用于醫藥經濟精準營銷的GBDT-Logistic回歸融合模型的研究

王國金

(山東省食品藥品檢驗研究院, 山東，濟南 250101)

0 引言

近年來，經濟形勢的發展，促進了大數據技術的進步和突破，從而使得醫藥精準營銷策略有了實現的前提[1]。隨著不良的生活習慣和各種不健康飲食的出現，人們身體出現亞健康的情況屢見不鮮[2]。各種慢性病、心腦血管病、老年病等發病人群越來越年輕化、數量也越來越多[3]。

傳統醫學的發病后就醫情況，治愈成本高、治療效果差，已經逐漸不能滿足當前人們健康的需求[4]。由于醫療資源有限、藥品供應不及時等，醫患矛盾加劇，“看病難，買藥貴”成為老百姓的心頭之痛[5]。通過大數據技術對人群的身體狀態進行監控，對于易感人群進行藥品推銷，對于疾病傳播做到精準防治，對醫藥經濟的發展具有重要的意義[6]。

利用大數據技術，優化醫療資源分配，精準定位藥品營銷[7]。本文基于大數據技術，構建GBDT-Logistic回歸融合模型，優化藥品資源的分配，促進醫藥精準營銷，對醫療疾病等信息領域的發展做出預測，對于提高人們生活的幸福指數具有重要的意義。

1 醫藥經濟營銷預測模型

1.1 醫藥大數據的研究意義

豐富的醫療數據資源可以為人們提供優質的信息服務，指導醫藥企業對處于亞健康狀態的人群提供藥品，不僅能夠實現當前形勢下的精準醫療，也能夠使藥品資源分配有的放矢，藥品企業的利潤也能得到有效保障[8]。

針對醫療大數據的研究，尤其是將其用于指導醫藥經濟精準營銷方面，具有如下重要意義:

(1) 有效了解亞健康人群的身體動態，并進行有針對性的疾病治療和藥品提供。

(2) 深度結合試驗數據，做到高效用藥、精準用藥。

(3) 個性醫療，對于環境等進行精確分析，及時預防傳染性疾病等的發生和傳播。

1.2 Logistic回歸模型

對于醫療數據進行分析，現有的主要分析方法包括BP神經網絡、回歸模型、層次分析等[9]。本文所研究的Logistic回歸模型在醫療數據的分析方面實用性更強、預測效果更好[10]。

同時，本文采用的Logistic回歸模型也是最常用的醫學數據分析方法，相對于其他回歸方法，亞健康預測的準確率方面遠遠優于決策樹、最小二乘法等分析方法，預測準確度高、性能好。

該算法的函數表達式為

(1)

變換后，可以表示為

(2)

對式(2)進行求導，可得：

g′(z)=g(z)(1-g(z))

(3)

利用極大似然估計，該算法的單一樣本概率可以表示為

p(y|x;θ)=(hθ(x))y(1-hθ(x))1-y

(4)

整個樣本的概率為

(5)

式中，i=1,2,3，……，m,i表示樣本的位置。

Logistic回歸模型的意義在于尋找所有大數據樣本中所有數據屬性影響最大的那幾個,從而對其進行有針對性的研究，找到該屬性的影響及發病概率等，通過并發癥等的研究，也可以提前對該病情做出有針對性的預防，降低疾病的危害。

1.3 GBDT回歸模型

迭代決策樹算法(gradient boosted decision trees，GBDT)模型為決策樹模型的一種。整個模型的計算結果表示為T，T中的元素Tj表示該模型計算的前j-1棵樹的預測結果殘差，數據多次回歸后，可以求得模型的預測結果。

對于疾病狀態的預測過程，通過對目標的數據樣本輸入，對其做出相應賦值，通過所有決策樹的預測和數據更正，所有決策樹的計算結果累加后，可以獲得該預測的數據結果。預測結果的表示式為

F(x)=F0+α1T1(X)+α2T2(X)+…+αmTm(X)

(6)

式中，α為每棵樹的權重系數。

GBDT模型將每棵樹的殘差數據進行擬合，可以具有泛化能力強、不過擬合的特點，可以結合Logistic回歸模型，用于藥品營銷的預測。

算法的流程如下。

輸入醫療大數據訓練集T：

T={(x1,y1),(x2,y2),…,(xN,yN)}

(7)

數據初始化：

(8)

在回歸樹所有的分量中，尋找其中結果最好的數據區域，并尋找數據結果最好的c點。

(9)

