I bilanci pubblici sono sotto pressione in tutto il mondo. I costi sanitari in rapido aumento, in parte dovuto al progresso tecnologico e all'invecchiamento della popolazione, richiedono ai paesi di utilizzare le loro scarse risorse sanitarie in modo appropriato per raggiungere le persone che ne hanno più bisogno. Il settore sanitario è una parte fondamentale della sicurezza sociale e rappresenta una grande parte del PIL. Coinvolgere grandi quantità di denaro con numerose transazioni individuali, è un obiettivo attraente per i truffatori.

La pandemia di COVID-19 ha avuto un impatto significativo sull'erogazione dell'assistenza sanitaria. Modifiche urgenti alle pratiche relative ai codici di fatturazione, alla telemedicina e alle prescrizioni hanno consentito ai sistemi sanitari di adattare con successo l'erogazione dei processi assistenziali. Tuttavia, questi rapidi adattamenti hanno creato potenziali vulnerabilità per frode e spreco.

Sebbene la maggior parte degli operatori sanitari sia onesta e ben intenzionata, il comportamento fraudolento (definito di seguito) ha un impatto negativo diretto sull'utilizzo dell'assistenza sanitaria. Porta a uno spreco di risorse limitate e potenzialmente mette in pericolo i pazienti fornendo loro cure non necessarie o ostacolando il loro accesso ai servizi medici di cui hanno bisogno. Il denaro che viene defraudato non è disponibile per finanziare la prevenzione, rimborsare innovazioni o investire in programmi che garantiscano parità di accesso a cure di qualità. In media, la perdita per frode ed errore è superiore al 6% della spesa sanitaria (OCSE, 2017).

Anche l'assistenza sanitaria e l'assicurazione medica sono diventate sempre più vulnerabili alle frodi che sono per natura nascoste e difficili da valutare. Gli importi identificati delle frodi sanitarie aumentano ogni anno (EHFCN, 2017). I metodi tradizionali di rilevamento delle frodi sanitarie, spesso limitati all'individuazione ex post piuttosto che alla prevenzione delle frodi, sembrano non essere finora efficienti ed efficaci. I dati sanitari sono difficili da incrociare e gli investigatori non possono monitorare manualmente le transazioni in tempo reale. Un modo più efficace per prevenire frodi e abusi è identificarlo prima che i reclami vengano pagati. Pertanto, il paradigma della gestione impropria della spesa sanitaria si sta spostando dalla gestione del follow-up alla prevenzione.

Questo cambiamento è supportato dall'uso di tecnologie emergenti. Le tecnologie di rilevamento e prevenzione delle frodi hanno fatto passi da gigante, riducendo i tempi di rilevamento e offrendo la possibilità di creare analisi più rapide, avanzate e accurate. Sono stati compiuti sforzi per automatizzare il rilevamento delle frodi attraverso metodi computazionali che coinvolgono il data mining delle richieste di rimborso dell'assicurazione sanitaria e nuovi approcci tecnologici consentono una migliore verificabilità delle richieste di assistenza sanitaria.

Una tipologia di infrazioni

Una buona comprensione della tipologia dei fenomeni di frode in sanità è essenziale per lo sviluppo di strategie adeguate per il buon governo dei sistemi sanitari. È importante standardizzare le definizioni per migliorare la comunicazione e lo scambio di dati, consentendo il benchmarking internazionale e la progettazione di azioni mirate.

Le frodi e gli abusi sanitari coinvolgono tutti i settori dell'industria sanitaria, compresi i produttori di farmaci e dispositivi, ospedali, farmacie, medici, fornitori, distributori, laboratori, pazienti e pagatori. Il gruppo più colpito potrebbe essere quello dei contribuenti, compresi quelli pubblici e privati. L'assistenza sanitaria fraudolenta si presenta in diverse forme, comprese tangenti, false affermazioni e autoriferimenti illegali.

Definizioni di errore, evasione e frode

Errore, evasione e frode (EEF) non è un tema nuovo per gli enti previdenziali. L'International Social Security Association (ISSA) ha lavorato nel 2017 con i suoi membri globali per identificare i modi più efficienti per affrontare il problema, sia che si tratti di impedirne l'inizio o di combatterne l'esistenza (ISSA, 2019a). Sottolineando l'importanza di un approccio integrato e olistico per prevenire, rilevare e combattere gli errori e i comportamenti fraudolenti, siano essi da parte delle istituzioni o dei beneficiari, il Linee guida ISSA su errore, evasione e frode coprire i rischi complessi dell'EEF, sulla base di un approccio e di un modello di gestione del rischio. Il modello è ancorato alle seguenti definizioni di queste linee guida:

L'inclusione delle prospettive delle filiali è stata anche integrata nelle linee guida ISSA trasversali, ad esempio sulla buona governance, sulle tecnologie dell'informazione e della comunicazione (TIC) o sulla qualità del servizio. Le Linee guida ICT includono capitoli specifici sull'e-health e sui processi aziendali tenendo in considerazione le diverse branche (ISSA, 2019b).

