Nationwide Medical Claims 데이터 기반 의료 Foundation 모델 ReClaim 소개

대규모 실세계 데이터 (RWD) 에서 도출된 증거는 규제 평가 및 의료 의사결정에 점점 더 많은 영향을 미치고 있습니다. 행정 청구 (Administrative claims) 는 인구 규모, 장기적 기록을 제공하며 진단, 절차, 약물의 상세한 코딩을 포함하지만, 의료 Foundation 모델의 서브스트레이드로서의 잠재력은 아직 충분히 탐구되지 않았습니다. 여기서는 MarketScan 청구 데이터 (2008-2022 년) 의 438 억 개의 의료 사건에서 처음부터 훈련된 생성형 트랜스포머인 ReClaim 을 소개합니다. ReClaim 은 진단, 절차, 약물, 지출에 걸친 장기적 경로를 모델링하며, 1 억 4 천만, 7 억, 17 억 개의 파라미터로 확장되었습니다. 1,000 개 이상의 질병 발병 예측 과제에서 ReClaim 은 평균 AUC 75.6%를 달성하여 LightGBM (66.3%) 과 트랜스포머 기반 Delphi 모델 (69.4%) 을 크게 상회했으며, 희귀 질환에서의 이득이 가장 큽니다. 이러한 우위는 후향적 및 전향적 평가와 두 개의 독립 데이터셋 외부 검증에서 유지되었습니다. 성능은 규모에 따라 단조롭게 개선되었으며, 훈련 후 추가된 지점은 사전 훈련만으로는 13.8% 포인트를 초과했습니다. 질병 예측을 넘어 ReClaim 은 재정적 결과를 포착하고 실세계 증거 (RWE) 분석을 개선했습니다: 의료 지출 예측에서는 LightGBM 대비 설명 변동성을 0.28 에서 0.37 으로 증가시켰으며, 목표 시뮬레이션 (target trial emulation) 에서는 Delphi 대비 평균 72% 의 체계적 편향을 줄였습니다. 이러한 결과들은 행정 청구가 의료 Foundation 모델의 확장 가능한 서브스트레이드임을 입증하고, 학습된 표현이 시간대와 데이터 소스를 넘어 일반화됨을 보여주어 질병 감시, 지출 예측 및 RWE 생성을 지원합니다.