Fraude en gastos médicos - AMISamis.org.mx/InformaWeb/Documentos/Archivos/3FraudeenGastosMedi… · » Ejemplos prácticos: Patrones detectados » Casos prácticos: Resultados obtenidos

This presentation is provided for the recipient only and cannot be reproduced or shared without FICO Corporation's express consent.

© 2009 FICO Corporation. 1

Fraude en gastos médicos Tomar mejores decisiones

Scott Horwitz Sr Director, Insurance FICO

7 de mayo 2013

© 2009 FICO Corporation. 2 © 2009 FICO Corporation. 2

Agenda

» Perspectiva FICO del fraude en el sector salud

» Solución de Fraude: Componentes claves

» Ejemplos prácticos: Patrones detectados

» Casos prácticos: Resultados obtenidos

» Siguientes pasos


Más allá de la detección ¿Qué indica el mercado?

» Entorno económico enfocado en la rentabilidad

» Estrategias de contención de costes – operativos y de actividad siniestral

» Con la presión económica actual, ¿serán los consumidores más susceptibles a cometer fraude?

» Aumento en los gastos médicos

» Diferenciar entre aumentos “normales” y actividad fraudulenta

» Presiones regulatorias

» Abreviar los tiempos en el pago de las indemnizaciones

» Programas de prevención de fraude

» Solvencia II

» Enfoque operativo

» Potenciar eficiencias

» Evaluación previa la indemnización

» Gestión de proveedores


¿Qué se necesita?

© 2011 Fair Isaac Corporation. Confidential.

4

Detectar más fraude – y patrones nuevos previa la indemnización

Apoyar la rentabilidad y el nivel de capital

Reducir falsos positivos

Priorizar el trabajo para ganar eficiencia

Detectar y parar redes criminales

Mejorar – No deteriorar la satisfacción del cliente

4


Encontrar puntos de valor Pre y Post Indemnización

Modificaciones /

Auditorías

Proveedor/

Asegurado

siniestro Proceso de Adjudicación

pago

Scoring PostPago (Anual/

Semestral)

Reglas Actualizadas

Liquidador

Revisión Siniestro PrePago

Casos Investigación

PostPago Savings via Recoveries, Settlements

Ahorros vía pagos

interceptados y gestión de proveedores

Emisión Pago Ahorros vía

lógica de pago actualizada

Base de datos

Siniestros

Scoring PrePago

Revisión Semanal PostPago

Ahorros vía recuperación, liquidación, y

gestión de proveedores


Agenda


» Solución de Fraude : Componentes claves



» Siguientes pasos


Ataque al fraude de forma holística

Servicios Profesionales

Análisis de Vínculos

Centro de Decisiones

Modelos Analíticos

Ge

sti

ón

de

ale

rta

s

Solución de gestión de fraude


Abuso y fraude

Analíticos predictivos Alcance de la detección

Analíticos predictivos detectan eficazmente más tipos de fraude

Analíticos predictivos permiten detección previa al pago para

parar la salida de fondos

Patrones emergentes

Patrones previamente

desconocidos

Casos complejos,

sutilezas

Detección temprana

Ordenamiento

de riesgo

Soluciones tradicionales

basadas en reglas detectan

solo fraude a este nivel

Patrones sencillos y

errores de facturación

Patrones conocidos de

fraude y abuso


Modelos analíticos de detección de fraude

Los modelos predictivos avanzados reconocen patrones no detectados por métodos convencionales

Puntuación y razones

Modelos predictivos

Perfil dinámico Proveedores

Asegurados

Siniestros

Dental

Farmacia

Rátio de radiografías a examinar

Facturado vs. similares

Grupo procedimientos vs. similartes

Actividad máxima por día

Perfil Variable N

De aqui derivan variables potentes


Análisis de vinculaciónes – Análisis de relaciones no evidentes

1. Búsqueda de similitudes

Búsquedas de similitudes cruzando fuentes de datos distintas sin necesidad de montar un data warehouse o limpiar datos.

Empleados Datos de

clientes SARS Alertas Terceros

Lexis Nexis

Págs amarillas

Suplidores Solicitantes

2. Matching e inteligencia de relaciones

Más de 50 algoritmos automatizan el proceso de búsqueda de relaciones y matching a una precisión y velocidad extremadamente alta.

3. Capa de visualización

Los resultados son presentados vía pantalla u otro software para visualizar resultados analíticos.


