Российский студент создал гибридную ИИ-систему для прогнозирования спроса на лекарства

Студент Российского технологического университета (РТУ МИРЭА) Михаил Полубарьев создал пилотную ИИ-модель для прогнозирования спроса на фармацевтическом рынке. Гибридный подход объединяет градиентный бустинг для краткосрочных прогнозов (один месяц) и нейросети с прямым многошаговым прогнозом для среднесрочного планирования (квартал). Такое сочетание позволяет адаптироваться к нестабильному российскому фармрынку, где традиционные методы часто дают сбой.

Российский лекарственный рынок отличается высокой волатильностью и частым выводом новых дженериков без исторических данных о продажах. В таких условиях традиционные методы накапливают критическую ошибку к третьему месяцу, что делает их непригодными для управления запасами. Именно поэтому гибридный подход, сочетающий оба метода, оказывается более надежным для планирования поставок.

Ансамбли градиентного бустинга (мощные алгоритмы машинного обучения) отлично справляются с прогнозом на один месяц — ошибка составила 16–17% по метрике WMAPE. Однако при попытке продлить прогноз до квартала ошибка вырастала до 23–26% уже на третьем месяце.

Тогда Михаил задействовал нейросети с прямым многошаговым прогнозом — они дали более стабильные результаты без резкого роста ошибок. Так появилась адаптивная стратегия: для короткого периода — ансамбли бустинговых моделей с индивидуальной настройкой признаков, для среднесрочного — нейросети, устойчивые к дрейфу.

Научный руководитель проекта, профессор Андрей Горшенин, отметил, что созданная архитектура готова к интеграции в ERP-системы фармпроизводителей. Она включает логарифмическую стабилизацию дисперсии, циклическое кодирование временных меток и блочную кросс-валидацию — набор инструментов, необходимых для промышленной эксплуатации.

Интерес к модели уже проявила фармкомпания «Генериум». Руководитель группы управления проектами цифровизации фармкомпании Данила Малина подчеркнул, что точный прогноз спроса для предприятия — стратегическая задача, влияющая на баланс между дефицитом и затовариванием. По его словам, новая модель показывает высокую точность и может быть внедрена в бизнес-процессы в ближайшей перспективе.

Ранее сообщалось, что американские и китайские биоинформатики создали модель искусственного интеллекта, которая может на основе данных об активности генов и гистологических характеристик опухоли предсказать, поможет ли пациенту иммунотерапия.