당뇨병 환자 수는 최근 증가 추세에 있으며, 2014년 당뇨병 환자 수는 316만명에 달했다(26년 환자 조사, 후생 노동성).당뇨병은 진행되면 합병증 등을 일으켜 QOL의 저하나 의료비의 증대로 이어지기 때문에, 계속적인 치료가 요구되고 있다.그러나 당뇨병 외래환자의 약 1%가 진찰을 중단하고 합병증 발병 후 병태가 악화된 후 진찰을 재개하는 경우가 많이 문제가 되고 있다.

　그래서 도쿄대학과 NTT는 개인의 전자차단 데이터를 바탕으로 진찰 중단을 예측하는 AI 구축을 목표로 했다.도쿄대학의 의료 데이터 분석이나 임상 환자에 대한 지도에 관한 지견을 참고하여 생성한 특징량과 NTT의 'corevo'에 있어서의 기계 학습에 관한 지견을 바탕으로 모델을 구축했다.

　전자 의료 기록 데이터 및 거기에서 생성 된 특징 량을 입력하여 예약 불이행 (진찰이 중단되는 계기가 될 수있는 예약 외래의 불진진)과 진찰 중단 위험 순위 (장래의 진단 중단 일까지의 일수의 길이에 의한 환자의 순위 지정)의 2개를 예측.모델을 2011년부터 2014년에 걸쳐 도쿄 대학 의학부 부속 병원에 당뇨병 치료로 통원하고 있는 환자 약 900명의 전자 의료 기록 데이터를 이용하여 평가한 결과, 진찰 중단의 XNUMX%를 예측한다는 뛰어난 예측 성능 확인했다.

　또, 새롭게 예약 등록일이나 예약일의 요일, 예약 등록일과 예약일의 간격 등, 지금까지 의사가 눈치채지 못했던 환자의 예약 행동에 관련된 항목이 예측에 영향을 주고 있는 것을 알았다.예측 결과를 바탕으로, 적극적으로 지원해야 할 환자의 좁혀짐이나 지원을 개시시기의 판별, 지원의 정도의 조정이 가능하게 되기 때문에, 의사의 진료 지원, 나아가서는 환자의 병태의 유지·개선 로 이어질 것으로 기대할 수 있습니다.