脏数据（不准确、不完整或不一致的数据）每年给美国造成 万亿美元的损失， 根据 。除了惊人的成本外，它还阻碍了医疗保健利益相关者实现他们可以从下游分析中获得的巨大潜在价值，包括人口健康管理、基于价值的护理和数字健康。健康计划需要采用最佳实践来 数据质量 和人工智能（）来发现医疗保健领域脏数据的隐藏潜力。
随着 年的临近，我们可以预见到健康计划将不再优先考虑手动数据输入，而是转向基于机器学习 的技术，这种技术具有成本效益、实施速度更快且更易于管理。 机器学习算法 可以从数据本身学习——你只 以色列手机号码数据 需要向 系统提供大量历史数据集，它们就可以自动发现隐藏的模式和有用的见解。具体来说，人工智能将用于解决由脏数据引起的问题。以下是一些例子：
检测临床数据中的数据质量问题：这可以更好地监控对患者的护理。
识别基于价值的护理计划中的错误归因：这可以确保患者护理及其费用归因于正确的医生，从而协调各利益相关者的激励措施。
在索赔处理中检测多付款：这可以确保提供商得到公平的补偿，并且付款人偿还正确的金额。
检测提供商目录数据中的不准确性：这可以防止患者意外计费并大大改善会员体验。
利用人工智能将医疗保健运营从被动转变为主动
医疗保健 很快将使医疗计划运营从被动故障排除和响应转变为主动检测和采取行动。要实现这一点， 和 系统必须实时工作。这可以通过几种不同的方式实现。