Gesundheit & Pflege

Abrechnungen im Gesundheitswesen: Auffälligkeiten per ML finden und prüfen

Starre Prüfregeln erkennen nur, was vorher jemand als Fehler beschrieben hat. Für Abrechnung, Controlling und Revision bei Leistungserbringern wie Kostenträgern zeigt dieser Tag, wie Unsupervised Learning Leistungs- und Verordnungsprofile nach Ausreißern durchsucht. Zwei Übungen führen vom Aufspüren auffälliger Abrechnungen zur passenden Prüfhandlung, eine Fallstudie fügt beides zu einer Prüfstrategie zusammen. Datenschutz bei Gesundheitsdaten, Erklärbarkeit im Widerspruchsverfahren und der Umgang mit False Positives begleiten alle Module.

Für wen

Verantwortliche aus Abrechnung, Controlling und Revision bei Leistungserbringern und Kostenträgern, die Auffälligkeiten in Abrechnungsdaten datengestützt aufdecken wollen.

KI-Tagesseminar · 1 Tag

Ungewöhnliche Abrechnungsmuster datengestützt erkennen und belastbar nachprüfen

Das nehmen Sie mit

  • Upcoding, Doppelabrechnungen und andere Unregelmäßigkeiten ordnen Sie danach ein, ob eine Regel oder ein ML-Verfahren sie zuverlässiger erfasst.
  • In einer Übung haben Sie mit Unsupervised Learning auffällige Fälle in Leistungs- und Verordnungsprofilen markiert und begründet.
  • Treffer werden priorisiert, für Prüfende erklärbar gemacht und in Prüfhandlungen übersetzt, Fairness inbegriffen.
  • Integration, Governance und Datenschutz sind in einem Fahrplan für die datengetriebene Prüfung Ihrer Organisation gebündelt.

Ablauf

  1. Teil 1

    Modul 1 – Fehlerbilder: Was in Abrechnungen auffällt und was Regeln übersehen

    • Typische Muster in Abrechnungsdaten: Upcoding, doppelt abgerechnete Leistungen, sonstige Unregelmäßigkeiten
    • Regelbasierte Prüfung und Machine Learning nebeneinander: Stärken, Lücken, Einsatzgebiete
    • Warum feste Prüfregeln neue oder geschickt verteilte Muster nicht erfassen
    • Gesundheitsdaten als besonders schutzwürdige Daten: was das für jede Auswertung bedeutet
    • Standortbestimmung: Ihr derzeitiges Prüfverfahren von der Stichprobe bis zur Regelprüfung
  2. Teil 2

    Modul 2 – Analyse: Ausreißer mit Unsupervised Learning erkennen

    • Unsupervised Learning: ungewöhnliche Muster finden, ohne dass vorher markierte Fälle vorliegen
    • Leistungsprofile einzelner Leistungserbringer und Verordnungsprofile mit der Vergleichsgruppe abgleichen
    • Den Normalbereich bestimmen: wann eine Abweichung fachlich erklärbar ist und wann sie Prüfbedarf auslöst
    • Übung: In einem Abrechnungsdatensatz auffällige Fälle aufspüren und die Auswahl begründen
  3. Teil 3

    Modul 3 – Bewertung: Von der Auffälligkeit zur Prüfhandlung

    • Treffer nach Dringlichkeit reihen und Fälle für die Einzelfallprüfung auswählen
    • Ergebnisse so erklären, dass Prüfende sie nachvollziehen und sie im Widerspruchsverfahren standhalten
    • False Positives begrenzen und Fairness sichern, damit keine Gruppe von Leistungserbringern benachteiligt wird
    • Übung: Zu ausgewählten Treffern konkrete Prüfhandlungen festlegen
    • Abwägen, wie viel Prüfaufwand für welches Maß an Prüfsicherheit gerechtfertigt ist
  4. Teil 4

    Modul 4 – Umsetzung: Prüfsysteme, Governance, Datenschutz

    • Analysen an die vorhandenen Prüfsysteme und Bearbeitungsabläufe anbinden
    • Governance und Dokumentation: Modellversion, Schwellenwerte und Entscheidungen nachvollziehbar festhalten
    • Datenschutz für Gesundheitsdaten dauerhaft in Zugriffsrechten und Abläufen verankern
    • Fallstudie: Aufbau einer Prüfstrategie mit KI-Unterstützung
    • Fahrplan für den Übergang zur datengetriebenen Abrechnungsprüfung

VoraussetzungenSie bringen Berufserfahrung in der Abrechnung oder im Controlling des Gesundheitswesens mit.

AbschlussTeilnahmezertifikat und digitales Badge

Thema anfragen