سیدمجتبی ذبیحین پور - مرکز توسعه مدیریت ریسک، بیمه مرکزی جمهوری اسلامی ایران، تهران
محمود اسعدسامانی - مرکز توسعه مدیریت ریسک، بیمه مرکزی جمهوری اسلامی ایران، تهران
سیروس شریفی - مرکز توسعه مدیریت ریسک، بیمه مرکزی جمهوری اسلامی ایران، تهران

روند افزایشی پرونده های کلاه برداری در ادعای های خسارت بیمههای درمان از یکسو و عدم وجود داده های قابل اتکا و همچنین سیستم های کاربردی و عملیاتی ردیابی انواع خسارت ها از سوی دیگر، نیاز به استفاده از ابزارهایی هوشمند به منظور کشف و پیشگیری از کلاه برداری در صنعت بیمه را بیش از پیش ضروری نموده است. در این مقاله، ضمن معرفی انواع کلاه برداری ها در بیمه درمان، راهکارهای نوین هوشمندسازی کشف و پیشگیری از این گونه کلاه برداری ها بررسی شده است. این بررسی شامل مرور ویژگی ها و متغیرهای موجود در دیتاست های بیمه درمان کشورهای پیشرو در کشف و پیشگیری از تقلب، مدل های مختلف یادگیری ماشین و معیار های ارزیابی مدل می باشد. این بررسی نشان می دهد که شرکت های بیمه میبایست به سمت استفاده از سیستم های هوشمند خدمات درمانی و بیمه ای با استقرار حاکمیت داده و استانداردسازی به منظور یکپارچه سازی بانک های اطلاعاتی گام بردارند و با تکیه بر اطلاعات منسجم و قابل اتکای بدست آمده و بکارگیری تکنیک های پیشرفته ازجمله الگوریتم های یادگیری ماشین اقدام به ایجاد مدل های هوشمند کشف و پیشگیری از کلاه برداری نمایند. کشف و پیشگیری از کلاه برداری می تواند به کاهش هزینه های دولت و بخش خصوصی، بهبود کیفیت خدمات سیستم درمان، کاهش حق بیمه های درمان، افزایش سود شرکت های بیمه، افزایش رضایت و اعتماد عمومی بیمه شدگان و در نهایت تاثیر قابل توجهی در توسعه اقتصادی کشور داشته باشد.

بیمه درمان، کشف کلاه برداری، سیستم های هوشمند، یادگیری ماشین.