【1. はじめに】医業未収金問題については、未収金発生後の回収策への対策が一般的であるが、奥村・他（2017）では、AIを用いた医業未収金予防についての新たな方策を提案した。本研究は奥村・他（2017）で提案されたモデルについて統計的な高度化を行う。次節でデータとモデルを示し、3節で推定結果とモデルの評価を行う。4節で考察を行い、最終節で今後の予定について述べる。

【2. 方法】データは入院患者の属性データおよびDPCデータである。前回のデータに平成28年4月から平成29年3月までの1年分のデータを追加した。また、モデルの判別力を高めるため、WOE（Weight of　Evidence）による変数加工を行った。
　モデル選択にはlasso（least absolute shrinkage and selection operator）によるスパース推定法を採用した。モデルの精度検証は、AUC（Area　Under the　Curve）分布をBootstrap法により構成し誤差評価を行った。

【3. 結果】モデル変数は29のダミー変数、10項目が選ばれた。AUCは0.8であり、高い判別力を有するモデルである。Bootstrap法のパーセンタイル法によるAUCの95%信頼区間は（0.78,0.85）となった。

【4. 考察】本分析では未収金モデルの統計的な高度化を行った。結果、高い判別力と精度を持つモデルを構築することができた。これにより、より効率的で効果的な未収金予防対策が可能となる。

【5. 今後について】本分析結果に基づくスコアリングモデルを構築し、未収金予防効果についてのPoCを東京慈恵会医科大学附属柏病院で行う。期間は2か月間。PoCの結果については、11月の学会の場で報告したい。