Key points are not available for this paper at this time.
في قطاع الرعاية الصحية، يلعب كشف الاحتيال المالي دورًا حاسمًا في حماية الأموال العامة والحفاظ على جودة خدمات الرعاية الصحية. يمكن أن تفوق تعقيد وحجم المخططات الاحتيالية المعاصرة قدرات الأساليب التقليدية. في محاولة لتعزيز كشف الاحتيال، تتحرى هذه الدراسة تطبيق تقنيات التعلم العميق (DL) والتعلم الآلي (ML). تظهر هذه الدراسة مكاسب ملحوظة في تحديد الأنشطة الاحتيالية من خلال استخدام خوارزميات مثل الانحدار اللوجستي، وأشجار القرار، وآلات الدعم الشعاعي، والشبكات العصبية الالتفافية (CNNs)، والشبكات العصبية التكرارية (RNNs) وتحليل مجموعات بيانات ضخمة. بشكل خاص، أظهر معدل دقة 99.9% لمصنف أشجار القرار القدرة على تمييز نماذج التعلم الآلي بين الحالات الاحتيالية وغير الاحتيالية بشكل موثوق. تسلط هذه الدراسة الضوء على كيفية تحسين الأساليب المتطورة في التعلم الآلي والتعلم العميق لدقة وفاعلية أنظمة كشف الاحتيال في صناعة الرعاية الصحية، مما سيساهم في نهاية المطاف في نظام صحي أكثر استدامة ومساواة.
نايش كومار ريدي بانغا (الجمعة)، درس هذا السؤال.