AI kontra wyłudzone recepty – jak technologia pomaga wykrywać nadużycia w ochronie zdrowia

Wyłudzanie refundacji, wystawianie fikcyjnych recept i rozliczanie fałszywych świadczeń to zjawiska, które każdego roku kosztują polski system ochrony zdrowia miliardy złotych. Dane Centrum e-Zdrowia pokazują, że w 2024 roku sprzedaż leków na receptę osiągnęła 29,6 mld zł, a nawet od 3 do 15% tej kwoty może być związane z nadużyciami. Oznacza to potencjalne straty sięgające 4,4 mld zł rocznie. Zniwelować je można posiłkując się sztuczną inteligencją. 

W lipcu 2025 roku policja rozbiła grupę, która w trzy lata wystawiła 40 tys. fikcyjnych recept, powodując szkody w wysokości 82 mln zł. Tylko w 2024 roku w Polsce wystawiono ponad 513 mln e-recept – liczba, która pokazuje, jak trudne staje się wykrywanie anomalii w systemie o takiej skali.

Aby zwiększyć skuteczność systemu, instytucje ochrony zdrowia coraz częściej wykorzystują AI analizującą dane z wielu źródeł – od recept i refundacji po historię pacjentów oraz rozliczenia aptek i lekarzy. Technologie te nie zastępują ekspertów, ale pozwalają na bieżąco przetwarzać ogromne zbiory informacji i wykrywać nieprawidłowości, w tym nadmierne wystawianie recept, brak zgodności terapii z diagnozą czy nieuzasadnione refundacje.

Przykłady z innych krajów pokazują skalę możliwych oszczędności. W USA firma Prime Therapeutics wykorzystała system „SAS Detection and Investigation for Health Care”, który w 18 miesięcy pozwolił odzyskać 355 mln USD, ujawniając m.in. zorganizowane sieci wyłudzeń z udziałem lekarzy, aptek i fikcyjnych podmiotów medycznych. Podobne działania prowadzą europejscy ubezpieczyciele, m.in. holenderskie DSW i CZ, które analizują rozliczenia w trybie pre-payment, blokując podejrzane refundacje zanim pieniądze trafią do beneficjentów.

„AI zmienia logikę systemu z reaktywnego na predykcyjny” – mówi Marta Prus-Wójciuk, Head of Fraud Practice, SAS Central Europe. „Dzięki uczeniu maszynowemu identyfikujemy subtelne powiązania między lekarzami, aptekami i pacjentami, które dla człowieka byłyby niewidoczne” – dodaje.

GenAI – szansa, ale i nowe ryzyka

Równolegle rośnie zainteresowanie generatywną AI, która może wspierać analitykę fraudową, ułatwiając m.in. interpretację danych czy przygotowanie opisów przypadków do dalszej weryfikacji. Według badań SAS, aż 87% organizacji ochrony zdrowia planuje wdrożenia narzędzi GenAI, a 97% deklaruje już budżet na ten cel.

Wraz z rosnącym wykorzystaniem GenAI zwiększa się również znaczenie nadzoru nad tymi systemami. Największe obawy dotyczą bezpieczeństwa danych (77%) i prywatności (76%). Dlatego AI governance – rozumiane jako kontrola, przejrzystość i odpowiedzialność działania algorytmów – staje się niezbędnym elementem cyfrowej transformacji sektora zdrowia.

„Chodzi o pełne zrozumienie konsekwencji decyzji podejmowanych przez algorytmy, od etapu trenowania modeli po interpretację ich wyników przez lekarza. W ochronie zdrowia takie podejście ma kluczowe znaczenie” – podsumowuje Marta Prus-Wójciuk.