# Foundation Models to Unlock Real-World Evidence from Nationwide Medical Claims

### 저자

Fan Ma, Yuntian Liu, Xiang Lan, Weipeng Zhou, Jun Ni, Mauro Giuffre, Lingfei Qian, Xueqing Peng, Yujia Zhou, Ruey-Ling Weng, Huan He, Lu Li, Huiyuan Wang, Qingyu Chen, Andrew Loza, Laila Rasmy, Degui Zhi, Yuan Lu, Chenjie Zeng, Joshua C Denny, Lee Schwamm, Daniella Meeker, Lucila Ohno-Machado, Yong Chen, Hua Xu

### 💡 개요

본 연구는 전국 규모의 의료 보험 청구 데이터에서 실제 의료 증거(Real-World Evidence, RWE)를 추출하기 위한 기반 모델(Foundation Model)인 ReClaim을 제안합니다. 438억 건 이상의 의료 이벤트 데이터를 학습한 ReClaim은 질병 발생 예측, 의료비 예측, RWE 분석 등 다양한 작업에서 기존 모델 대비 뛰어난 성능을 보였으며, 특히 희귀 질환 예측에서 큰 강점을 나타냈습니다. 이는 의료 보험 청구 데이터가 대규모 RWE 생성을 위한 확장 가능한 기반이 될 수 있음을 보여줍니다.

### 🔑 시사점 및 한계

- ReClaim은 대규모 의료 보험 청구 데이터를 활용하여 질병 예측, 의료비 예측, RWE 분석 등 다양한 의료 관련 작업에서 효과적인 기반 모델 구축 가능성을 입증했습니다.

- 모델의 성능이 데이터 규모와 함께 향상되며, 사전 학습 후 추가 학습을 통해 성능을 크게 개선할 수 있음을 확인했습니다.

- 다양한 기간 및 데이터 소스에 걸쳐 학습된 표현의 일반화 능력을 보여 질병 감시, 의료비 예측, RWE 생성 등 다양한 응용 분야에 기여할 수 있습니다.

- 희귀 질환 예측에서 우수한 성능을 보였지만, 특정 질병 또는 환자 그룹에 대한 편향 가능성 및 해석 가능성에 대한 추가 연구가 필요합니다.

[PDF 보기](https://arxiv.org/pdf/2605.02740)

For the site tree, see the [root Markdown](https://slashpage.com/haebom.md).