Page 61 - 《中国医疗器械杂志》2025年第6期

Chinese Journal of Medical Instrumentation 2025年 第49卷 第6期

临 床 医 学 工 程

文章编号：1671-7104(2025)06-0647-06

基于深度学习的冠脉支架需求预测研究

【作 者】 左舒，程时栋，彭志涛，熊昌蓉，彭乔立
武汉大学中南医院，武汉市，430071
【摘 要】 目的 该研究旨在基于不同深度学习模型对冠脉支架需求进行预测，进而达到优化冠脉支架供应方案、提高
供应与使用效率的目的。方法 选取2022年1月至2024年8月某大型三甲医院冠脉支架集中带量采购数据，
使用3种深度学习模型对需求量进行预测，根据均方误差（mean square error, MSE）曲线评价模型学习效
果，并通过不同评价指标验证数据集的预测结果并评估预测误差。结果 MSE曲线表明，Transformer模型
在该任务中表现出了最强的特征提取和模式识别能力，同时预测需求量评价指标体系验证了基于
Transformer模型的预测结果接近实际值。结论 该研究通过建立基于深度学习的冠脉支架供应模型，较好地
预测了冠脉支架需求，为优化医院备货计划提供了参考，从而保障冠脉支架的使用及供应。
【关 键 词】 冠脉支架；深度学习；Transformer模型；需求预测
【中图分类号】 R197.39; TH77
【文献标志码】 A doi: 10.12455/j.issn.1671-7104.250318
Research on Demand Prediction for Coronary Stents
Based on Deep Learning
【 Authors 】 ZUO Shu, CHENG Shidong, PENG Zhitao, XIONG Changrong, PENG Qiaoli
Zhongnan Hospital of Wuhan University, Wuhan, 430071
【 Abstract 】 Objective This study aims to predict the demand for coronary stents based on different deep learning
models, in order to optimize the supply plan of coronary stents and improve the efficiency of supply and
use. Methods The centralized procurement data of coronary stents in a large tertiary hospital from
January 2022 to August 2024 are selected, three deep learning models are used to predict the demand,
the learning effect of the model is evaluated based on the MSE curve, and the prediction results of the
dataset through different evaluation indicators are verified and the prediction error is evaluated. Results
The MSE curve indicates that the Transformer model exhibits the strongest feature extraction and pattern
recognition capabilities in this task, and the predicted demand evaluation index system verifies that the
prediction results based on the Transformer model are close to the actual values. Conclusion This study
has established a deep learning based coronary stent supply model, which effectively predicts the
demand for coronary stents and provides reference for optimizing hospital stocking plans, thereby
ensuring the use and supply of coronary stents.
【Key words】 coronary stent, deep learning, Transformer model, demand prediction

0 引言 营效率中占据核心地位。2020年12月15日国家医疗
保障局发布《关于国家组织冠脉支架集中带量采
冠脉支架是在撑开狭窄或堵塞的冠状动脉、恢
购 和 使 用 配 套 措 施 的 意 见 》 （ 医 保 发 〔 2020〕
复心脏正常血液供应的血管疾病治疗中不可或缺的
51号），通过集中带量采购以量换价的方式，使冠
重要医疗耗材，可有效预防心肌梗死、提高患者生
脉支架价格大幅下降，直接减轻了冠心病患者的经
存率，同时减少血管壁的损伤和炎症反应，进而达
济压力。但由于价格被降低，部分供应商可能削减
[1]
到治疗心肌供血异常等相关疾病的目的 ，而其高
生产和配送资源，导致供货延期、不稳定。同时，
成本和高使用量使其在患者治疗效果和医疗机构运
集中采购后不同地区的供货能力和物流效率差异显
收稿日期：2025-05-14 著，临床科室面临库存积压、短缺等问题，增加了
作者简介：左舒，E-mail: 759566992@qq.com
通信作者：彭乔立，E-mail: 431141926@qq.com 医疗机构和临床科室的管理难度，加重了人员工作

647