式中，J代表每棵樹的葉子數量。輸出結果為fm(x)。

1.4 GBDT-Logistic回歸融合模型

Logistic回歸模型雖然能夠在一定程度上完成疾病預測的任務，但是該模型不具備很強的學習能力[11]。將其與GBDT模型深度融合，發揮GBDT模型學習能力強的特點，形成GBDT-Logistic回歸融合模型[12]。

GBDT-Logistic模型可以從醫療大數據的數據庫中精確總結出對應目標和對應區域的醫療特征，結合評估模型，總結出該目標和該區域的亞健康狀態，預測精度更高、效果更好[13]。

回歸模型的融合過程如下。

(1) 確定融合模型的目標函數：對于醫療大數據來說，目標的身體狀態包括健康、不健康和亞健康等狀態，確定其狀態輸出交叉熵為其優化目標。

(2) 總結數據區域特征：總結出亞健康人群目標的身體參數，如睡眠質量、身體狀態等數據。結合醫生的醫療診斷，總結出目標的身體特征，并進行數據訓練。

(3) 訓練模型選擇：GBDT模型在總結目標的醫療特征方面具有明顯的優勢，利用決策樹的殘差優化，可以直接給Logistic回歸模型提供輸入數據，提高運行效率。經過辨識后的數據可以準確預測目標的身體狀態，為醫藥數據精準營銷提供條件。

本文設計的醫藥精準營銷流程如圖1所示。

圖1 醫藥精準營銷流程

在整個藥品推薦的流程中，將不同數據屬性的藥品和信息等進行數據集成，使其共存于一個動態圖中。通過機器學習的方法，不斷對目標身體健康狀態和藥品知識進行學習和分析，從而通過優化模型對其進行預測，發現數據之間的相關性，提取出樣品數據中的異常數據，為藥品精準營銷提供更好的數據分析結果[14]。

對于醫藥大數據中的文本信息，也要進行分析處理，得到其內在規律。文本數據的醫藥實體抽取過程如圖2所示。

圖2 文本醫藥數據抽取

常用的醫藥實體抽取數據包括目標疾病信息、通常發病位置、常購藥品規格、發病群體特征等信息。對其進行總結后，存入數據庫中，用于對應藥品的分析提供。

融合后的預測模型操作步驟如下。

(1) 綜合個體和群體的屬性特征，進行數據整理。

(2) 通過GBDT模型進行大數據機器學習，總結整理不同因素的影響權重ai。

(3) 通過Logistic回歸模型確定不同目標屬性bi的目標預測函數M。

(10)

其中,

(11)

權重關系ai也能反映出不同屬性之間的關系比重。通過整體的權重關系比較后，可以預測目標個體的健康指標，并總結出其健康程度，進而進行相應藥品推薦。

將生理亞健康數據代入整個模型中，可以總結出目標的亞健康狀態。以某目標的健康狀態為例：

(12)

該目標的高低血壓狀態、血糖狀態、體重身高平分比、睡眠質量等均是衡量健康狀態的指標，任何超過正常指標的數值均定義為危險狀態，需要進行及時的藥品信息和健康信息傳遞。

1.5 醫藥經濟精準營銷

醫藥經濟的營銷離不開醫療知識數據的出版，傳統的醫藥知識數據具有如下特征[15]。

(1) 醫藥數據結構復雜，藥品種類繁多，不同疾病、不同人體的禁忌情況也需要慎重考慮。

(2) 醫藥知識的特殊性。藥品推薦需要綜合考慮病例、習慣用藥等，準確的癥狀分析處理是藥品經濟精準營銷的前提。

(3) 文字特征描述，需要轉化成可以總結的數據，并進行數據整理、分析。藥品與藥品之間的關聯、疾病與藥品之間的關系都是需要綜合考慮的因素，進行對癥藥品推薦。

(4) 公共群體性特征。對于大范圍傳染性疾病特征，可以通過數據整理進行定點藥物投放，提高社會群體的免疫力和抵抗力，從而提高人們的身體健康程度，也是藥品經濟發展的一個方面。

藥品營銷的策略主要包括線上藥品提供、線下零售推銷、針對性的一對一數據廣告、創意健康用品推銷等。這些策略的實施有助于推動藥品精確營銷的結果，提高百姓的認可程度，實現價值的互換。

