@MASTERSTHESIS{ 2017:2118983062,
 	title = {Aprendizado de máquina para detecção de comportamento fraudulento em dados simulados do Sistema Odontológico do SUS},
 	year = {2017},
 	url = "http://tede.bc.uepb.edu.br/jspui/handle/tede/3600",
 	abstract = "O Sistema Unificado de Saúde do Brasil (SUS) tem um dos maiores programas de assistência odontológica gratuita do mundo. O governo federal, via os seus entes federados, disponibiliza tratamento odontológico a 70% da população brasileira. Mesmo com números tão expressivos, esse sistema ainda possui muitas iniquidades e sofre de um problema endêmico no Brasil, a corrupção, neste caso, em forma de fraude. Estudos indicam que a fraude é responsável por até 40% de desperdícios de recursos em instituições de saúde, trazendo prejuízos financeiros enormes, sobretudo penalizando quem mais necessita da assistência médica, a população de baixa renda. Ferramentas de mineração de dados podem revelar padrões incognoscíveis para seres humanos, mas relativamente fáceis de encontrar para uma máquina treinada. Detectar e eliminar a fraude não é um problema trivial, requer tecnologias, profissionais especialistas e ferramentas. Neste trabalho utilizou- se aprendizado de máquina em dados simulados de atendimentos odontológicos seguindo o padrão o SUS, para separar os que tem indícios de fraude. Foram avaliados os algoritmos Isolation Forest, K-Nearest Neighbors e Mahalanobis Distance, e em todos os testes houve sucesso em separar os clusters de dados normais dos anômalos, demonstrando a possibilidade de utilização dessas ferramentas na detecção de fraudes de forma eficiente.",
 	publisher = {Universidade Estadual da Paraíba},
 	scholl = {Programa de Pós-Graduação Profissional em Ciência e Tecnologia em Saúde - PPGCTS},
 	note = {Pró-Reitoria de Pós-Graduação e Pesquisa - PRPGP}
}