Moet je toegang krijgen tot de computer van de Rotterdamse huisarts die vijftig drugskoeriers van recepten voorziet? Of tot systemen van ziekenhuizen en specialisten met patiëntdossiers van degenen die met zorg en pgb’s frauderen? Concrete vragen die opdoemen bij de bestrijding van zorgfraude. Want daar speelt dezelfde kwestie als bij de bestrijding van terrorisme met behulp van IT, bijvoorbeeld via Big Data. In hoeverre offeren we privacy op om misdaad te voorkomen en te bestrijden? Of heel basaal: lagere zorgpremie of meer privacy?
Big data-systemen helpen bij fraudebestrijding, concludeert de Zorgautoriteit (NZa) op basis van testen van het Fraude Detectie Expertise Centrum (FDEC) van de Universiteit Leiden. Die analyseerde 1,7 miljard records van huisartsen, mondzorg en farmacie op mogelijke fraudepatronen. Een mega-exercitie, met als it-inzet ‘drie krachtige laptops met elk 32GB RAM en 1TB hybride HD+SSD-schijven en software gebaseerd op het krachtige wetenschappelijke analysesoftware van Matlab in Massachusetts’.
Het FEDC-systeem spuwde suggesties voor discutabele declaraties voor totaal 35 tot 40 miljoen euro per jaar. Dat is relatief beperkt, omdat er een hoge zekerheidsmarge was genomen: 99 procent. Het FDEC liet vervolgens haar datasysteem los op AWBZ-declaraties, wat signalen voor 300 miljoen euro aan te veel gedeclareerde zorg opleverde op ruim 20 miljard aan facturen.
Boeiende partonen
Bovendien heeft de NZa zelf aanvullend big data-onderzoek gedaan naar GGZ-declaraties, bijvoorbeeld naar signalen van fouten met het DBC-informatiesystemen (DIS). Zo kwamen boeiende patronen aan het licht van gesjoemel met maximumbehandeltijden, diagnoses en behandelcodes. IT en humor vormen geen sterke combinatie, maar deze big-data-exercitie bracht enkele hilarische uitkomsten over zorgfraude:
- Patiënten hadden plotseling andere stoornissen als hun kwalen niet langer werden vergoed.
- Zorgverleners declareerden op dezelfde tijdstippen op verschillende plaatsen.
- Zorgverleners declareerden meer uren dan een werkdag telt. Eén aanbieder registreerde gemiddeld 2174 minuten per dag per patiënt. Dat is 36 uur en 13 minuten.
Big data biedt onomstotelijk grote mogelijkheden voor fraudedetectie. Wel verwachten de onderzoekers een kat-en-muis-spel: zodra malicieuze zorgverleners weten welke fraude getraceerd wordt, verzinnen ze nieuwe trucs.
Om een goede big data-analyse op te zetten, is samenwerking tussen zorgpartijen belangrijk. Dat dit al tien jaar lang een drama is, blijkt uit het recente rapport ‘Big data in een vrije en veilige samenleving’ van de Wetenschappelijke Raad Regeringsbeleid (WRR). Vooral zorgverzekeraars trekken hun eigen plan.
Privacy hindert de opsporing en bestrijding van fraude, stellen Openbaar Ministerie en fraudeonderzoekers in de zorg. Zo koppelden overheden, financiële clubs en (zorg)verzekeraars recent – onder regie van het OM – hun ‘big data’ aan elkaar voor tracering van criminaliteit in Rotterdam-Zuid. Er werden grote netwerken van zorgfraude getraceerd, en banden met drugscriminaliteit. Zorgverzekeraar DSW had echter getekend voor privacy en kon de getraceerde malicieuze klanten niet direct aanpakken.
FDEC-onderzoekers hebben het sterke vermoeden dat fraudeurs goede zaken doen ‘achter het scherm van de privacy en het medisch beroepsgeheim’.
Lees het hele verhaal online of in ICT/Zorg van juni 2016.