研究課題/領域番号 |
22K10434
|
研究種目 |
基盤研究(C)
|
配分区分 | 基金 |
応募区分 | 一般 |
審査区分 |
小区分58010:医療管理学および医療系社会学関連
|
研究機関 | 北海道大学 |
研究代表者 |
小笠原 克彦 北海道大学, 保健科学研究院, 教授 (90322859)
|
研究期間 (年度) |
2022-04-01 – 2025-03-31
|
研究課題ステータス |
交付 (2022年度)
|
配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2024年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
2023年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
2022年度: 3,120千円 (直接経費: 2,400千円、間接経費: 720千円)
|
キーワード | レセプト / Ⅱ型糖尿病 / ベイジアンネットワーク / ランダムフォレスト / XG Boost / レセプトデータ / GIS / AI |
研究開始時の研究の概要 |
本研究では北海道の複数の市町村や健康保険組合から提供された特定健康診査データ、医療保険請求データ、介護保険請求データ、被保険者管理台帳を用いて、市町村毎の保健福祉事業政策策定に向け、継続可能な地域医療政策の立案を目標に、以下の研究を行う。 (1) 特定健診後の受診勧奨と医療費の傾向 (2) 疾患別受診傾向と介護費の関係 (3) 地図情報システム(GIS)による受診行動の可視化 (4)疾患・合併症の医療費の人工知能(AI)予測モデルの構築
|
研究実績の概要 |
【目的】Ⅱ型糖尿病を対象に、医療介入前のデータであるBMI、腹囲、特定健康診査質問票からベイジアンネットワークを用いて重要度の高いリスク因子抽出を行い、ランダムフォレスト・XG Boostなどの機械学習によりⅡ型糖尿病の発症の予測と有効な予防方法を検討した。 【方法】北海道岩見沢市国保被保険者の 2013-2016年度のレセプトデータと 2011-2013年度の特定健康診査の検査データ、質問票7853人分より糖尿病罹患者195人、糖尿病でない人195人をランダムに抽出した計 390人分のデータを用いて、男女混合、男性のみ、女性のみの3種類のベイジアンネットワークによるモデル作成を行い、ベイズネットワーク図と予測変数の重要度のグラフを導出することでリスク因子の分析を行った。さらに、ランダムフォレスト、XG Boost による、正解率、AUC、重要度から糖尿病の発症予測と重要な因子の検討を行った。 【結果・考察】ベイジアンネットワークモデルにおいて男女混合モデルでは体型に関わる因子の重要度が高く、モデルの正解率は67.18%、男性モデルでは運動習慣に関わる因子の重要度が高く、モデルの正解率は80.18%、女性モデルでは体型に関わる因子の重要度が高く、モデルの正解率は77.98%となった。また、機械学習による評価では、医療介入前のデータではランダムフォレストは正解率が60.53%、AUC=0.606であり、XG Boostは正解率が 64.47%、AUC=0.706であった。XG Boostのほうがランダムフォレストより正解率、AUCともに高く、高精度な予測が可能であることが示唆された。また、ランダムフォレスト、XG Boostともに重要度が最も高いものはBMI、2番目に高いものが腹囲だったため、肥満がⅡ型糖尿病の大きなリスク因子であることが示唆された。
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
令和4年度は、Ⅱ型糖尿病に焦点をあて、レセプトデータから疾病予測モデルの構築と機械学習の精度を検討した。その結果は疾病予測モデルの問題点が抽出され、精度も概ね妥当であると判断された。
|
今後の研究の推進方策 |
令和4年度は、Ⅱ型糖尿病に焦点をあて、レセプトデータからAI技術を活用し、疾病予測モデルの構築と予測精度の検討した。令和5年度は、医療費を含めて予測モデルに当てはめ、医療費の予測を検討する。更に、郵便番号データなどを活用し、地図情報システムにより疾病地図および医療費地図の構築を検討する。
|