Sağlık sisteminde veri madenciliği ile suistimal tespiti

Abstract

Günümüzde, giderek artan hacimdeki veriler üzerinde suistimallerin tespitistandart yöntemlerle çok güç ve zaman alıcı olabilmektedir. Veri madenciliği,yüksek hacimli verilerde hızlı ve etkin tespit imkânı sağlaması nedeniyle son yıllardaön plana çıkan bir suistimal tespit yöntemi haline gelmiştir. Her alanda olduğu gibisağlık alanında da zaman zaman suistimaller görülebilmektedir. Bu tez çalışması ilesağlık sektöründe uygulanan performansa dayalı ek ödeme sisteminde suistimaltespiti probleminin, otomatik olarak çözülüp çözülemeyeceği incelenmiş veçözülmesi için akıllı algoritmalar geliştirilmiştir.İlk olarak, uygun veri madenciliği tekniklerinin seçilmesi için; çeşitliteknikler ve bunların uygulamaları incelenerek birden fazla tekniğin bir aradakullanıldığı hibrit bir sistem tasarlanmıştır. Bu sistem veri önişleme, tespit modelioluşturma ve değerlendirme olmak üzere üç adımdan oluşmaktadır. Veri önişlemeadımında, hastane bilgi sistemi veri tabanlarındaki ham verilerin, bir dizi işlemdengeçirilmesi ile performans bilgitabanı oluşturulmaktadır. İkinci adımda, elde edilenbilgitabanı yardımı ile kural tabanlı, akıllı bir tespit modeli hazırlanmaktadır. Sonadımda ise ortaya konulan modele göre veriler işlenerek, suistimal eğilimli kayıtlaruzmanların incelemesine sunulmaktadır. Uzmanlardan gelen geri beslemelerle modelsürekli güncellenmektedir.Bu tez çalışması sayesinde suistimal tespitinde yeni bir model geliştirilerek,yalnızca uzmanların yaptığı, durum tabanlı ve kısmi başarı sağlanan sorgulamalar ilesınırlı kalınmamaktadır. Bununla birlikte hiç akla gelmeyebilecek suistimallerin debilgisayarlar yardımıyla ortaya çıkarılabilmesi ve tespit hızının arttırılabilmesisağlanabilmektedir.With large scale of data, abuse detection with standard methods could be verydifficult and take long times. In recent years, data mining providing efficientdetection ability in huge data has become one of the most popular abuse detectionmethods. Sometimes, abuses may occur in healthcare as in all fields. With this thesis,it is aimed to investigate whether the problem of abuse detection in healthcare can besolved automatically or not and to develop intelligent algorithms in order to solve theproblem.Firstly, many different techniques are examined in order to select proper datamining techniques. After these examinations, a hybrid system consisting of morethan one technique is designed. This system is composed of three steps such as datapreprocessing, constructing detection model and evaluation. In the step of datapreprocessing, performance knowledgebase is prepared from the raw data indatabases of hospital information systems by processing systematically. In the secondstep, a rule based intelligent detection model is also prepared with the help ofknowledgebase prepared. At last step, probable abuse records are presented toexperts for investigation by means of processing the data according to the detectionmodel. The model is updated continuously according to the feedbacks of experts.With this new model proposed in this thesis, abuse detection is not restrictedto case based querying which is done by only experts with limited success.Additionally, unusual abuse events can be detected by machine, and detection speedcan be increased.