leurs techniques proposées à un ensemble de données sur le monde réel des réclamations Medicare.
Accès aux données: Les finalistes recevront l’accès aux ensembles de données limités analytiques standard 2022-2024. Cela fournit un ensemble de données substantiel et représentatif pour le développement de modèles et les tests.
Soumission: Les équipes soumettront un résumé de leurs résultats, y compris des explications détaillées des modèles AI / ML utilisés, les anomalies détectées et la justification derrière ces détections.
* Annonce du gagnant: L’équipe gagnante sera annoncée publiquement par CMS via its social