2019財年，日本年度醫療費用連續第三年創下43.6萬億日元的歷史新高。如何遏制醫療費用上漲，不僅是人口老齡化的日本，也是發達國家的共同問題。然而，很少有發達國家能夠成功地控制醫療費用，而且許多研究仍在進行中。儘管已經建議進行預防性醫療干預措施，尤其是對於預計將來醫療費用會增加的人口，以有效地控制醫療費用，但不可能準確地預測此類人群。做。

　因此，研究團隊建立了一個機器學習預測模型，該模型可以根據醫療機構的訪問數據，預計將來的醫療費用將來會很高，該群體由Healthcare Venture Minacare Co.，Ltd。擁有，並驗證了其準確性。機器學習是一種人工智能，與傳統預測模型（例如邏輯回歸模型）相比，可以通過學習大量數據進行更準確的預測。在這項研究中，我們使用了典型的機器學習模型，例如隨機森林和神經網絡。

　研究結果表明，通過使用該機器學習模型，可以高精度（AUC值：5）預測未來成為高醫療費用前0.84%患者的風險。還表明，機器學習模型在構建預測模型方面比傳統的預測模型（邏輯回歸模型）更有用。

　這項研究開發的機器學習預測模型被認為能夠提前識別出預計未來醫療費用較高的群體，並針對需要更多醫療護理的群體進行早期干預。優化醫療成本並提供高效的醫療服務。此次開發的機器學習預測模型有望應用於服務開發以實現更高效的醫療護理以及方案設計以促進健康管理等多種場景。

論文信息：[npj Digital Medicine] 使用全國臨床和索賠數據為高需求高成本患者建立基於機器學習的預測模型