پیش بینی هزینه های درمانی سازمان بیمه سلامت ایران با استفاده از روش های مبتنی بر یادگیری ماشین

تامین دقیق منابع مالی به منظور مدیریت بهتر هزینه ها یکی از دغدغه های اصلی مدیران سازمان ها است. سازمان بیمه سلامت ایران با عنوان یکی از بزرگ ترین سازمان های بیمه گر پایه از این امر مستثنا نبوده و قطعا برای تامین منابع مالی و اخذ بودجه های لازم در حوزه درمان خود، نیازمند شناسایی و پیش بینی دقیق هزینه های درمان است. استفاده از روش های مبتنی بر یادگیری ماشین به منظور ایجاد مدل پیش بینی هزینه های درمان میتواند کمک بزرگی به تامین دقیق تر منابع مالی نماید.

این پژوهش با استفاده از داده های هزینه ای موجود در سامانه اسنادپزشکی استان های سازمان طی سال های 1385 تا 1398 و با استفاده از روش های SARIMAX و LSTM، مدل و روشی را برای پیش بینی هزینه های سازمان ارایه داده است. این روش می تواند به پیش بینی دقیق تر هزینه های سازمان کمک نماید.

مشخص کردن روش با کارایی بهتر بر اساس شاخص MAPE به تنهایی جوابگوی ایجاد مدل مطلوب نبوده؛ لذا با ایجاد یک روش ترکیبی و استفاده از معیار درصد تحقق پیش بینی، مدل مطلوب برای پیش بینی هزینه ها ارایه شده است.

با توجه به ضرورت داشتن روش علمی به منظور پیش بینی دقیقتر هزینه های سازمان، روش و مدل پیشنهاد شده توانست با حداقل خطا نسبت به خطاهای پذیرفته شده در فرآیندهای دستی، هزینه های سازمان را پیش بینی نماید.