### プロジェクトの概要
【病院経営改善】レセプト算定支援システム 開発・導入・運用
### チーム構成と立ち位置
* 機械学習エンジニア ×3名
* 医事業務アドバイザー ×1名
*アプリケーションエンジニア ×1名（自分）
### 課題
1. アプリのデモを行う「簡易診断」検討・構築
プロダクトの開発、リリース後、新規契約がとれない時期が1年ほどありましたが、コンサルタントの「簡易的な診断を行ったらどうか」という意見をもとに、客先訪問して2～3日で実施可能な「簡易診断」の仕組みを検討・構築し、サービスを開始したところ、問い合わせが増え、新規契約を獲得できるようになりました。
1. データの成形
カルテベンダごとにデータの持ち方が異なり、そのままでは処理にかけられるフォーマットになっていない事がほとんどだったため、顧客ごとにデータ加工スクリプトを作成しました。またこの作業を属人化させないためにも、ある程度の処理（列の除去、日時フォーマットの変換、ピボット、列の結合など）はだれでもUIから行えるようにデータ加工ツールを作成したり、お客様説明用のドキュメントも作成しました。（使用技術: pandas）
1. Djangoアプリから機械学習apiの呼び出し
機械学習処理は数日かかるため、アプリのボタンからリクエストを送りレスポンスとしてもらうわけにはいきません。windows server環境の中で試した結果、アプリの処理実行ボタンをクリックすると、apiをスタートさせるバッチをタスクスケジューラに登録させ、2分後に発火するようにした事でこの課題を解決しました。
1. 作業者がチェックしやすい予測結果の表示
apiから出力された予測結果はcsvになっており、算定項目がコードで表示されていましたが、現場の作業者がよりチェックしやすいように以下のような工夫しました。
* レセ電コードを変換マスタを用いて名称で表示
* 担当病棟ごとにチェック出来るよう、新たに患者の移動情報を抽出し、予測結果に病棟カラムを追加
* なぜそのような結果になったのかをすぐに理解出来るよう、予測結果の根拠を最大５つ表示
* 結果についてより深く原因を探れるよう、患者ごとに使用したカルテテキスト、レセプト情報を表示する「患者情報検索」画面を作成
* 月ごとの算定漏れ件数や金額を集計しグラフとテーブルで描画して導入効果を可視化
（使用したライブラリ: tablator, chartjs）