梅斯医学荣获2021中国·常州"江南农商行"杯健康医疗数据开放创新应用大赛二等奖,精准预测宏观,专病,以及个体医疗费用

2022-05-24 MedSci原创 MedSci原创

“2021中国常州江南农商行杯健康医疗数据开放创新应用大赛(以下简称“大赛”)”已圆满结束,经过项目初赛、决赛、项目答辩、评审阶段,最终智慧医疗 赛道、

“2021中国常州江南农商行杯健康医疗数据开放创新应用大赛(以下简称“大赛”)”已圆满结束,经过项目初赛、决赛、项目答辩、评审阶段,最终智慧医疗 赛道、产业服务赛道、辅助决策赛道及高校赛道共产生24个获奖队伍,梅斯医学荣获二等奖。

此次常州市的大赛,依托常州市全域的全量医疗数据(2016-2020年)进行建模分析。梅斯参赛的项目是《基于AI的医疗费用预测模型》,应用先进的深度学习、机器学习、统计学及时间序列等算法, 构建了三大类模型:模型1:宏观费用预测模型:学习医保基金近5年历史支出规律,精准预测未来5~10年费用开支;模型2:专病费用预测模型:对人次及费用较高的疾病,通过主流机器学习方法Catboost、LGM等方法构建专病住院费用预测模型;模型3:个人未来医疗费用预测模型:根据个人历史费用开支情况,依托先进深度学习(DNN、BI-LSTM)和机器学习算法(XGB、LR),构建了个人未来一年费用开支预测模型。

这三大类模型具有极高的通用性,既能通过宏观数据分析,了解未来数年的医保支出的变化,从而做到精准管理与决策。进一步针对专病的预测,可以有效控制专病的治疗费用,指导临床,降低医疗费用,同时发现医疗中一些不合理的医疗行为。通过个人的未来预测,有助于精准指导个人的医疗费用支出,对医疗保险,尤其是商业保险的决策,起到关键性作用。

首先,在宏观费用预测模型方面,通过2016-2019年四年的结果,精准预测了2020年医保费用状况,有极高的吻合度,与实际发生费用仅相差1.5%。进一步还预测了到2026年医保费用的总支出状况,并精确到具体的月份。

进一步进行专病费用预测模型测试集表现,系统费用预测的重点是识别高费用人群,通过事前预测,可将有限的医疗资源更多的投入到高费用患者,降低不必要的医疗开支。 利用了XGB、CatBoost、LGB、RF等主流集成学习方法对2018-2019年数据集进行训练,在2020年数据集上进行测试: 主要结果:最高AUROC达0.89,为CatBoost和LGB模型,AUPRC达到0.8以上,测试集上的混淆矩阵(概率阈值为0.3,大于 0.3为正样本,小于为负样本)。同时,基于博弈论的SHAP模型解释方法,黑盒变白盒,使得数据表现能得到医学上很好地解释。

最后针对个人治疗费用进行预测,时序相关的模型和时序无关的模型,时序相关的主要考虑个人疾病疾病的进展,可以更加精准预测未来的花费,主要采用BI-LSTM,同时也采用了时序无关的模型,DNN、XGB及LR模型进行综合比对与分析

通过未来一年个人医疗费用支出等价于罹患某种疾病,通过预测费用开支,可有效预防疾病(治未病)的发生或延缓疾病进展,提升个人生存质量,同时有针对性进行健康管理,从而降低医疗成本的支出。

通过预测结果显示,AUC达到0.84,具有极高的吻合性。能极其出色地预测每一个个体未来一年的医疗费用支出状况,从而做出精准地决策。这项研究成果对于医疗保险,商业保险的精准决策和动态保费预算,均具有重要的意义与价值。

附获奖名单:

一等奖  3名

蓝软宇影智能医疗科技(常州)有限公司 (智慧医疗赛道)
中国银行股份有限公司常州分行  (产业服务赛道)
北京大数医达科技有限公司 (辅助决策赛道)

