最適な1台を、即決定

救急現場では、限られた人員や車両をどう効率的に配備するかが大きな課題となっていました。

また、重症度の高い患者への対応が遅れるケースや、軽症者への過剰対応によって救急隊のリソースが逼迫する状況が見られていました。

患者の状態や拠点情報をもとに、LightGBMを活用した機械学習モデルで重症度を予測。

さらに、最適化アルゴリズムと数理計画技術を組み合わせることで、救急車の効果的な配備をレコメンドし、リソースを無駄なく活用できる仕組みを構築しました。

重症患者への到着時間を短縮し、軽症者の適切な選別により救急隊の負担を分散。

限られた医療リソースを最大限に活用できる体制づくりに貢献しました。