Agenda





» Siguientes pasos


Procedimientos duplicados

Misma prescripción presentada varias veces– cada vez en un lugar distinto

El sistema no tiene manera de detectar los duplicados

Pago de prescripciones médicas duplicadas

Pagar únicamente la primera presentación. Informar a los proveedores del “error”

Explicación

Acción

Análisis

Nivel siniestro Revisar si la prueba ha sido facturada en duplicado


Debilidades sistemáticas

Pequeños cargos excesivos que se convierten en sumas importantes

Agregar “Revisión Médica” innecesaria a un hemograma sencillo

Crear regla para obligar a una justificación para la revisión

Explicación

Análisis

Acción

Nivel siniestro Evaluar el detalle para asegurar que no exista comportamiento inusual en la prueba

Nivel intra - proveedor Revisar todos los siniestros con la combinación de este código de procedimiento y su modificador para ver qué tan generalizado es el problema


“Upcoding” de reclamaciones

Procedimientos innecesarios de alto costo

Agregar “Consultas de 1 Hora” a cada visita de hospital

Abrir investigación de fraude. Encontrar estos casos a tiempo ahorra meses de posibles pagos

Explicación

Análisis

Acción

Nivel proveedor Existe una concentración de consultas y visitas de seguimiento en el hospital, facturadas a la tarifa más alta, con ausencia inusual de códigos de nivel medio

Nivel siniestro Existe un patrón claro de facturas altas para consultas de 1 hora cuando los pacientes son recién admitidos en el hospital. Esto es inusual, al igual que los códigos de diagnóstico, para padecimientos relativamente menores tales como dolor de espalda o de vientre.


Combinación inusual de procedimientos

Ratio de procedimientos

Demasiados tratamientos de canales con relación a otros análisis dentales

Resaltar a los investigadores de fraude los tipos de examen específicos para revisión con el dentista

Explicación

Análisis

Acción

Nivel proveedor La relación de tratamientos de canales con relación a pulpotomías es inusualmente alta

Nivel siniestro Los particulares de varios siniestros parecen ser sospechosos, tales como reclamar pulpotomías en varios dientes durante la misma cita médica. Además hay varias restauraciones.


Revisión anual

Colusión entre proveedores y farmacias

Concentración inusual de prescripciones de proveedor a farmacia

Abrir una investigación

Explicación

Análisis

Acción

Nivel intra-proveedor La facturación de una farmacia esta desproporcionalmente relacionada a un proveedor en particular

Nivel proveedor

Nivel proveedor

Nivel siniestro


Agenda





» Siguientes pasos


Caso Práctico Antecedentes

» AGIS Zorgverzekeringen – Aseguradora de gastos médicos de Holanda

» 2.5 billones de euros de reclamaciones médicas por año

» 2%-3% revisadas por un ajustador

» Mecanismos de control previa la indemnización basados en reglas

» Retos

» Investigaciones manuales

» Limitaciones de datos al revisar los siniestros nivel proveedor

» Reglas estáticas basadas en patrones conocidos

» Departamento de fraude de AGIS – Asuntos especiales

» Búsqueda de soluciones para reducir/administrar el riesgo de las reclamaciones dentales

» Preparación de un archivo de datos para evaluar 3 soluciones

» Proyecto Piloto » Dataset de reclamaciones dentales del 2006

» Aproximadamente 3,200 proveedores dentales

» Aproximadamente101 millones de euros en indemnizaciones

» 12 previamente identificados por AGIS y bajo sospecha


Caso práctico Resultados

» FICO recibe todos los siniestros del 2006 sin designación de fraude

» Generó resultados de los modelos analíticos

» 106 obtuvo score por encima del punto de corte designado por FICO como actividad “inusual”

» AGIS revisó los 30 siniestros con mayor score » 12 pertenecían a los proveedores bajo sospecha por AGIS

» Única solución que encontró los 12 que ya habían sido identificados por AGIS

» 12 fueron calificados de Fraude Nuevo tras investigación de AGIS

» Valor de los resultados fue de 1.2 Millones de Euros

» 100% aumento en la tasa de detección de fraude mediante la investigación de 18 proveedores

» AGIS estima un retorno de inversión de 250% en el primer año

» Pasos siguientes – ampliar a gastos médicos y farmacéuticos


Caso práctico En la actualidad

» Perciben retorno de inversión importante de forma anual

» Han enfocado sus esfuerzos en la gestión de proveedores y “coaching” basado en los resultados

» “ . . . Nos ayuda a asignar nuestros recursos de forma más productiva, enfocando el esfuerzo de nuestro equipo en siniestros verdaderamente sospechosos, en lugar de hacerlos revisar datasets completos.”


