Моделирование интеллектуального интерфейса взаимодействия аптеки и детской клиники

Введение. Экономические барьеры, неравномерное территориальное распределение аптечных организаций и недостаточная эффективность логистических цепочек поставок лекарственных препаратов (ЛП) затрудняют доступность ЛП и своевременное получение пациентами фармацевтической помощи (ФП) во всем мире. Цифровая трансформация в здравоохранении, ускоренная кризисом COVID-19, обусловливает необходимость адаптации практики оказания ФП под современные потребности пациентов.

Цель исследования. Разработать и валидировать процедуру взаимодействия клиники и аптеки для обеспечения обмена данными через интерфейс, позволяющий аптеке получать данные для формирования ассортимента лекарственных препаратов (ЛП), адаптированного под особенности и тенденции поведения основной целевой аудитории.

Материал и методы. В исследовании использовались обезличенные данные о назначениях ЛП врачами из медицинской информационной системы сети медицинских организаций Москвы за период с января 2018 по декабрь 2023 гг. Проведена предварительная обработка данных, обучение модели машинного обучения с использованием алгоритма LightGBM, оценка ее предсказательной способности с применением метрик MAE и RMSE.

Результаты. Разработан аналитический интерфейс взаимодействия клиники и аптеки, включающий предсказательную модель формирования ассортимента ЛП. Модель эффективно учитывает сезонные тренды, демографические особенности пациентов и другие ключевые факторы, влияющие на спрос на ЛП. Средние значения метрик MAE и RMSE составили 1,27 и 1,68 соответственно, что свидетельствует о высокой точности модели.

Заключение. Внедрение разработанного интерфейса позволяет аптеке формировать ассортимент ЛП, адаптированный к реальным потребностям пациентов, что способствует оптимизации управления запасами, снижению риска дефицита и избыточного накопления препаратов, повышению доступности ФП детям и увеличению экономической эффективности аптеки. Интеграция технологий больших данных и машинного обучения открывает новые перспективы для персонализации медицинской и ФП.