질병 예방 행동이나 복약 컴플라이언스, 중복 진찰 등 건강 관련 행동(어드히어런스)은 치료 성적뿐만 아니라 의료 재정에도 큰 영향을 미치는 것으로 알려졌다.예를 들어, 복약 어드히어런스의 개선은 환자의 질병 부담뿐만 아니라 경제 부담도 경감한다는 보고가 있는 것 외에, 중복 진찰의 상태화에 의한 의료비 증가가 우려되고 있다.
의료·개호보험 재정이 긴박한 가운데, 새로운 질병 예방이나 재정 관리에 기여하는 장기의 리스크 평가나 예측 모델의 활용이 요망된다.그러나 임상 경제에 미치는 영향에 대한 평가는 다양하고 복잡한 요인이 얽혀 있기 때문에 일반적인 임상 시험에서 평가하기가 어렵습니다.
그래서 도쿄 대학 대학원 의학계 연구과 의료 경제 정책학의 다쿠라 토모유키 특임 교수들은 임상 경제적인 부담 경감을 목적으로 의료 빅 데이터와 기계 학습(인공 지능: AI)을 응용하여 어드히어런스 가 의료·개호비용이나 생명예후, 다른 임상지표에 미치는 영향을 장기적(48개월간)으로 예측하는 모델(Adherence Score for Healthcare Resource Outcome: ASHRO)을 새롭게 개발했다.도쿄 대학이 관리하는 의료 빅 데이터 중, 순환기 영역의 약 5만명의 코호트에서 검증을 실시해, 산정된 ASHRO와 의료·개호 비용의 대응 상황에 대해, 코호트 내의 평균치에 대한 변위 비율로부터 10 수준의 ASHRO 점수를 만들었습니다.
이 점수에 의해, 대상자(피보험자나 환자)의 장래의 임상 경제적인 리스크를 예견할 수 있기 때문에, 행정자는 보험 재정(의료·개호)의 관리에, 의료자는 질병 예방의 촉진 에 활용할 수 있어 질병 부담의 개선과 사회 보장의 발전에 기여할 수 있다고 한다.또한 본 그룹은 현재 근골격이나 신부전 등 다른 영역에 대해서도 유사한 연구를 추진하고 있으며 의료 전체 시스템의 지속적인 진보에 기여할 것으로 기대된다.