Digital Square D1 proposal: Claim categorization using Artificial Intelligence: a proof of concept
Teams:
Objectifs
L'objectif de ce projet est de développer un module de catégorisation automatique des remboursements pour openIMIS, basé sur des algorithmes, des normes et des méthodologies d'intelligence artificielle (IA) de pointe, qui réduira considérablement la main-d'œuvre, les ressources et le temps nécessaires à l'examen d'un sinistre. Ce processus est centré sur le processus de réponse aux sinistres. Voici quelques détails sur ce processus.
Processus actuel de règlement des sinistres dans openIMIS
Un sinistre est ce que le médecin ou le service de santé soumet à la compagnie d'assurance du patient afin d'être payé pour les services médicaux et/ou les articles (prescriptions médicales). Ainsi, un sinistre peut être composé d'un ou plusieurs services et articles médicaux. Après la visite dans l'établissement de santé, le sinistre sera soumis à l'assurance par l'administrateur de l'établissement de santé (appelé aussi administrateur des sinistres). Après la soumission, un processeur de sinistre - basé sur un moteur de règles qui prend en considération la configuration d'openIMIS (produit d'assurance, articles et services médicaux, assuré, police, etc.) - vérifiera si la demande est complète, précise et si le service/article est couvert par l'assurance du patient. Si tous les services et articles contenus dans un sinistre sont rejetés par le moteur de règles, le HF recevra une réponse négative pour le sinistre en question. Tous les articles et services qui ont été validés statiquement par le moteur de règles peuvent être soumis à une évaluation manuelle par un expert médical, qui peut accepter, accepter partiellement ou rejeter les articles/services sélectionnés. Comme un sinistre est composé d'un ou plusieurs services et/ou éléments médicaux, le résultat du processus peut être le suivant :
Article/service accepté après validation statique et évaluation manuelle ;
Article/service rejeté après validation statique ou évaluation manuelle.
Si tous les articles et services liés à une réclamation spécifique sont acceptés, la réclamation respective peut être considérée comme acceptée, alors que si une partie des articles/services sont acceptés, la réclamation sera considérée comme partiellement acceptée. Si tous les éléments et services liés à un sinistre sont rejetés, l'HF recevra une réponse négative pour ce sinistre.
The openIMIS implementation in Nepal receives up to 14 000 claims per day, as it can be observed in Fig 1. From all these claims, the team composed of five Medical Officers are able to review only around 1,000 claims per day.
Fig. 1 Evolution of the number of claims/day through the openIMIS system in Nepal
As the Medical Officers can not physically check all the submitted claims, the Claim module was implemented in openIMIS in order to select claims (accepted or partially accepted by the Rules Engine) to be further reviewed by the Medical Officers. This manual claim adjudication process is illustrated in Fig. 2.
Fig. 2 Manual claim adjudication workflow
Future openIMIS AI-based automatic claim adjudication process (vision)
For the AI claim categorization algorithm, the input is represented by a service or item, which has been statically validated by the Rules engine. The output of such a model will be the acceptance or rejection of the item or service. This AI module will allow the Medical Officer to concentrate only on those claims that really need to be reviewed, such as inconsistent or erroneous. Furthermore, in order to detect false positive or false negative cases misclassified by the algorithm, a Quality Assurance module will then select AI-categorized claims to be review by the Medical Officers. This process is illustrated in Fig. 3.
Fig. 3 Claim adjudication workflow with AI algorithm
Project realization
The following wiki pages present the project realization:
This page in other languages
Language | Link |
|---|---|
English | |
French |