グローバルヘルス：意思決定を考慮した機械学習による必須医薬品へのアクセスの改善

低・中所得国のヘルスケアシステムにおける重大な課題は、希少な資源、とりわけ必須医薬品を効率的かつ公平に配分することである。この問題は、高品質なデータが限られていることで複雑化しており、このため従来のデータ駆動型手法の適用可能性が制限されている。今回我々は、必須医薬品を配分するための、意思決定を考慮した新たな機械学習フレームワークを提案する。このフレームワークはさらに、サンプル効率を保証するためにマルチタスク学習を、公平な配分を確実にするために触媒的事前分布（catalytic priors）を活用している。シエラレオネ政府の協力の下、我々はこのシステムを意思決定支援ツールとして、段階的に全国展開した。我々の計量経済学的評価では、介入を実施した地区において配分された製品の消費量が推定19％増加したことが分かり、必須医薬品へのアクセスを改善する上での有効性が実証された。その後、我々のツールは全国規模に拡大され、推定200万人の女性と5歳未満の子どもを対象に含めるに至った。今回の研究は、資源に制約のあるグローバルヘルス環境において、機械学習手法が極めて低いコストで効率を改善できることを実証している。

目次へ戻る