二等奖  6名

上海梅斯医药科技有限公司 (辅助决策赛道)

青岛海信医疗设备股份有限公司 (智慧医疗赛道)

联仁健康医疗大数据科技股份有限公司 (智慧医疗赛道)

医渡科技有限公司 (产业服务赛道)

天津康鼎科技有限公司 (产业服务赛道)

华信咨询设计研究院有限公司&浙江邦盛科技有限公司 (辅助决策赛道)

三等奖  8名

江苏任务网络科技有限公司(智慧医疗赛道)

上海中医药大学&上海医药集团&上海迷达适数据科技中心(智慧医疗赛道)

中国电信股份有限公司常州分公司&中电鸿信信息科技有限公司常州分公司
(智慧医疗赛道)

中信银行股份有限公司常州分行(产业服务赛道) 

江苏任务网络科技有限公司(产业服务赛道)

中国太平洋人寿保险股份有限公司&太保金融科技有限公司 (辅助决策赛道)

江苏理工学院(辅助决策赛道)

天津中医药大学&联想北京有限公司(辅助决策赛道)

高校赛道  7名

特等奖常州大学(医云一医学数据智能平台)

优胜奖常州大学(心安项目)

优胜奖常州大学(慧医项目)

创新奖常州大学(疾病未来趋势预测)

创新奖常州大学(糖尿病规范管理与防治)

创新奖常州大学(医疗智慧大屏)

创新奖常州大学(基于医保数据的慢性病人群就医与用费研究)

关于梅斯医学

梅斯医学是面向医生的综合互联网平台,应用大数据和人工智能技术链接医生、患者、药械企业等,提供精准数字化医学传播解决方案,赋能医疗生态,改善医疗质量,共创美好健康生活。

梅斯医学主要产品包括平台解决方案、数字化医学传播解决方案、数字化临床研究解决方案,涵盖临床研究、医生职业成长、多渠道学术传播等类别。在数字化临床研究层面,提供临床研究整体解决方案,通过数字化技术降低成本,提升质量;在数字化医学传播方面,提供数字化的专业医学内容和精准、整合的传播方案,将疾病知识和药械产品信息精准地传递给目标医生,更早更快地惠及更多的目标患者。同时,梅斯积极利用人工智能与大数据等技术,在患者管理、医保决策、药物经济学和创新支付、数字治疗等领域不断拓展新的业务类型和创新的产品。



版权声明:
本网站所有注明“来源:梅斯医学”或“来源:MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明“来源:梅斯医学”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
评论区 (8)
#插入话题

相关资讯

J Gastroenterol:采用超声筛查肝肿瘤,临床专家惨败人工智能!

人工智能模型在四种肝脏肿瘤的鉴别和良恶性鉴别方面的表现超过了临床超声专家。

European Radiology:全自动前列腺三维分区在T2加权MR图像上的应用

前列腺分割还可以改善对前列腺体积的评估,帮助规范PSA密度(PSA水平除以前列腺体积)的计算,已成为前列腺癌的关键诊断标志之一。

European Radiology:人工智能,实现COVID-19的“一站式”诊断及检测

现阶段,胸部CT扫描已成为诊断COVID-19的一项重要手段,但由于COVID-19的某些CT特征与其他病毒性感染相似,因此诊断准确性有待商榷。

Radiology:人工智能,为女性乳腺癌筛查“减负”!

现阶段,人工智能(AI)模型的使用可以协助临床缩短乳腺筛查的评估时间。

European Radiology:多模态成像和临床信息对人工智能算法分类乳腺肿块的重要性

现阶段,临床上常规使用超声、钼靶及MR成像来评估不确定的乳腺肿块。

European Radiology:人工智能对胸片假阴性结果的识别

胸部X光检查往往是各种胸部疾病的首次影像学检查。因此,错误地解读胸片上的临床相关异常(即假阴性解释)会影响患者进一步的检查或治疗。