糖尿病の患者数は近年増加傾向にあり、2014年における糖尿病の患者数は316万人に達している(平成26年患者調査、厚生労働省）。糖尿病は進行すると合併症等を引き起こしQOLの低下や医療費の増大につながるため、継続的な治療が求められている。しかし、糖尿病外来患者の約1割が受診を中断し、合併症の発症後、病態が悪化してから受診を再開するケースが多く問題となっている。

　そこで東京大学とNTTは、個人の電子カルテデータをもとに受診中断を予測するAIの構築を目指した。東京大学の医療データ分析や臨床での患者への指導に関する知見を参考にして生成した特徴量とNTTの「corevo」における機械学習に関する知見をもとにモデルを構築した。

　電子カルテデータやそこから生成された特徴量を入力して予約不履行（受診が途絶えるきっかけとなり得る予約外来の不受診）と受診中断リスク順位（将来の受診中断日までの日数の長さによる患者の順位付け）の2つを予測。モデルを2011年から2014年にかけて東京大学医学部附属病院に糖尿病の治療で通院している患者約900名の電子カルテデータを用いて評価したところ、受診中断の７割を予測するという優れた予測性能を確認した。

　また、新たに予約登録日や予約日の曜日、予約登録日と予約日の間隔など、これまで医師が気づかなかった患者の予約行動に関わる項目が予測に影響を与えていることもわかった。予測結果をもとに、積極的に支援すべき患者の絞りこみや支援を開始時期の見極め、支援の度合いの調整が可能となることから、医師の診療支援、ひいては患者の病態の維持・改善につながることが期待できるとしている。