Xây dựng hệ thống hỗ trợ ra quyết định ưu tiên giám định hồ sơ bồi thường bảo hiểm y tế dựa trên học giám sát yếu và các ràng buộc ổn định

Abstract

Sự khan hiếm nhãn xác thực và tính thiếu ổn định của các mô hình dự báo hiện hành đang tạo áp lực lớn lên công tác giám định bảo hiểm y tế. Nhằm lấp đầy khoảng trống này, luận văn phát triển Hệ thống Hỗ trợ Ra quyết định (DSS) cho bài toán xếp hạng ưu tiên rủi ro, dựa trên khung phương pháp STAR. Bằng cách tích hợp học giám sát yếu với ràng buộc ổn định theo thời gian, điểm bất thường từ Autoencoder và Isolation Forest được chuyển hóa thành nhãn giả định để huấn luyện mô hình LightGBM. Chiến lược tối ưu ngưỡng qua bootstrap, dẫn dắt bởi chỉ số SAL@k, được thiết kế để cân bằng giữa hiệu quả phát hiện và tính nhất quán thứ hạng. Thực nghiệm trên hai kênh phân phối (Tài chính và Bancassurance) ghi nhận hệ số tương quan hạng Spearman’s ρ lần lượt là 0,85 và xấp xỉ 0,60. Thay vì tối đa hóa độ nâng tức thời, mô hình chủ động chấp nhận sự đánh đổi để đảm bảo tính ổn định vượt trội của nhóm Top-K qua các chu kỳ xử lý, được kiểm chứng qua Paired t-test và Wilcoxon. Cuối cùng, nguyên mẫu DSS tích hợp giải thích SHAP và vòng phản hồi khép kín được triển khai, chứng minh tính khả thi trong việc chuyển đổi đầu ra thống kê thành hành động nghiệp vụ có căn cứ