Hiện nay, việc chi trả bảo hiểm y tế (BHYT) được thực hiện dựa trên các phác đồ điều trị chuẩn do Bộ Y tế ban hành. Đây là căn cứ quan trọng để đánh giá tính hợp lệ của các dịch vụ kỹ thuật, thuốc điều trị  và chỉ định cận lâm sàng trong từng trường hợp bệnh. Tuy nhiên, các phác đồ chuẩn dù mang tính hệ thống vẫn có độ trễ nhất định so với thực tiễn điều trị tại các cơ sở y tế.

    Trên thực tế, nhiều bệnh viện đã áp dụng các phương pháp điều trị mới, hiệu quả hơn, nhưng chưa được cập nhật trong hướng dẫn hiện hành. Điều này khiến hồ sơ chi trả dễ bị từ chối hoặc kéo dài thời gian xét duyệt, gây khó khăn cho bệnh viện và tạo tâm lý lo lắng cho cán bộ y tế lẫn người bệnh.

    Khoảng cách giữa dữ liệu thực tế và tiêu chuẩn đánh giá cũng trở thành kẽ hở cho các hành vi trục lợi BHYT. Các hình thức gian diễn ra ngày càng tinh vi, không chỉ làm thất thoát quỹ bảo hiểm mà còn ảnh hưởng đến hiệu quả vận hành của toàn hệ thống y tế. Trong khi đó, hoạt động phát hiện gian lận vẫn chủ yếu dựa vào rà soát thủ công – tốn thời gian, nhân lực và rất khó bao quát trong bối cảnh dữ liệu phát sinh ngày càng lớn.

    Việc thiếu các công cụ tự động hóa và phân tích thông minh khiến cho việc nhận diện các mẫu gian lận phức tạp trở nên vô cùng khó khăn. Do đó, ứng dụng AI phát hiện gian lận Bảo hiểm Y tế được xem là giải pháp tiềm năng, có khả năng xử lý khối lượng dữ liệu lớn và phát hiện những dấu hiệu bất thường mà phương pháp thủ công không thể nhận ra.

    Trước thực trạng này, VNPT AI đã đồng hành cùng Bảo hiểm Xã hội Việt Nam triển khai một dự án thí điểm ứng dụng trí tuệ nhân tạo (AI) phát hiện gian lận BHYT. Đây là hệ thống AI chống gian lận Bảo hiểm Y tế tiên tiến, tập trung phân tích tập dữ liệu gồm 20 tỷ bản ghi, thí điểm trên 5 nhóm bệnh phổ biến: viêm phế quản, viêm tai giữa, viêm ruột thừa, thận nhân tạo và đục thủy tinh thể. Các thông tin như mã bệnh, điều kiện điều trị, mã chi phí… được phân tích để xác định mối liên hệ giữa chỉ định và chi phí.

    Từ dữ liệu đó, mô hình AI tính toán một bộ chỉ số đánh giá cho từng tổ hợp bệnh và chi phí, phản ánh mức độ phù hợp của phác đồ điều trị với chuẩn hiện hành. Khi áp dụng vào thực tế, hệ thống sẽ gợi ý các trường hợp hợp lệ và cảnh báo các ca có dấu hiệu bất thường để cơ sở y tế và cơ quan bảo hiểm đánh giá  lại.

    Mặt khác, mô hình không chỉ phục vụ phòng chống các hành vi gian lận như kê khống hồ sơ, khống chi phí, và chỉ định thừa…, mà còn hỗ trợ Bộ Y tế trong việc rà soát, cập nhật và hoàn thiện các phác đồ điều trị theo hướng bám sát thực tiễn lâm sàng. Đây là một bước tiến quan trọng để hình thành chính sách BHYT linh hoạt hơn, dựa trên bằng chứng dữ liệu thay vì quy định cứng.

    Trong quá trình triển khai, nhóm dự án cũng đối mặt với nhiều thách thức, đặc biệt là tính phức tạp và khó giải thích của dữ liệu. Hệ thống phải xử lý nhiều trường thông tin với các mối quan hệ ẩn, chưa thể quan sát trực tiếp. Thêm vào đó, dữ liệu lịch sử BHYT chưa được chuẩn hóa và nhiều ngoại lệ, đòi hỏi quá trình làm sạch và hiệu chỉnh liên tục để đảm bảo độ tin cậy.

    Một khó khăn khác đến từ sự thay đổi liên tục của dữ liệu khám chữa bệnh. Trong thực tế, các yếu tố như quy trình điều trị, chính sách thanh toán, hay hành vi sử dụng dịch vụ y tế có thể biến đổi theo thời gian, khiến cho mô hình AI trở nên kém hiệu quả nếu không được cập nhật thường xuyên. Điều này đòi hỏi quá trình phân tích kết quả và cải tiến mô hình phải được thực hiện liên tục để đảm bảo khả năng thích ứng và duy trì hiệu quả trong môi trường vận hành thực tế.

    Dù còn là bước thử nghiệm, kết quả bước đầu cho thấy mô hình có độ chính xác gần 90%, với tiềm năng giúp tiết kiệm hàng nghìn tỷ đồng nếu được triển khai rộng rãi. Quan trọng hơn, đây không phải là một công cụ thương mại, mà là một hướng tiếp cận dữ liệu hóa trong xây dựng chính sách y tế, mở ra tiền đề cho việc ứng dụng AI sâu rộng hơn vào quản lý nhà nước trong tương lai. Qua đó góp phần hoàn thiện giải pháp AI phòng chống trục lợi Bảo hiểm Y tế toàn diện hơn.