Diseño de un modelo con uso de machine learning y big data para predecir el desabastecimiento de medicamentos

Abstract

En los últimos años se ha explorado el uso de técnicas de machine learning y big data para optimización y automatización de los procesos de abastecimiento de la cadena de abastecimiento farmacéutica, sin embargo, esto no se ha documento extensamente en Colombia para el desabastecimiento de medicamentos, una de las problemáticas más relevantes y con más consecuencias del Sistema General de Seguridad Social en Salud. Para abordar esto se va a predecir el desabastecimiento de medicamentos con el uso de machine learning y big data, para lograrlo se usarán los datos del SISMED de los años 2022 y 2023, enseguida se probaron tres modelos de machine learning (random forest, XGBoost y red neuronal) y se evaluaron con métricas claves (accuracy, F1-score, entre otras) y se construyó un dashboard en Power BI como herramienta prototipo. Dentro de los resultados se encontró que el modelo de random forest obtuve el mejor rendimiento, ya que por ejemplo obtuvo un accuracy de 1 y que la red neuronal tuvo mejor desempeño cuando los datos se agrupaban por trimestre. Igualmente se pudo hacer pruebas con este último algoritmo que no ha sido tan usado como los otros, lo que pone de manifiesto que puede seguir explorando el uso de redes neuronales para el manejo de inventario y la predicción de abastecimiento de medicamentos.