Využití strojového učení pro predikci stavu zásob na transfuzní stanici

Abstract

Krev a její produkty jsou nezbytné pro správné fungování našeho zdravotnického systému. Příjem krve závisí na dobrovolných dárcích a poptávka po krvi na operacích, přičemž obě tyto skutečnosti jsou nestálé a je třeba je předvídat, aby se předešlo nedostatku a zároveň se minimalizovalo plýtvání tímto vzácným zdrojem. Tato práce využívá reálná data k vytvoření modelů strojového učení pro predikci týdenních příjmů a výdejů. Cílem této práce je zaplnit mezeru v předvídání příjmu a poptávky po různých krevních skupinách na základě retrospektivních dat.

Blood and its products are vital for our medical system to work properly. Blood income depends on voluntary donors and demand on surgeries, both of which are volatile and should be predicted to avoid shortage and at the same time minimize the wastage of the scarce resource. This thesis uses real-world data to create machine learning models to predict weekly income and demand. The goal of this thesis is to fill the gap in predicting the income and demand of different blood groups based on retrospective data.