추계학술대회 초록

  • 자료실
  • 추계학술대회 초록
[포스터] 머신 러닝을 이용한 약품 사용량 예측
Date

2019년 추계학술대회 초록

Authors
김은철o, 유수진, 강영희, 박은영, 이상미, 이광섭
을지대학교병원 약제부
Keyword
머신 러닝, 약품 사용량 예측, 적정 재고관리
Abstract
[배경 및 목적] 원내 사용 의약품의 적정재고는 처방량뿐만 아니라 비용적 측면, 저장공간 그리고 관리 인력측면을 고려해서 결정된다. 미래 사용량을 미리 예측하여 적정재고 설정에 반영한다면 내 외부 고객의 만족도 향상 및 비용 절감, 공간과 관리 인력의 효율적 사용 효과를 기대 할 수 있어, Python을 이용해 예측 모델을 만들고 머신 러닝을 통해 테스트해 보았다.

[방법] 2011년부터 2018년까지 원내로 처방된 A약품에 대한 데이터를 수집하였고, 요일, 공휴일 변수를 추가하여 머신 러닝에 필요한 데이터 셋을 만들었다. 머신 러닝을 위한 컴퓨팅은 Google에서 제공하는 Google Colab을 이용하였다. 데이터 예측에 필요한 프로그래밍 언어는 Python, 알고리즘은 Scikit learn Library에 포함된 ensemble method 중 Random Forest을 기본으로 하였다. 정확도 평가는 평균절대값백분율오차(MAPE)를 이용하였다.

[결과] 2019년 1월부터 5월까지의 실제 처방과 머신 러닝을 통해 예측된 값을 일, 주, 월 단위로 비교하였다. 일 단위에서는 MAPE는 55%, 주 단위에서는 23.2% 그리고 월 단위에서는 4.4%를 나타냈다. 월 단위의 실제 처방과 발주된 약품 수량의 차이를 비교한 MAPE는 19%로 이것은 실제 처방과 예측된 값의 MAPE인 4.4%보다 약 15% 정도 높은 수치이다.

[결론] 일 단위의 예측값은 정확도가 떨어지지만, 월 단위의 예측값은 정확도 면에서 낮은 오차값을 보여, 장기적인 관점에서의 재고관리에 도움이 될 수 있을 것으로 예상된다. 다만 병원에서 사용하는 전체 의약품을 대상으로 하기 위해서는 병렬 처리 연산에 특화된 컴퓨터가 필요하다. 향후 필요한 컴퓨터를 자체적으로 구비하고, 예측에 필요한 변수들 이를테면 의료진의 진료 일정, 휴가, 학회 및 기상 상황 등을 데이터 셋에 추가한다면 일 단위 예측값의 정확도가 높아질 것으로 기대되어 적정재고 관리에 도움이 될 수 있을 것으로 예상된다.
Full-Text
P-27. 김은철(을지대학교병원).pdf