Investigación sobre la predicción de la demanda de stents coronarios basada en aprendizaje profundo

Área de la Ciencia:

• Gestión de la Cadena de Suministro Médico
• Informática de la Salud
• Inteligencia Artificial en la Atención Médica

Sus antecedentes:

• La gestión eficiente de la cadena de suministro es crucial para dispositivos médicos como los stents coronarios.
• La previsión precisa de la demanda minimiza las roturas de stock y reduce el desperdicio en entornos sanitarios.
• El aprendizaje profundo ofrece capacidades avanzadas para tareas de predicción complejas.

Objetivo del estudio:

• Predecir la demanda de stents coronarios utilizando varios modelos de aprendizaje profundo.
• Optimizar el plan de suministro de stents coronarios y mejorar la eficiencia de la cadena de suministro.
• Proporcionar un enfoque basado en datos para la gestión del inventario de stents coronarios.

Principales métodos:

• Se utilizaron datos de adquisiciones centralizadas de stents coronarios de un hospital terciario (enero de 2022 - agosto de 2024).
• Se aplicaron tres modelos distintos de aprendizaje profundo para la predicción de la demanda.
• Se evaluó el rendimiento del modelo utilizando curvas de Error Cuadrático Medio (MSE) y otras métricas de verificación.

Principales resultados:

• El modelo de aprendizaje profundo Transformer exhibió las capacidades más sólidas de extracción de características y reconocimiento de patrones.
• Los resultados de la predicción del modelo Transformer se alinearon estrechamente con los valores reales de la demanda de stents coronarios.
• El análisis de la curva MSE confirmó el rendimiento superior del modelo Transformer.

Conclusiones:

• Se desarrolló con éxito un modelo de suministro de stents coronarios basado en aprendizaje profundo.
• El modelo predice eficazmente la demanda de stents coronarios, lo que ayuda a la optimización del inventario.
• Este enfoque proporciona información valiosa para mejorar el suministro y la utilización de stents coronarios.