Key points are not available for this paper at this time.
Depuis la dernière décennie, les entreprises pharmaceutiques rencontrent des difficultés pour suivre leurs produits tout au long du processus de chaîne d'approvisionnement, permettant ainsi aux contrefacteurs d'introduire leurs faux médicaments sur le marché. Les médicaments contrefaits constituent un défi très important pour l'industrie pharmaceutique à l'échelle mondiale. Comme l'indiquent les statistiques, une perte commerciale annuelle d'environ 200 milliards est rapportée par les entreprises pharmaceutiques américaines en raison de ces médicaments contrefaits. Ces médicaments peuvent ne pas aider les patients à guérir de la maladie mais présentent de nombreux autres effets secondaires dangereux. Selon le rapport d'enquête de l'Organisation mondiale de la santé (OMS), dans les pays en développement, un médicament sur dix utilisé par les consommateurs est contrefait et de basse qualité. Par conséquent, un système capable de tracer et de suivre la livraison des médicaments à chaque phase est nécessaire pour résoudre le problème de la contrefaçon. La blockchain a le plein potentiel pour gérer et suivre le processus de chaîne d'approvisionnement de manière très efficace. Dans cet article, nous avons proposé et mis en œuvre un système de gestion et de recommandation de la chaîne d'approvisionnement des médicaments (DSCMR) novateur basé sur la blockchain et l'apprentissage automatique. Notre système proposé se compose de deux modules principaux : la gestion de la chaîne d'approvisionnement des médicaments basée sur la blockchain et le système de recommandation de médicaments basé sur l'apprentissage automatique pour les consommateurs. Dans le premier module, le système de gestion de la chaîne d'approvisionnement des médicaments est déployé en utilisant Hyperledger fabrics, capable de surveiller et de suivre en continu le processus de livraison des médicaments dans l'industrie pharmaceutique intelligente. D'autre part, les modèles N-gram et LightGBM sont utilisés dans le module d'apprentissage automatique pour recommander les médicaments les mieux notés ou les meilleurs aux clients de l'industrie pharmaceutique. Ces modèles ont été entraînés sur un ensemble de données d'avis de médicaments bien connu et disponible publiquement fourni par l'UCI : un dépôt d'apprentissage automatique open-source. De plus, le module d'apprentissage automatique est intégré à ce système blockchain avec l'aide de l'API REST. Enfin, nous effectuons également plusieurs tests pour vérifier l'efficacité et l'utilisabilité de notre système proposé.
Abbas et al. (Thu,) ont étudié cette question.