La matrice della tipologia dei rifiuti EHFCN

Negli ultimi anni, il Rete europea di frode e corruzione nel settore sanitario (EHFCN) è diventato un pioniere nello sviluppo di una tipologia per distinguere tra errore, abuso, frode e corruzione nel settore sanitario. La frode è stata definita come "l'uso o la presentazione di dichiarazioni e/o documenti falsi, errati o incompleti, o la non divulgazione di informazioni in violazione di un obbligo di divulgazione legalmente esecutivo, avente come effetto l'appropriazione indebita o il trattenimento indebito di fondi o proprietà altrui, o il loro uso improprio per scopi diversi da quelli specificati”. (EHFCN, 2017)

Nel contesto di cure adeguate (vedi anche Webinar ISSA Migliorare l'assistenza adeguata nel settore ospedaliero), è spesso difficile distinguere la frode dallo spreco. Sebbene la frode implichi un elemento di intento deliberato, lo spreco spesso si verifica involontariamente. Per promuovere la comprensione della complessità, EHFCN ha sviluppato il Matrice Tipologia Rifiuti © nel 2014, che classifica i rifiuti in una scala con un grado di 'intenzione' crescente:

Errore: Ottenere ingiustamente un beneficio di qualsiasi natura violando involontariamente una regola o una linea guida. Esempio: fatturazione involontaria di un servizio che non è stato reso. Abuso: Ottenere ingiustamente un beneficio di qualsiasi natura estendendo consapevolmente una regola o una linea guida o sfruttando l'assenza di una regola o di una linea guida. Esempio: fornire e fatturare consapevolmente un servizio senza indicazione medica. Frode: Ottenere illegalmente un beneficio di qualsiasi natura violando intenzionalmente una regola. Esempio: fatturazione intenzionale di un servizio che non è stato fornito. Corruzione: Ottenere illecitamente un beneficio di qualsiasi natura mediante abuso di potere con coinvolgimento di terzi. Esempio: prescrizione intenzionale di un farmaco inefficace per ricevere una tangente dal produttore farmaceutico.

Senza essere esaustivi, si possono distinguere le seguenti tipologie di frode:

L'uso di tecnologie per prevenire e rilevare le frodi in ambito sanitario

I metodi tradizionali di rilevamento delle frodi sanitarie non si sono dimostrati efficienti ed efficaci. L'operatore sanitario presenta una richiesta dopo aver prestato servizi a un paziente, che viene quindi verificata e rimborsata dal pagatore. Tuttavia, questo processo lascia fuori uno stakeholder critico, vale a dire il paziente per il quale i servizi sono effettivamente resi. Inoltre, gli sforzi per rilevare le frodi sanitarie comportano un'ardua attività investigativa, che si verifica dopo che sono stati effettuati pagamenti per false affermazioni. Possono volerci anni per raccogliere prove per perseguire e recuperare i soldi. Indubbiamente, un modo più efficace per prevenire le frodi è identificarlo prima che i reclami vengano pagati.

Le tecnologie di rilevamento e prevenzione delle frodi hanno fatto enormi passi avanti innovazione basata sui dati, inclusi informatica, data mining, analitica, machine learning e altre forme di intelligenza artificiale (AI), sviluppando diversi meccanismi, ad esempio:

Sebbene i set di dati nell'assistenza sanitaria possano essere molto grandi – dalle prescrizioni di test diagnostici, alle visite mediche, all'assistenza ospedaliera ospedaliera, ai prodotti sanitari e alle prescrizioni farmaceutiche – di solito sono ben strutturati. L'applicazione di algoritmi di apprendimento automatico a tali dati può creare analisi più avanzate e accurate in un modo molto più rapido rispetto ai tradizionali metodi di rilevamento delle frodi, fornendo accesso a informazioni sostanziali in tempo reale. Esiste una gamma di tecniche per eseguire la classificazione, il raggruppamento, il processo decisionale o il riconoscimento (facciale).

L'applicazione delle TIC per prevenire e/o rilevare possibili irregolarità è disciplinata dall'art Linee guida ISSA sulla tecnologia dell'informazione e della comunicazione (ISSA, 2019b). I sistemi informativi avanzati e le iniziative sui big data consentono l'attuazione di misure efficaci contro l'EEF. L'aumento degli scambi intra-istituzionali rende i database comuni sempre più efficienti.

