レセプトデータによる医療・介護の経済分析と将来予測：GISによる可視化とAI予測

点击翻译按钮获取中文摘要

【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。