[論文レビュー] Machine Learning Recommendation System For Health Insurance Decision Making In Nigeria

Ayomide Owoyemi, Emmanuel Nnaemeka+4 more|arXiv (Cornell University)|May 18, 2023

Artificial Intelligence in Healthcare被引用数 4

ひとこと要約

本論文は、コサイン類似度を用いたコンテンツベースの機械学習レコメンデーションシステムを提案し、ナイジェリアのユーザーが場所、予算、サービスの好みに基づいて最適な健康維持組織（HMO）を選択できるように支援することを目的としている。HMOを絞り込み、上位3件をランク付けすることで、意思決定の疲労を軽減し、100件を超える選択肢がある市場においても健康保険へのアクセスを向上させている。

ABSTRACT

The uptake of health insurance has been poor in Nigeria, a significant step to improving this includes improved awareness, access to information and tools to support decision making. Artificial intelligence (AI) based recommender systems have gained popularity in helping individuals find movies, books, music, and different types of products on the internet including diverse applications in healthcare. The content-based methodology (item-based approach) was employed in the recommender system. We applied both the K-Nearest Neighbor (KNN) and Cosine similarity algorithm. We chose the Cosine similarity as our chosen algorithm after several evaluations based of their outcomes in comparison with domain knowledge. The recommender system takes into consideration the choices entered by the user, filters the health management organization (HMO) data by location and chosen prices. It then recommends the top 3 HMOs with closest similarity in services offered. A recommendation tool to help people find and select the best health insurance plan for them is useful in reducing the barrier of accessing health insurance. Users are empowered to easily find appropriate information on available plans, reduce cognitive overload in dealing with over 100 options available in the market and easily see what matches their financial capacity.

研究の動機と目的

• ナイジェリアにおける健康保険の加入率が低い問題を改善し、消費者の意思決定支援ツールを向上させること。
• ナイジェリア市場に100件を超えるHMOが存在する中で生じる認知的負荷を軽減すること。
• ユーザーの好みと場所に基づいてHMOをフィルタリングする、パーソナライズされたAI駆動のレコメンデーションシステムを開発すること。
• 財務的余力に合った透明でデータドリブンなレコメンデーションを提供することで、健康保険へのアクセスを向上させること。
• コサイン類似度がKNNよりもユーザーの好みとHMOサービスプロファイルのマッチングに適しているかどうかを検証すること。

提案手法

• コンテンツベースフィルタリング手法を採用し、HMOのサービス属性とユーザーが指定した基準に焦点を当てた。
• ユーザーの入力として、希望する場所と価格帯が提供され、これによりHMOデータセットがフィルタリングされる。
• ユーザーのプロファイルとHMOのサービス提供内容の類似度を測るために、コサイン類似度が適用された。
• システムは類似度スコアに基づいてHMOをランク付けし、上位3件のレコメンデーションを返す。
• K-Nearest Neighbor (KNN) はコサイン類似度と比較評価されたが、分野固有の知識と整合性が低かったため却下された。
• 最終的なモデルは、比較評価を経て、コサイン類似度を主なマッチングアルゴリズムとして採用した。

実験結果

リサーチクエスチョン

• RQ1 機械学習ベースのレコメンデーションシステムは、複雑な市場環境にあるナイジェリアの健康保険選択をどのように改善できるか？
• RQ2 KNNとコサイン類似度のどちらが、分野特有の健康保険の好みに適しているか？
• RQ3 パーソナライズされたレコメンデーションは、100件を超えるHMOの選択肢に直面するユーザーの意思決定の疲労をどの程度軽減できるか？
• RQ4 ユーザー定義の制約（場所と価格）をHMOレコメンデーションロジックに効果的に統合できるか？
• RQ5 低デジタルインfra構造の文脈でも、コンテンツベースのアプローチがユーザーのプロファイルとHMOサービスプロファイルを効果的にマッチングできるか？

主な発見

• コサイン類似度は、KNNとの比較評価を経て、分野知識との整合性が高いため最適な手法として選定された。
• システムは、ユーザーが指定した場所と価格制約に基づいてHMOを効果的にフィルタリングできた。
• 上位3件のHMOレコメンデーションは、サービスの類似度に基づいて生成され、ユーザーの選択肢の過剰な負荷を軽減した。
• 財務的余力とサービスニーズに合ったマッチングにより、ユーザーが情報に基づいた意思決定をとれるように支援した。
• レコメンデーションツールは、ナイジェリアにおける健康保険加入率の向上に実用的かつ潜在的な貢献が見込める。
• 100件を超えるHMOから選択する複雑さを、関連性がありパーソナライズされたマッチングに焦点を当てることで効果的に軽減した。