东京大学医院Juki Osawa先生、加州大学洛杉矶分校Yusuke Tsugawa先生、Minakea Co., Ltd.的Yuji Yamamoto先生、TXP Medical Co.的Masahiro Goto先生的研究团队。 , Ltd. 结果表明,使用上述方法的机器学习模型可以预测未来需要高额医疗费用的患者。
2019年日本年度医疗费用达到43.6万亿日元,连续第三年创历史新高。如何阻止医疗费用的上涨,不仅在人口老龄化的日本,在发达国家也是普遍存在的问题。然而,很少有发达国家成功地控制了医疗费用,许多研究仍在进行中。虽然有人提出预防性医疗干预是有效控制医疗费用的必要措施,尤其是对于未来预计医疗费用较高的人群,但这些人群要准确预测,做到这一点并不容易。
因此,研究团队构建了一个机器学习预测模型,从医疗保健企业 Minakea Co., Ltd. 持有的医疗机构咨询数据中识别出未来预计医疗费用较高的群体,并验证其准确性。机器学习是人工智能的一种,众所周知,与传统的预测模型(逻辑回归模型等)相比,它擅长通过学习大量数据来做出更准确的预测。在这项研究中,我们使用了典型的机器学习模型,例如随机森林和神经网络。
研究表明,该机器学习模型可用于预测未来成为高成本医疗患者前5%的风险,具有较高的准确度(AUC值:0.84),以及一个预测模型。机器学习模型在构建上比传统的预测模型(逻辑回归模型)更有用。
本研究开发的机器学习预测模型,或许能够提前识别未来预计医疗费用较高的人群,对需要医疗的人群进行早期干预。优化医疗费用,提供高效医疗。本次开发的机器学习预测模型可望应用于服务开发等多种场景,实现更高效的医疗,程序设计,促进健康管理。