Dr. Musheer Ahmed, PhD, Oprichter en CEO van Codoxo – Interviewreeks

Dr. Musheer Ahmed, PhD, Oprichter en CEO van Codoxo is een technoloog en ondernemer die zich richt op het toepassen van kunstmatige intelligentie om systemische inefficiënties in de gezondheidszorg aan te pakken. Hij richtte Codoxo op op basis van onderzoek dat hij tijdens zijn PhD aan de Georgia Institute of Technology had uitgevoerd, waar hij de basis legde voor een gepatenteerde AI-aanpak voor het detecteren van fraude, verspilling en misbruik in medische claims. Onder zijn leiding is het bedrijf uitgegroeid tot een aanbieder van AI-gedreven betalingsintegriteitsoplossingen, waarmee gezondheidsorganisaties eerder risico’s kunnen identificeren en overgaan van reactieve audits naar proactieve kostenbeheersing. Zijn eerdere ervaring in beveiligingsinlichtingen bij VeriSign, waar hij werkte aan het identificeren van opkomende cyberdreigingen en kwetsbaarheden, vormde zijn focus op het gebruik van geavanceerde analyse en machine learning om verborgen patronen in complexe gegevensomgevingen te onthullen.

Codoxo is een gezondheidszorgbedrijf dat zich richt op het verminderen van inefficiënties en onnodige kosten in de gezondheidszorg door middel van zijn Forensic AI-platform. Het platform gebruikt gepatenteerde algoritmen en machine learning om grote hoeveelheden claimsgegevens te analyseren, verdachte gedragingen, factuurafwijkingen en opkomende fraudepatronen te identificeren eerder dan traditionele systemen. Door gezondheidsverzekeraars, overheidsinstanties en farmaceutische bedrijven in staat te stellen om in te grijpen voordat of tijdens het claimsproces, verschuift Codoxo de industrie naar proactieve betalingsintegriteit in plaats van retrospectieve herstel. Het bredere unified cost containment-platform integreert data mining, provideronderwijs, auditworkflows en casemanagement, waardoor organisaties hun nauwkeurigheid kunnen verbeteren, overbetalingen kunnen verminderen en hun operaties kunnen stroomlijnen, terwijl ze een geschatte honderden miljarden dollars verliezen als gevolg van fraude, verspilling en misbruik.

U heeft Codoxo opgericht na onderzoek naar fraude in de gezondheidszorg tijdens uw PhD aan Georgia Tech. Wat heeft u er eerst van overtuigd dat AI fundamenteel kan veranderen hoe fraude, verspilling en misbruik in de gezondheidszorg worden gedetecteerd?

Ik werd niet overtuigd door een enkel moment, maar door de manier waarop de bestaande aanpak ernstig faalde. Gezondheidsfraude in de VS vertegenwoordigt ongeveer 330 miljard dollar aan jaarlijkse verlies. Dat is meer dan elke andere vorm van verzekeringfraude in het land, en toch konden de dominante detectiemethoden alleen maar vangen wat ze al waren getraind om te zoeken. Zelfs toen AI in beeld kwam, waren de meeste benaderingen reactief, patroonherkenning tegen bekende fraude-schema’s in plaats van onbekende patronen te onthullen. Het moment dat het voor mij kristalhelder werd, was toen ik besefte dat fraude geen statisch probleem is. Slechte actoren passen zich aan. Ze leren wat een vlag activeert en routeeren eromheen. Een systeem dat is gebouwd op vaste regels is, per definitie, altijd achter.

Wat AI biedt, is de mogelijkheid om patronen te onthullen die niemand had bedacht om vooraf te programmeren. Tijdens mijn proefschrift aan Georgia Tech bouwde ik modellen die de volledige claimsgeschiedenis van een provider konden bekijken, gedragsafwijkingen konden identificeren en signalen konden verbinden die een menselijke analist of een regelengine nooit zou hebben gelinkt. De JASON-adviesgroep, die de Amerikaanse regering adviseert over wetenschap en technologie, erkende dat werk als een oplossing voor echte structurele hiaten in de manier waarop gezondheidsgegevens werden gebruikt voor betalingsintegriteit. Die erkenning zei me dat het probleem serieus genoeg was om een bedrijf op te bouwen.

De kernovertuiging die me toen dreef, is dezelfde die nu Codoxo aandrijft: gezondheidsclaimsgegevens bevatten het signaal dat u nodig hebt om fraude te vangen, maar u kunt het alleen extraheren met AI die naar het volledige beeld kan kijken, snel en nauwkeurig, in plaats van vakjes aan te vinken.

Gezondheidsfraude is al lang een miljardenprobleem, maar generatieve AI lijkt het dramatisch te versnellen. Hoe heeft de opkomst van tools die overtuigende klinische documentatie en diagnostische beelden kunnen produceren, het dreigingslandschap voor gezondheidsverzekeraars en betalingsintegriteits teams veranderd?

Het heeft het fundamenteel veranderd, en de industrie heeft nog niet volledig begrepen hoe significant die verschuiving is. Het oude model van documentatiefraude vereiste handmatige inspanning. Een slechte acteur die fraude pleegde, moest notities een voor een vervalsen, afbeeldingen individueel wijzigen en records creëren die plausibel genoeg waren om een review te overleven. Die wrijving creëerde een natuurlijke limiet op de omvang van elk schema.

Generatieve AI verwijderde die limiet. Vandaag kan iedereen een groot taalmodel vragen om 50 therapiesessie-notities voor angstbehandeling te produceren en ze in minder dan vijf minuten ontvangen. Die notities gebruiken passende klinische terminologie, volgen een plausibele narratieve structuur en zien er intern consistent uit. De meeste fraude detectiesystemen waren nooit ontworpen om te beoordelen of een document authentiek of synthetisch is. Ze waren ontworpen om te controleren of factuurcodes correct waren toegepast, bekende patronen te markeren en te matchen met bestaande fraudehandtekeningen. Dus synthetische documentatie gaat recht door, zelfs langs sommige systemen die beweren een AI-component te hebben.

… (rest van de vertaling)