由筑波大学医学院的田宫菜菜子教授和井口龙太副教授领导的研究小组发现，医生到患者家中进行检查的紧急家访服务确定了紧急程度较低在提前进行电话询问时。为了避免漏诊，我们建立了一个机器学习模型来预测哪些患者可能会低估紧急情况。研究人员将把这个模型应用到真正的急诊室服务中，看看它是否能减少分类不足。
据筑波大学称，研究小组分析了 2018 年 11 月至 2021 年 1 月期间使用 Fast Doctor 紧急家访服务的约 16 名 4 岁及以上患者中的约 5,000 人的数据。
结果，未分类患者占总数的1.6%，平均年龄为38.4岁，男性占57.2%。主要并发症为高血压和慢性肺病，伴有普通感冒症状和昏厥。
在我们创建的五个机器学习模型中，我们调查了模型中性能最好的哪些信息有助于分类不足，发现老年患者存在高血压、糖尿病、脑梗塞和痴呆等并发症。是的，得到证实在主诉感冒症状、头痛、过敏反应时很容易被判断出来。
快医生接到患者电话后，根据消防厅编制的标准判断紧急程度，在6小时内为需要就诊、有困难的患者派出医生去医院。，发生了一定数量的分流不足。当分流不足时，医院就诊可能会延迟，随后的疾病会变得更加严重，这对紧急上门服务来说是一个挑战。
