Contribuciones a la detección de fraude en los seguros de salud

Abstract

El fraude en los sistemas de seguros de salud (FSS) representa una de las amenazas financieras más críticas para la sostenibilidad de la salud pública global. A pesar de que el Aprendizaje Automático Supervisado (AAS) ha emergido como una herramienta con alto potencial disruptivo, la literatura actual evidencia una fragmentación metodológica, predominando enfoques ad-hoc que carecen de marcos sistemáticos que aseguren la replicabilidad y eficacia en entornos de datos altamente desequilibrados. La presente investigación tiene como objetivo proponer y validar empíricamente un marco metodológico integral diseñado específicamente para este dominio. Como piedra angular del estudio, se estableció un marco teórico robusto para la delimitación conceptual y de dominio del FSS. Esta fundamentación permitió identificar no solo la naturaleza del fenómeno, sino sus manifestaciones específicas y su interdependencia con los actores clave del sistema: el proveedor (prestador de servicios), el asegurado (usuario) y la entidad aseguradora. Bajo este enfoque sistémico, se desarrolló la metodología PDHIF (Phases for Detecting Health Insurance Fraud), una arquitectura estructurada en seis fases que amalgama el conocimiento experto del dominio pericial con el ciclo de vida avanzado de la ciencia de datos. Para la validación del modelo, se ejecutó un estudio de caso sobre un corpus masivo de 8.5 millones de reclamaciones pertenecientes a un seguro de salud público en el Perú, contrastando el desempeño de tres arquitecturas algorítmicas: Random Forest, XGBoost y Multilayer Perceptron. Los hallazgos revelan una asimetría crítica en el rendimiento de los modelos según el tratamiento de los datos. En escenarios con desequilibrio de clase natural, los algoritmos mostraron una ineficacia sustancial para la detección (F1-score < 0.521), a pesar de reportar precisiones nominales superiores al 98%, lo que evidencia el sesgo de la métrica tradicional. Por el contrario, tras la implementación de técnicas de balanceo dentro del marco PDHIF, el rendimiento experimentó una optimización drástica. El algoritmo Random Forest alcanzó una métrica F1, sensibilidad y AUC de 0.994, demostrando una capacidad de discriminación casi absoluta frente a reclamaciones anómalas. En conclusión, la investigación demuestra que la robustez de un sistema de detección no reside exclusivamente en la sofisticación del algoritmo, sino en la aplicación metódica de una arquitectura de fases especializada. El marco PDHIF se posiciona como un modelo de referencia para el desarrollo de sistemas de monitoreo financiero robustos, capaces de mitigar la fuga de recursos y fortalecer la integridad de los sistemas de salud.