レセプト＋健診データを用いた機械学習モデルによって、高額医療費が来年必要となる患者の予測が可能に
このたび、健康診断のデータとおよび医療機関受診データ（株式会社ミナケア提供）を用いた機械学習予測モデルを構築することで、将来医療費が高額になる集団を正確に予測することが可能かどうか検証した研究結果が、ネイチャー・グループの国際雑誌であるnpj Digital Medicine誌に掲載されました。大沢樹輝（東京大学医学部附属病院）、後藤匡啓（TXP Medical株式会社）、山本雄士（株式会社ミナケア）、津川友介（カリフォルニア大学ロサンゼルス校）による共同研究です。 令和元年度の日本の年間医療費は43.6兆円となり過去最高を更新しました。増大する医療費の抑制は喫緊の課題ですが、これは日本だけなく先進国共通の問題でもあります。医療費抑制に成功している先進国はほとんどなく、現在も多くの研究がなされています。 過去の研究では、全体の医療費のうち50%が年間医療費の上位5%の患者によって利用されて
Kaggle創薬コンペにおけるDeep Learningの適用 - Technical Hedgehog
創薬においてコンピュータの活用はますます盛んになってきており、2012年にはKaggleでコンペも開催されました。このコンペは標的に対する分子の活性を推定するというタスクでした。 用いられた手法としては1位はDeep Learning、2位は非Deepな機械学習手法でありスコアにこそ大差はありませんでしたが、創薬においてDeep Learningの適用可能性を示したことで当時は話題になったそうです。だいぶ前のコンペなの解説記事はすでに多くありますが、コンペを通じて創薬の概要とDeep Learningがどのようなアプローチで適用されたのかを紹介してみます。 ！Caution！ できる限りの調査をしましたが、私は製薬や医療に詳しい人ではないので誤った解釈をしてしまっている可能性があります。「ここ間違っている」と言う点がありましたら指摘いただけると幸いです。 では、はじめにコンペのタスク背景と
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
