Development of a machine learning model to derive similar medical conflict information using closed claims.

• Project/Area Number: 24K13398
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 58010:Medical management and medical sociology-related
• Research Institution: Teikyo University
• Principal Investigator: 大滝 恭弘 帝京大学, 公私立大学の部局等, 教授 (60464004)
• Co-Investigator(Kenkyū-buntansha): 河内 正治 帝京大学, 公私立大学の部局等, 教授 (60152972) ; 藤代 尚文 帝京大学, 公私立大学の部局等, 講師 (60601789)
• Project Period (FY): 2024-04-01 – 2027-03-31
• Project Status: Granted (Fiscal Year 2024)
• Budget Amount: ¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000); Fiscal Year 2026: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000); Fiscal Year 2025: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000); Fiscal Year 2024: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000)
• Keywords: クローズドクレーム / 医療事故 / 医事紛争 / 医療過誤 / リスクマネジメント

Outline of Research at the Start

本研究では、病院・医師賠償責任保険会社が保有するクローズドクレーム（法的に決着のついた医療クレーム（クレーム＝補償等を求める旨の通知・請求））をデータベース化し、類似の医療事故及び医事紛争情報を導出することのできるディープラーニングモデルを構築することを目的とする。モデル構築には2018年にGoogle社が開発したBERT（Bidirectional Encoder Representations from Transformers）を用いる。構築したモデルの精度は、診療科及び事故・紛争の生じた診療過程などの各種アノテーションについての、正解率、適合率、再現率、F値等を用いて評価する。