2 實驗結果與數據分析

2.1 實驗數據

本文所采用的實驗數據來源于東部某地區的常住人口健康狀態圖，對不同年齡、不同職業、不同性別、不同群體、不同層次的人口進行數據總結。實驗中的數據來源于體檢健康中心，通過對其進行數據整理得到其身體健康狀態數據，建立區域性健康特征數據庫。

醫療大數據的處理過程包括數據特征抽取、數據結果挖掘、數據關聯性整理等方式，并與醫生的體檢健康指標確診進行驗證，從而建立出數學模型，用于藥品推薦和居民健康情況預防。

2.2 實驗結果

對于預測結果的準確性指標，主要考慮預測準確率指標、預測召回率指標和適用用戶指標3個目標。將本文模型與其他常用的醫藥推薦方法相對比，如知識圖譜法和購藥行為分析法等，結果如下。

(1) 準確率指標

本文算法與其他算法的準確率對比結果如圖3所示。在相同的環境下，數據采用60天的時間消費數據進行對比。

圖3 不同算法的數據藥品推薦準確率對比

從圖3可以看到：常用的藥品推薦準確率只有20%～30%，準確率并不高；而本文采用的方法，準確率達到約50%，遠遠超過其他2種方法。

采用相同的方法，利用線下銷售推薦數據準確率進行對比，實驗結果如圖4所示。

圖4 線下銷售準確率對比

由圖4可以看到，對于藥店的推薦，用戶目標具有一定的排斥，推薦準確率相比實驗環境更低，但是本文算法準確率依然到達40%，高于其他2種方法。

(2) 召回率指標

召回率指標主要用來衡量在所有的待推薦藥品中有多少被正確推薦出來。召回率的實驗對比結果如圖5所示。

從圖5可以看到，對于召回率指標知識圖譜方法和購藥推薦方式的召回率均在10%～20%。其中,知識圖譜的方式要優于購藥行為推薦，但本文的模型召回率超過30%，明顯優于其他2種方法。

圖5 召回率計算數據對比

同理，對于召回率指標，依然需要采用線下零售的推薦數據進行對比，結果如圖6所示。

從圖6中可以看到，對于線下零售的召回率指標，知識圖譜的方式召回率約30%，要遠遠優于基于購藥行為推薦的約20%。主要原因在于線下銷售的數據基數大，推薦次數多，成功的效率就高。但本文的方法召回率接近45%，從結果上依然優于其他2種方式，證明本文方法的有效性。

圖6 召回率線下銷售數據對比

(3) 適用用戶指標

適用用戶指標反映推薦合適的用戶與總推薦人數的比值，反映了不同推薦方式的效果。適用用戶指標如圖7所示。

圖7 適用用戶情況對比結果

從圖7可以看到，基于用戶購藥的推薦技術，利用購藥行為推薦標準的用戶占比為19%，而基于知識圖譜的推薦技術用戶為31%，基于本文方法的用戶占比為50%,證明本文算法在上述3種推薦方法中是表現效果最好的。

2.3 實驗結果分析

對于預測結果不準確的情況，主要原因包括:

(1) 新用戶數據推薦。對于沒有相關數據的用戶，無法套用本文的算法，需要根據實際情況來進行推薦。

(2) 非傳統疾病推薦。對于存在慢性疾病的目標患者，其突發疾病的推薦準確率會明顯降低。但對于藥品營銷來說，突發性疾病及健康人群的藥品推薦本身就是缺乏規律性的。

從實驗結果上看，本文的算法均優于其他2種方法，主要原因在于本文算法充分考慮了推薦對象的各個數據屬性，可以更全面地了解患者目標狀態，并可以有效輔助目標對于自身亞健康狀態的改進,針對不同人群屬性的亞健康狀態進行細致分析，并不斷修正案例庫，以提高對于醫藥推薦的精確性。

3 總結

針對醫藥經濟發展所需要的精準營銷模型算法，本文采用了經過大量實例驗證過的多維數據算法。利用GBDT模型與Logistic回歸模型結合，充分利用兩者的優勢;利用GBDT模型的輸出結果作為Logistic回歸模型的輸入，提高回歸模型的學習能力，使其預測結果更精確。通過區域性醫療大數據作為實驗樣本，進行藥品推薦預測，從實驗結果上看，本文的回歸融合模型，無論是預測準確率，還是推薦的召回率等指標均是最佳，體現了本文算法的優越性，可以用于指導醫藥經濟的營銷推薦，具有一定的市場價值。