Rilevare violazioni delle regole e anomalie

I sistemi di controllo e rilevamento delle frodi sanitarie mirano a fornire protezione ai pagatori nei seguenti modi:

L'analisi dei dati è stata applicata per rilevare violazioni delle regole e anomalie. Una violazione delle regole può essere facile da identificare, ad esempio pagamenti superiori a un importo massimo. Tuttavia, non costituisce una prova di frode. Questi modelli possono essere causati da errori amministrativi, ad esempio alcune attività potrebbero essere mappate ai pazienti sbagliati. Le anomalie caratterizzano fornitori, pazienti, assicuratori o modelli di trattamento che si discostano fortemente dai modelli normalmente previsti. Oltre al rilevamento delle violazioni, sono necessarie ulteriori analisi per identificare i problemi effettivi quando vengono rilevate anomalie.

Ad esempio, in Grecia, l'Organizzazione nazionale per la fornitura di servizi sanitari (EOPYY) applica l'intelligenza artificiale per rilevare la frode nei dati delle prescrizioni, che è stata contestata in tribunale sulla base dell'argomento che "un algoritmo non può fornire risultati sicuri né sostituire il controllo di persona di cambiali” (Consiglio di Stato/Riesame della magistratura, 2022). Il metodo scelto garantiva da un lato la selezione casuale del campione, dall'altro l'applicazione della teoria matematica delle probabilità per valutare il risultato del campionamento. La Corte ha affermato che “i metodi scientifici utilizzati nell'audit hanno fornito una garanzia sufficiente per l'obiettività, la validità, l'accuratezza e l'affidabilità della conclusione tratta” (Delibera 580/2021 del Consiglio di Stato).

Mentre l'intelligenza artificiale potrebbe essere un punto di svolta quando si tratta di rilevare le frodi sanitarie, lo scopo di un sistema di intelligenza artificiale dovrebbe essere quello di integrare i processi di rilevamento delle frodi eseguiti da personale esperto, piuttosto che sostituirli (ISSA, 2019c e 2020). L'uso dell'IA solleva anche molte domande sulla privacy, l'etica e la sicurezza informatica, come descritto in un recente rapporto ISSA sul rafforzamento sicurezza informatica nella sicurezza sociale.

Investire nelle TIC

Si prevede che l'uso di nuove tecnologie, come l'IA, aumenterà gradualmente insieme ai dati sanitari in rapido aumento (ISSA, 2019b e 2019c). Un aspetto chiave del rilevamento delle frodi è investire nelle TIC per aumentare l'efficacia della gestione delle frodi. Ciò include l'investimento in sistemi e risorse umane specializzate nell'individuazione di frodi e comportamenti fraudolenti, che si stanno evolvendo rapidamente in un ambiente digitale.  

BPJS Salute, Indonesia ha investito nell'analisi dei big data e nello sviluppo della Business Intelligence (BI) per comprendere e monitorare meglio le tendenze comportamentali per contrastare le frodi, illustrate nelle seguenti buone pratiche (2021):  

• Machine learning e big data: supporto al processo decisionale sul rilevamento delle frodi descrive come l'apprendimento automatico può rilevare potenziali frodi in modo più rapido ed efficiente, riducendo i tempi di rilevamento, prevedendo in modo più accurato utilizzando set di dati di grandi dimensioni e fornendo soluzioni convenienti. Al 31 dicembre 2020, questa buona pratica ha rilevato 30,000 casi di potenziali frodi con un risparmio totale di 41.93 milioni di dollari USA (USD).
• DEFRADA (Deteksi Potensi Fraud Dengan Analista Data Klaim): lo sviluppo di uno strumento di rilevamento delle frodi nei servizi ospedalieri, un'iniziativa basata sulla business intelligence per uno strumento di rilevamento delle frodi nei servizi ospedalieri è stato sviluppato per aiutare il personale ispettivo a identificare i reclami che richiedono un'analisi più approfondita. In futuro, l'analisi e la ricerca dei dati fungeranno da motore principale per la definizione delle politiche nella lotta alle frodi.
• Sviluppo di un sistema di farmacie online per una fatturazione e una consegna dei farmaci più efficienti, spiega lo sviluppo di un sistema di farmacia online basato sul web. che consente di migliorare il processo di fatturazione e di sviluppare un sistema di interoperabilità compatibile con le farmacie partner. Il sistema ha un impatto significativo sulla riduzione delle frodi, sul miglioramento dell'efficienza e sull'aumento del numero di richieste di indennizzo puntuali.
• Ogni organizzazione dovrebbe sviluppare una strategia antifrode efficace e completa basata su prove affidabili sulla natura e l'entità della frode. La buona pratica su Miglioramento dell'affidabilità del profilo di rischio come base per la formulazione dei rischi strategici organizzativi e del budget basato sul rischio evidenzia la necessità di identificare tecniche che possano migliorare l'affidabilità, la qualità e l'efficienza del profilo di rischio, per garantire l'efficacia della gestione del rischio.

