데이터마이닝을 이용한 국민건강보험가입자의 진료과목 예측모형 개발

Abstract

In this study, the data mining technique was applied using the information of the NHS(National Health Insurance) subscribers. Using various variables, the optimal predictive model was developed by predicting the department of medicine and finding important variables. The analysis results show that the XGboost prediction model is the best among Logistic Regression, Random Forest, Neural Network, and XGboost modeling techniques. If you look at the important variables in the XGboost model, you can see that Sex, Month, and Age have an important impact.;매년 건강보험 진료건수는 꾸준히 증가해 왔다. 22개의 진료과목 중 일반의를 제외하고는 내과, 이비인후과, 소아청소년과, 정형외과의 진료건수가 가장 많았으며, 증가추세를 보임을 알 수 있다.(건강보험심사평가원, 2019) 대한민국 국민들의 건강에 대한 관심이 최근 급격히 상승하면서 병원을 찾고 있으며 진료건수 또한 증가하고 있다. 미래에 국민들이 어떤 진료과목의 치료를 받고자 하는지 예측하고 수요를 파악하는 것은 의료에 대한 국민들의 필요에 대처하는데 매우 필요한 일이다. 본 연구에서는 2015, 2016, 2017년도 국민건강보험가입자의 진료내역정보를 이용하여 데이터마이닝 기법을 적용하여 추후 국민들이 원하는 진료과목을 예측하기 위한 최적 예측모형을 개발하고자 한다. 데이터마이닝 기법 중 Logistic Regression, Random Forest, Neural Network 그리고 XGboost 모델링 기법을 적용한 결과 XGboost 예측모형이 가장 우수하였다. 진료과목 예측에 중요한 영향을 미치는 변수를 살펴보면 Sex, Month, Age 변수가 중요한 영향을 미친다는 것을 알 수 있었다.