本研究於健保資料庫中進行回顧性的研究，納入了18-90歲患者的資料，並將數據庫分配到訓練數據集和測試數據集中。我們從數據庫中提取了總共11,292個臨床變量（包括年齡，性別，1676種疾病診斷和582種藥物使用以及時間信息）。使用機器學習方法（梯度提升決策樹 [GBDT] 和邏輯回歸 [LR]）及深度學習 [DNN] 方法來開發六種老年人常見疾病（心臟衰竭，心肌梗塞，腎臟病，肝硬化，肝癌，肺炎）預測模型。

在六種老年人常見疾病中，三種機器學習方法皆可以達到很好的預測性能（AUC值介於0.83-0.93區間），其中針對心臟衰竭及腎臟病可以達到最高的預測力，針對肝硬化及肺炎則預測力較低。GBDT及DNN在大多數疾病可以比LR獲得略高的預測性能，然而針對個案數較少的肝癌則由DNN及LR獲得略高的預測性能，而使用越多特徵值則可以帶來更高的預測性能。針對不同疾病預測選擇不同的演算法可以獲得較好的預測能力，需要進一步的研究來確定這類機器學習技術是否可以改善臨床實踐。