В РТУ МИРЭА научили ИИ прогнозировать спрос на лекарства
В РТУ МИРЭА создали пилотную ИИ-модель для прогнозирования спроса на лекарственные препараты. Система адаптирована к условиям российского фармацевтического рынка с его высокой волатильностью, резкими ценовыми изменениями и короткой историей продаж новых дженериков. Об этом "Газете.Ru" рассказали в РТУ МИРЭА.
Рынок лекарственных препаратов в России крайне динамичен. Ситуация обостряется, когда на рынок выводятся новые дженерики (например, аналоги "Оземпика"), исторические данные по которым отсутствуют, а спрос формируется под влиянием не только сезонных, но и ценовых факторов. Традиционные методы прогнозирования в таких условиях часто дают сбои, а рекурсивное применение популярных алгоритмов машинного обучения приводит к накоплению критической ошибки уже на втором-третьем месяце планирования.
"Ключевая проблема фармацевтического рынка — короткая история продаж новых препаратов на фоне высокой волатильности. Классические "трансформеры" требуют огромных объёмов данных и часто переобучаются, а бустинг накапливает ошибку на среднесрочных горизонтах. Наш гибридный подход решает эту дилемму через адаптивный выбор модели: бустинг для точных краткосрочных прогнозов, нейросети прямого прогноза — для устойчивого планирования на квартал", — рассказал автор разработки, студент Института искусственного интеллекта РТУ МИРЭА Михаил Полубарьев.
Михаил Полубарьев предложил решение, объединяющее сильные стороны разных подходов. Для оперативного планирования на один месяц он использовал ансамбли градиентного бустинга, для среднесрочных горизонтов были задействованы архитектуры глубокого обучения с прямым многошаговым прогнозом. Они продемонстрировали более стабильную деградацию ошибки и отсутствие экспоненциального дрейфа.
Практическую ценность разработки подтверждают и представители фармацевтической отрасли, заинтересованные в повышении точности планирования поставок.
"Для "Генериум" (компания-производитель лекарственных препаратов) точное прогнозирование спроса на лекарственные препараты — стратегическая задача. Ошибка в прогнозе может привести либо к дефициту жизненно важных лекарств, либо к затовариванию складов. Новая модель показывает высокую точность даже в условиях нестабильного рынка, и мы видим большой потенциал для её внедрения в наши бизнес-процессы", — отмечает Данила Малина, руководитель группы управления проектами цифровизации АО "Генериум".