随着时代的快速发展,如何健康生活已经成为人们关注的焦点,其中医疗服务资源是维持健康的最基本保障。医疗服务供应链由于存在着多部门所有、多主体管辖等特点,医疗服务资源目前普遍处于供需不匹配、分布不均匀状态,各地域差距明显。一些地区的医疗机构分布过于集中,服务能力严重过剩,另一些地区看病难、看病贵的现象仍时有发生,造成医疗资源的稀缺和浪费,医疗服务整体效率低下。由于医疗服务需求不确定性高,而医疗服务供应链柔性程度相对较弱,因此尽量减少需求的不确定性尤为重要。基于此本研究旨在从医疗供应链中需求流出发,通过各主体生成的信息和数据,尤其是医疗信息系统中的患者病历数据进行健康风险预测。通过风险预测,从以前的关注治病到提前预防,降低医疗服务供应链中的潜在需求,降低从潜在需求到真实需求的转化率,促进医疗资源的合理分配,从而提高医疗服务供应链中的绩效。本研究通过采集广州市某三甲医院的住院部7800多条,经过数据预处理、逻辑回归建模拟合、最终筛选出10个具有统计学意义的风险因素并据此构建多层感知机神经网络模型,通过Python构建模型并进行效果检验。结果识别出体重指数、总胆固醇、卒中否、白细胞、年龄、甘油三脂是检测早期糖尿病早期发病的6个重要风险变量。在建模过程中,通过调节隐藏层神经元个数,发现隐层神经元个数为5时,模型预测精度更优,模型的预测准确率为81.5%。本文的研究通过对医疗服务供应链的慢病风险预测,在医疗服务方面,通过风险预测能够有效识别关键风险因素,预测病人发病风险并提前干预从而降低潜在需求转化率,减少医疗资源浪费,优化医疗服务资源配置,提高医疗服务供应链整体绩效。本研究也具有一定的局限性,本文主要是从慢病风险角度对需求端进行控制,降低医疗服务供应链需求转化率,而对需求进行进一步计划管理。同时在风险预测过程中,由于慢病风险因素众多,后期研究中有待纳入更多风险因素和选用多种机器学习算法融合进行建模,通过对比分析选择更优拟合模型,以期待获得更好效果。