🚀 SMT AI Now: Explainable AI for Pre-Audit Detection

SMT AI Now เดือนนี้พาทุกคนเจาะลึก use case จริงของการนำ AI 🤖 ไปใช้ในงานตรวจสอบการเคลมค่ารักษาพยาบาล โดยเป้าหมายสำคัญไม่ใช่แค่การทำโมเดล Machine Learning ให้แม่นยำ แต่คือการเปลี่ยนกระบวนการทำงานทั้งระบบ — จาก Post-Audit ไปสู่ Predictive Pre-Audit อย่างเป็นรูปธรรม

🎤 Hospital Claim Audit Use Case

โดย พี่มด Montakan Aimrat
Senior Data Strategy & Consulting Practice, ทีม DNA

Session นี้ถ่ายทอดประสบการณ์จริงของการนำ Machine Learning และ Large Language Model (LLM) มาใช้ในโครงการ pre-audit เพื่อประเมินความเสี่ยงการเคลมค่ารักษาพยาบาลล่วงหน้า

🔄 Core Transformation: Post-Audit → Predictive Pre-Audit

เดิม (Post-Audit) ⏳

ตรวจย้อนหลังหลังธุรกรรมเสร็จสิ้น
ตรวจได้เพียง 1–3% ของธุรกรรมทั้งหมด
ใช้ผู้เชี่ยวชาญตรวจแบบ manual
แก้ไขไม่ทันเวลา

แนวทางใหม่ (Predictive Pre-Audit) 🚀

ใช้ ML ทำนายความเสี่ยงล่วงหน้า
ประมวลผลอัตโนมัติทุกคืน
ขยาย coverage การตรวจสอบได้มากขึ้น
เปลี่ยนจาก Reactive → Proactive

นี่คือการเปลี่ยนแปลงเชิงกระบวนการ ไม่ใช่เพียงการเพิ่ม AI เข้าไปในระบบ

🧠 Explainable AI: ทำให้โมเดล “อธิบายได้”

โครงการนี้ให้ความสำคัญกับ Explainable AI

ML model ทำหน้าที่ predict fraud risk
SHAP วิเคราะห์ feature importance 📊
LLM สร้างคำอธิบายจากผลลัพธ์ ML ผ่าน prompt engineering ✍️

Auditor จึงเข้าใจเหตุผลของโมเดล ไม่ใช่เพียงคะแนนความเสี่ยง ช่วยให้สามารถสื่อสารกับโรงพยาบาลได้ชัดเจน และลด dispute ได้อย่างมีประสิทธิภาพ

🏗 Technical Architecture บน AWS ☁️

โครงการพัฒนาบน AWS โดยใช้:

จัดเก็บข้อมูลและผลลัพธ์ของระบบ
ทำ feature engineering, training และ batch inference
ใช้ LLM สำหรับสร้างคำอธิบาย

มีการเลือกใช้ foundation models ซึ่งต้องบริหารสมดุลระหว่างความแม่นยำและต้นทุน 💰

⚠️ Key Challenges

LLM Cost 💰 – ควบคุมการใช้ token ให้สอดคล้องกับ business value
Data Privacy / PDPA 🔐 – รองรับข้อมูลทางการแพทย์และข้อมูลคนไข้ที่เป็น sensitive data อย่างปลอดภัย
Hallucination & Data Drift 🔄 – ควบคุมคุณภาพข้อมูลและ retrain model อย่างสม่ำเสมอ
Processing Time ⏱ – Batch processing

ทีมงานจึงกำหนด business logic ให้เรียกใช้ LLM เฉพาะ high-risk cases เพื่อลด token usage และต้นทุนได้ 80–90%

SMT AI Now ยังคงเดินหน้าผลักดัน AI จากแนวคิดสู่การใช้งานจริงในองค์กร 💙