Nella Repubblica di Corea, il National Health Insurance Service (NHIS) ha sviluppato un sistema di rilevamento delle frodi basato sui big data sanitari, che include variabili socio-demografiche, malattie e storia del trattamento. Il sistema è stato introdotto per rilevare e prevedere le frodi da parte delle strutture sanitarie; che non sono costituiti ai sensi della normativa vigente, ad esempio da soggetti non qualificati, che cercano di massimizzare il proprio profitto con un'elevata probabilità di indennizzi assicurativi fraudolenti. In Corea, dove il settore privato rappresenta la maggior parte dell'assistenza sanitaria, prevenire la creazione di istituzioni mediche illegali a scopo di lucro è uno dei pilastri del sistema, insieme alla prevenzione delle richieste di risarcimento fraudolente. Il NHIS ha iniziato ad applicare l'IA dal 2020 sulla base di un sistema di rilevamento ibrido che trova informazioni con un'elevata probabilità di frode, mescolando modelli tradizionali basati su regole e modelli predittivi di intelligenza artificiale.

Le Previdenza sociale del Vietnam (VSS), Vietnam condivisa nella buona pratica Applicazione informatica per la gestione dell'assicurazione sanitaria, la revisione medica e il pagamento come il VSS ha costruito il sistema informativo di ispezione dell'assicurazione sanitaria per connettersi con oltre 12,000 ospedali a livello nazionale. Questo sistema ha dimostrato di essere un punto vitale per il controllo e il monitoraggio dei servizi medici degli ospedali coinvolti e dei partecipanti alle assicurazioni sanitarie, contribuendo così al servizio di sicurezza sociale nazionale nel suo complesso.

Conclusioni

I sistemi sanitari finanziariamente sostenibili devono utilizzare le scarse risorse in modo più efficiente ed efficace. Poiché la fornitura di assistenza sanitaria dipende dall'interazione di risorse finanziarie, tecnologiche e umane, richiede un comportamento appropriato da parte di tutti gli attori coinvolti. Oggi è importante che gli istituti di previdenza sociale si impegnino in adeguate attività di contrasto alle frodi, poiché le frodi possono danneggiare gravemente le finanze dell'assistenza sanitaria e, di conseguenza, portare a una minore qualità dell'assistenza.

Gli elementi essenziali di una strategia di lotta alle frodi includono la valutazione del rischio, la misurazione delle frodi, lo sviluppo di una cultura antifrode all'interno dell'organizzazione, la tempestiva individuazione delle frodi, il rigoroso perseguimento delle sanzioni (penali e civili) e le misure per chiedere il risarcimento dei fondi.

Investire nelle tecnologie emergenti è fondamentale per sviluppare, monitorare e valutare risposte su misura per contrastare efficacemente le frodi nell'assistenza sanitaria. La biometria e la Blockchain contribuiscono allo sviluppo di misure preventive rafforzando il controllo dell'identificazione delle persone e fornendo i mezzi per implementare sistemi immutabili, cioè in cui le informazioni non possono essere alterate. Inoltre, il data mining, l'analisi predittiva, l'apprendimento automatico e altre tecniche di intelligenza artificiale consentono l'implementazione di misure di rilevamento basate sul profilo, per identificare casi sospetti utilizzando i dati esistenti. Queste tecnologie possono essere utilizzate anche per attuare misure preventive, in particolare attraverso meccanismi di gestione del rischio. Tali casi dovrebbero essere ulteriormente studiati.

È importante ricordare, tuttavia, che i risultati delle tecniche profilate e predittive sono approssimativi e, pertanto, richiedono l'intervento di personale esperto in grado di determinare casi di frode reali attraverso la raccolta di prove appropriate.

La generazione di capacità adeguate è un presupposto importante per l'applicazione delle tecnologie emergenti da parte delle organizzazioni di sicurezza sociale e sanitaria.  

Ciò comporta, in primo luogo, l'investimento nel test e nella selezione di strumenti software e l'integrazione di tecnologie nelle fasi chiave dei processi di controllo delle frodi, ma anche nello sviluppo delle competenze del personale.

In secondo luogo, le istituzioni che adottano tecnologie emergenti basate sui dati, come analisi e intelligenza artificiale, dovrebbero anche applicare pratiche di gestione e governance dei dati per raggiungere il livello di qualità dei dati richiesto. Infine, le istituzioni che utilizzano le tecnologie emergenti dovrebbero creare i cosiddetti ambienti sandbox per testare e pilotare in sicurezza le applicazioni.

Strategie e soluzioni per supportare i decisori politici e gli istituti di previdenza sociale nella prevenzione e nell'individuazione delle frodi sono fondamentali per garantire il diritto alla salute di ogni paziente. L'applicazione delle tecnologie emergenti può offrire nuove opportunità significative ed essere una fonte di progresso in questo senso.

Riferimenti