近年来糖尿病患者人数不断增加，2014年糖尿病患者人数达到316万人（26年患者调查，厚生劳动省）。随着糖尿病的发展，它会引起并发症，导致生活质量下降和医疗费用增加，因此需要持续治疗。然而，在很多情况下，约1%的糖尿病门诊患者在出现并发症和病情恶化后停止会诊并恢复会诊。

　因此，东京大学和NTT旨在构建一个人工智能，根据个人电子病历数据预测会诊中断。参考东京大学的医疗数据分析和对患者临床指导的知识，以及NTT的“corevo”中的机器学习知识，基于生成的特征构建模型。

　通过输入电子病历数据及其生成的特征量，预约失败（预约门诊未检查可能导致咨询中断的）和咨询中断风险排名（截止日期的天数）患者（排名）的未来咨询中断日期）被预测。当使用 2 年至 2011 年就诊于东京大学医院接受糖尿病治疗的约 2014 名患者的电子病历数据对该模型进行评估时，该模型具有出色的预测性能，可预测 900% 的咨询中断，得到证实。

　还发现与患者的预约行为相关的项目，如预约登记日期、预约日期的星期几、预约登记日期与预约日期之间的间隔等，医生直到现在，影响预测。根据预测结果，可以缩小应该积极支持的患者，确定开始时间，调整支持程度，预计会导致。