The third party administrator (TPA) company has a very
good visualization dashboard to eyeball trends by patient, by
doctor and by condition of the medical claims submitted to
the insurance companies the TPA serves. However, the
identification of anomalies from the visual representation
was still done on a subjective judgment basis. The ML model
was developed to identify anomalies in claims that can have
fraudulent activities by the patient, by the doctor or by both
in collusion.

La société de tiers administrateur (TPA) dispose d'un très bon tableau de bord de visualisation des tendances visuelles par patient, par médecin et par état des réclamations médicales soumises aux compagnies d'assurance que le TPA dessert. Cependant, l'identification des anomalies à partir de la représentation visuelle se faisait toujours sur la base d'un jugement subjectif. Le modèle ML a été développé pour identifier les anomalies dans les réclamations qui peuvent avoir des activités frauduleuses par le patient, par le médecin ou par les deux en collusion.

A machine learning model to identify true anomalies and
trends of fraudulent claims was customized to classify the
source of fraud.

Un modèle d'apprentissage automatique pour identifier les véritables anomalies et les tendances des réclamations frauduleuses a été personnalisé pour classer la source de la fraude.

Detection of fraudulent medical claims