[发明专利]基于机器学习的药品市场规模预测系统

说明书

本发明涉及医药大数据技术领域，特别是涉及一种基于机器学习的药品市场规模预测系统，能预测药品市场采购量的变化趋势、协助制定药品市场的采购计划、帮助用户了解市场定位、辅助合理用药的监测评估；包括以下步骤：S1、数据需求；S2、采购量相关数据；S3、数据清洗；S4、数据纳入否；S5、多维度统计；S6、指标库；S7、随机分组；S8、评估变量重要性；S9、预测模型搭建；S10、是否历遍所有变量；S11、模型评估；S12、专家评价；S13、实用性判别；S14、真实环境测试；S15、是否重新评估。

技术领域

本发明涉及医药大数据技术领域，特别是涉及一种基于机器学习的药品市场规模预测系统。

背景技术

药品市场规模具有未知性和不确定性，采购量变化趋势受到医疗机构、药品特点、医疗保险、市场竞争、医药政策等多方面因素的影响，而个体经验用于药品采购量预测的局限性比较大，具体体现在以下方面：医疗机构在制定新一轮的药品采购计划和国家集采药品报量方面，缺乏科学合理的药品市场数据支持，凭借历往药品采购资料，简单按系数加成获取药品采购量预测值，并基于此预测值制定采购计划，使部分药品积压仓库或药品短缺，国家集采任务不达标被约谈或绩效评价不达标导致药品集中采购激励被一票否决，不利于医疗资源的合理利用和分配；相关政府部门在药品带量议价谈判、制定药品集中采购方案、药品集中采购激励方案、药品支付预算方案等药品市场相关政策方面，现主要依赖于医疗机构等受监管单位上报的数据，缺乏药品市场数据作为辅佐决策工具以校正现存数据的偏倚，削弱了药品带量议价的筹码，增加了集中采购执行受阻、激励措施与实际采购情况不适配、医保基金浪费等现象的可能性；企业机构在制定药品生产计划、药品销售计划、商业医疗保险风险评估方案、市场发展战略等企业计划方面，现主要采用第三方市场评估机构提供的横断面药品市场数据作为参考依据，忽略了药品数据的纵向变化特点，缺乏全局化和精细化相结合的药品市场数据支持，导致了药品市场定位不准确、药品产量滞后和产能过剩、商业医保风险不确定性增加等问题，目前，国内尚无一项关于药品市场规模预测的完整系统可以解决以上问题。

发明内容

为解决上述技术问题，本发明提供一种能预测药品市场采购量的变化趋势、协助制定药品市场的采购计划、帮助用户了解市场定位、辅助合理用药的监测评估的基于机器学习的药品市场规模预测系统。

本发明的一种基于机器学习的药品市场规模预测系统，包括以下步骤：

S1、数据需求：根据用户提出的药品市场规模预测方面的需求，若已有历史的建模经验，则结合历史的建模经验和问题解决方案，整合形成综合的数据需求；

S2、采购量相关数据：依据药品市场规模预测方面的数据需求，从药品交易数据库中调取采购量相关数据，并存于结构化的标准数据表中；

S3、数据清洗：对数据进行标记，并将有效的数据纳入模型；

S4、数据纳入否：对不纳入模型的数据进行数据检查，深入发现其不符合纳入模型标准的原因，挖掘其可能存在的数据问题；对纳入模型的数据进行多维度统计；

S5、多维度统计：对纳入模型的数据，从药品属性、医院属性、市场竞争、销量售价等方面进行多维度统计；

S6、指标库：将各个地区多维度统计的结果结构化，并存储于指标标准数据库中；

S7、随机分组：按照一定的分配比例，根据医疗机构的唯一编码，将部分医疗机构的数据划分为测试集，剩余医疗机构的数据划分为训练集，用于模型拟合；

S8、评估变量重要性：采用随机森林模型评估全部自变量的重要性，对于预测药品采购量的回归问题，采用均方误差增率(％IncMSE)作为自变量的重要性评价指标；对于预测采购量倍率评级的分类问题，采用平均准确率降幅(Mean Decrease Accuracy，MDA)评价自变量的重要性；

S9、预测模型搭建；