关键词:
慢病管理
健康保险数据
疾病网络
深度学习
医疗费用预测
摘要:
目的通过分析相关医疗记录构建医疗费用共病网络,并结合疾病网络与长短期记忆神经网络构建深度学习预测模型,以提升个体医疗费用预测的准确度,同时为优化医疗政策、提升患者健康管理水平提供助力。方法基于中国台湾健康保险研究数据库2000-2013年的医疗记录,分析9963例患者的584万条就诊数据,构建包含104种常见疾病的医疗费用共病网络,分析网络结构并预测潜在共病,结合患者的性别、年龄、病史等信息输入构建深度学习模型个体医疗费用。结果构建的医疗费用共病网络包含104个节点、3390条边和6个模块,是一个节点高度相连的网络,表示疾病间医疗费用具有高度相关性。构建的深度学习预测模型较传统回归模型及未充分考虑共病信息的深度学习模型相比,显著提高了预测精度。结论构建的模型为理解疾病共病性提供了全新的理论视角,还为精准预测医疗费用、优化医疗资源配置以及实现个性化医疗服务提供了有效工具。