초록 ▼

연구개요
본 연구에서는 사망자들의 사망하기 전 급격한 의료 비용 지출을 설명할 수 있는 변수를 과거 의료 비용 지출 패턴을 이용하여 개발하고, 관련된 변수와 의료 이용 내역, 환자의 조건(Context)들을 인공지능/통계 모형에 적용하여 사망하는 환자들의 사망 전 지출한 비용 (End-of-life expenditure)을 원인별로 나누어 예측하며, 최종개발된 모형을 활용하여 개별환자 별로 예상되는 지출 비용과 그 원인에 대해 규명하고 나아가 의료 정책 수립에 기여하는 것을 목적으로 한다.
전반부 연구(1년차)에서는 환자

연구개요
본 연구에서는 사망자들의 사망하기 전 급격한 의료 비용 지출을 설명할 수 있는 변수를 과거 의료 비용 지출 패턴을 이용하여 개발하고, 관련된 변수와 의료 이용 내역, 환자의 조건(Context)들을 인공지능/통계 모형에 적용하여 사망하는 환자들의 사망 전 지출한 비용 (End-of-life expenditure)을 원인별로 나누어 예측하며, 최종개발된 모형을 활용하여 개별환자 별로 예상되는 지출 비용과 그 원인에 대해 규명하고 나아가 의료 정책 수립에 기여하는 것을 목적으로 한다.
전반부 연구(1년차)에서는 환자들의 사망 전 지출한 비용(End-of-life expenditure)을 설명할 수 있는 요인 변수를 개발한다. 사망 원인들 중 가장 많은 비중을 차지하고 있는 폐암, 간암, 위암, 뇌혈관질환, 당뇨 환자들을 중심으로 그들의 과거 의료 이용 기록을 활용한 변수를 개발한다. 그렇게 형성된 변수가 기존 연구에서 사망 전 지출한 비용(End-of-life expenditure)을 설명하기 위해 사용하던 사망까지 남은 시간(Time to death)보다 사망 전지출한 비용을 잘 설명하는지 규명한다.
후반부 연구(2년차)에서는 전반부 연구에서 개발된 변수를 활용하여 인공지능/통계 모형을 구축한다. 사망자들의 의료 비용 지출을 설명할 수 있는 다양한 통계 모형과 인공지능 모형들의 성능을 비교할 것이다. 그 중 가장 우수한 성능을 보여주는 모형에 개별 환자에 대한 조건을 반영하여 특정 질병으로 사망하는 환자가 지출하는 비용에 영향을 주는 요인들을 분석한다.

연구 목표대비 연구결과
본 연구의 목적은 개인의 건강 상태를 변수화하는 방법 중 하나로 과거 의료비를 입력하여 사망 전 단계에서의 의료비 지출에 대한 사망까지 남은 시간(Time to death)의 영향을 줄이는 것이다. 투파트 모델(two-part) 모델에서 추정된 결과에 따르면, 과거 의료비의 조합을 통해 형성한 건강 지표 변수가 사망까지 남은 시간(Time to death)보다 모델의 완성도를 높이는 것으로 나온다. 또한, 예측 성능을 향상시키기 위해 LSTM과 DNN을 조합한 심층 신경망 모델을 사용하고 셰이플리 값으로 설명변수의 영향력을 측정한다. 이에 더해 마르코비안 순환신경망( Markovian RNN)과 DNN을 결합하여 모형을 구성하고 위 모델과의 비교를 진행한다. 이 결과 마르코비안 순환신경망(Markovian RNN)을 활용하여 사망전 의료비용 지출을 과거 의료 비용 지출 변수를 활용하여 예측하였을 때, 사망까지 남은 시간(Time to death) 변수의 영향력이 가장 크게 감소하였고, 모형의 예측력이 가장 증가함을 확인하였다.
본 연구는 전반부 연구의 목적과 후반부 연구 목적을 거의 달성하였다. 후반부 연구 목적 중 순환신경망(Markovain RNN)에 어텐션 구조를 더해 변수의 영향력을 측정하겠다는 것은 추후 연구를 진행하며 보강할 예정이다.

연구개발성과의 활용 계획 및 기대효과 (연구개발결과의 중요성)
인구의 고령화가 진행되면서 사망할 확률이 증가함과 동시에 환자는 사망 직전의 기간 동안 평생 쓰는 의료비용의 30~40%를 지출한다. 환자들의 사망 전 지출한 비용(End-of-life expenditure)을 예측하는 것은 환자들의 전체 의료비용 지출을 예측함에 있어 중요한 요소이다. 과거 연구는 사망 전 의료 비용 지출과 일생 비용 지출을 포괄적으로 예측하지 않았고 본 연구에서는 이를 새로운 모델과 변수의 도입으로 해결하려 한다. 현재 대한민국 의료체계 시스템에서는 환자들의 의료 기록을 모니터할 수 있다. 이를 바탕으로 다양한 지표들을 변수화하여 각 환자 별로 일생 의료 비용 지출을 더 정확하게 예측하고, 사망 전 지출을 분석에 포함시키면서 예측력을 향상시킨다. 이는 향후 증가하는 의료 비용 지출에 대해 개인과 정부가 어떻게 대응해야 할 것인지에 대한 방향성을 제시한다.
본 연구는 환자 개인의 의료 비용 지출을 예측할 때 사망 직전 상태(state)를 추가하여 일생 지출을 예측하는데 정확성을 더한다. 나아가 기존 사망 직전 지출을 예측하는 연구에서 한계점으로 지적되던 점을 과거 병력을 이용하여 형성한 요인 변수로 해결한다. 제안한 변수를 이용한 분석으로 예측력을 증진시킬 뿐 아니라 추정된 계수로부터 사망 원인 질병과 과거 병력 간의 상관관계를 환자 별로 유추할 수 있다. 이는 특정 질병에 관한 건강 보험 정책 개정에 참고할 근거가 될 것으로 기대한다.

(출처 : 요약문 2p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 4
• 2. 연구개발과제의 수행 과정 및 수행 내용 ... 5
• (1) Health Stock Model ... 5
• (2) 사망 환자의 사망 전 지출 비용 및 일생 지출 비용 추정 ... 5
• 3. 연구개발과제의 수행 결과 및 목표 달성 수준 ... 8
• 1) 정성적 연구개발성과(연구개발결과) ... 8
• 2) 세부 정량적 연구개발성과 ... 9
• 3) 목표 달성 수준 ... 9
• 4) 목표 미달 시 원인 분석 ... 10
• 4. 연구개발성과의 관련 분야에 대한 기여 정도(연구개발결과의 중요성) ... 10
• 5. 연구개발성과의 관리 및 활용 계획 ... 10
• 6. 자체점검표 ... 11
• 7. 참고문헌 ... 11
• [붙임1] 세부 정량적 연구개발성과 ... 13
• [붙임2] 연구책임자 대표적 연구실적 및 증빙(요약문 및 사본) ... 14
• 끝페이지 ... 17