Identificación de patrones anómalos en facturación de medicamentos antibióticos: Un enfoque basado en clusterización

Abstract

La facturación de medicamentos en los sistemas de salud es un área crítica propensa a actividades fraudulentas como la sobrefacturación, la prescripción inapropiada y la facturación de medicamentos no entregados, lo cual pone en riesgo tanto la sostenibilidad financiera como la calidad de la atención. Este estudio propone un modelo de detección de anomalías basado en técnicas de aprendizaje automático no supervisado, aplicado al análisis de registros de facturación de antibióticos en Colombia. Se analizó un conjunto de datos de 666.182 transacciones mediante diversos algoritmos de agrupamiento, seleccionando HDBSCAN por su capacidad para detectar clústeres de densidad variable sin requerir el número de clústeres como entrada. El proceso de detección se mejoró con Random Forest y Análisis de Valores Extremos basado en percentiles para mejorar la robustez del modelo. Los resultados indican que el 0,85% de las transacciones presentan patrones anómalos, concentrados en un conjunto limitado de proveedores y medicamentos, lo que destaca áreas de riesgo específicas. Estos hallazgos demuestran el potencial de los modelos adaptativos de detección de anomalías como herramientas estratégicas para apoyar los sistemas de auditoría de la atención médica.