Caso Práctico Proteger contra el fraude, abuso y desperdicio

Highmark es una de las aseguradoras de salud más grandes de USA con 28 millones de asegurados, y procesa más de 200 millones de siniestros de salud, dental, vista, Medicare y farmacias.

REQUERIMIENTOS:

» Necesitaban atacar de forma más agresiva el fraude, desperdicio y abuso para combinar el score de prepago con análisis retrospectivo de proveedores.

» No quería agregar tecnología, convertir investigadores en programadores, ni contratar más recursos de tecnología.

ESTRATEGIA

Implementaros FICO™ Insurance Fraud Manager para usar analíticos predictivos para

identificar siniestros

» Seleccionaros a FICO por la capacidad analítica

» FICO entrenó los modelos basado en los datos históricos.

» Los modelos analizar cientos de datos y relaciones simultáneamente

» Los modelos detectan patrones de tratamiento o de facturación sospechosos

» FICO proporciona un entorno de investigación


Highmark - Resultados

RESULTADOS:

Highmark identificó beneficios sustanciales del uso de la herramienta:

» En los primeros 7 meses encontró más de 330 nuevos casos meritorios de acción adicionales que no se habían detectado anteriormente.

» Reporta un Retorno de Inversión de 9:1 en solo los primeros 6 meses de uso

» Indica que los ahorros de solo 18% de los casos excedieron los costos operativos de un mes.

» Identificó políticas médicas que requerían modificación


Agenda





» Siguientes pasos


Siguientes pasos Cómo prepararse para encarar una solución

» Revisar prácticas actuales de mitigación de fraude

» Personal

» Capacitación

» Resultados

» Documentar la captura de datos, su calidad y organización

» Diseñar prácticas de fraude de “nueva generación”

» Mejora en la detección

» Estrategias eficientes y de alta calidad

» Perseguir pagos vs. Gestionar proveedores

» Actualizaciones y mejoras

» Evaluar fortalezas y debilidades actuales con relación a los objetivos que se propongan


Siguientes pasos Más allá de la lucha contra el fraude: Solvencia

» Percibir cómo decisiones nivel siniestro están conectadas – o no – a las mediciones requeridas por las regulaciones de Solvencia

» Solvencia demanda pruebas de uso que conecten los modelos analíticos a las decisiones particulares

» Simulación para incorporar reglas operativas/modelos y cálculos métricos de Solvencia

» Permitir que los usuarios de negocio controlen el proceso

» Apalancar la inversión reguladora en rentabilidad comercial

» Poner las mediciones de Solvencia en manos de los usuarios de negocio

» Facilitar la conexión a la optimización para los usuarios más sofisticados

» “Stress-testing” de los diferentes entornos, limitaciones, etc.


Siguientes pasos Resumen

» El fraude, abuso y error en servicios de salud es complejo y costoso

» Aseguradores deben construir soluciones holísticas utilizando modelos avanzados, estrategias automatizadas y análisis de vínculos

» El fraude de hoy abarca cientos de combinaciones de:

» Proveedores, pacientes, instituciones médicas

» Procedimientos, códigos, prescripciones

» Tiempos, cantidades, combinaciones de procedimientos

» Etc.

» A nivel mundial las empresas apalancan soluciones robustas de fraude para mejorar la rentabilidad y la gestión de proveedores

» Toda empresa debe tomar medidas para desarrollar/mejorar las prácticas de mitigación para cumplir tanto requerimientos internos como regulatorios


FICO Líder en soluciones de fraude

» FICO es pionero en la detección estadística de fraude

» Cientos de modelos implementados en todo el mundo

» Experiencia más marcada en el modelamiento de fraude

» Extraer valor comercial de los datos mediante analíticos predictivos y gestión de las decisiones

» Modelos de fraude con el mejor desempeño

» Metodología y tecnología analítica exclusiva y patentada

» Experiencia probada en la puesta en marcha de modelos analíticos

» Más de 20 años de experiencia implementando modelos en entornos operativos

» Experiencia amplia y profunda en modelamiento de fraude

This presentation is provided for the recipient only and cannot be reproduced or shared without FICO Corporation's express consent.


GRACIAS

7 de Mayo, 2013

Documents

Fraude en gastos médicos - AMISamis.org.mx/InformaWeb/Documentos/Archivos/3FraudeenGastosMedi… · » Ejemplos prácticos: Patrones detectados » Casos prácticos: Resultados obtenidos