Укрепление финансовой стабильности в здравоохранении с помощью основанных на данных оценок рисков и машинного обучения

Почему деньги и данные важны для нашего здоровья

Почему в одних странах люди живут значительно дольше, чем в других, и какое отношение к этому имеют деньги? В этом исследовании рассматривается, как расходы на здравоохранение, семейные медицинские счета и государственные бюджеты вместе формируют ожидаемую продолжительность жизни в разных странах. Сочетая глобальные показатели здоровья и финансов с современными компьютерными моделями, авторы показывают, как более разумное использование ресурсов может одновременно стабилизировать финансы системы здравоохранения и способствовать более долгой и здоровой жизни людей.

Отслеживание пути долларов здравоохранения

Исследователи начали с глобального набора данных, который отслеживает, сколько страны тратят на здравоохранение по нескольким ключевым показателям. Они рассматривали средние расходы на здравоохранение на душу населения, долю расходов, идущую непосредственно из кармана пациентов, размер бюджета на здравоохранение относительно всей экономики и ожидаемую продолжительность жизни в каждой стране. Эти показатели показывают не только, сколько средств направляется в клиники и больницы, но и насколько тяжело финансовое бремя ложится на обычные семьи при обращении за медицинской помощью.

Что показывают временные тренды

При анализе изменений за период с 2000 по 2018 годы выявились четкие закономерности. Средние расходы на здравоохранение на душу населения неуклонно росли по всему миру, а государственные бюджеты на здравоохранение занимали всё большую долю национального дохода. Одновременно доля расходов, оплачиваемых непосредственно пациентами, как правило, снижалась, а ожидаемая продолжительность жизни в многих странах выросла с примерно поздних 60 до ранних 70 лет. В совокупности эти тенденции указывают на то, что когда страны инвестируют больше в здравоохранение и защищают людей от больших личных расходов, их население, как правило, живет дольше.

Обучение компьютеров выявлять скрытые закономерности

Чтобы выйти за рамки простых средних, авторы обратились к машинному обучению — разделу искусственного интеллекта, который находит закономерности в данных. Они сравнили несколько типов моделей — от простой линейной регрессии до глубоких нейронных сетей и продвинутых архитектур, специализирующихся на временных рядах. Одним из заметных подходов стала двунаправленная сеть с долгой краткосрочной памятью (bidirectional LSTM), которая могла использовать как прошлые, так и будущие точки временного ряда для уточнения прогнозов. Обученная на глобальном наборе данных, эта модель с высокой точностью предсказывала ожидаемую продолжительность жизни на уровне стран, улавливая тонкие связи между разными видами расходов и результатами в области здоровья.

Какие виды расходов имеют наибольшее значение

С помощью дополнительных инструментов для объяснения решений моделей исследователи ранжировали важность каждого показателя расходов. Наиболее сильный сигнал дала средняя сумма расходов на здравоохранение на душу населения. Страны, которые тратили больше на одного человека, как правило, добивались более высокой ожидаемой продолжительности жизни. На втором месте оказались прямые выплаты пациентов, затем общий объем расходов на здравоохранение в доле экономики, а точный размер доли государственного бюджета имел несколько меньшее значение. Тесты на чувствительность и оценки важности признаков подтвердили: защита домохозяйств от крупных медицинских расходов и обеспечение адекватных общих инвестиций — ключ к лучшему здоровью и более стабильным финансам системы здравоохранения.

От прогнозов к практическим решениям

Исследование не утверждает, что компьютеры сами по себе могут починить системы здравоохранения, и не сводит продолжительность жизни только к деньгам. Модели работают лучше всего в сочетании с продуманным планированием, справедливыми политиками и вниманием к социальным факторам — образованию, занятости и условиям жизни. Тем не менее выводы дают ясное послание для тех, кто принимает решения: достаточные инвестиции в здравоохранение, снижение финансового удара от болезней для семей и отслеживание этих решений с помощью прозрачных инструментов данных могут укрепить и общественное здоровье, и финансовую стабильность. Проще говоря, когда страны разумно тратят средства на сохранение здоровья людей, не доводя их до долгов, их граждане с большей вероятностью будут жить дольше.

Цитирование: Chai, D., Du, S. Enhancing financial stability in healthcare through data-driven risk assessments with machine learning. Sci Rep 16, 15659 (2026). https://doi.org/10.1038/s41598-026-44599-x

Ключевые слова: финансы здравоохранения, ожидаемая продолжительность жизни, машинное обучение, расходы на здравоохранение, оценка риска