Desde la última década, las compañías farmacéuticas están enfrentando dificultades para rastrear sus productos durante el proceso de la cadena de suministro, lo que permite a los falsificadores agregar sus medicamentos falsos al mercado. Los medicamentos falsificados se analizan como un desafío muy grande para la industria farmacéutica a nivel mundial. Según las estadísticas, las compañías farmacéuticas de EE. UU. informan una pérdida comercial anual de alrededor de $200 mil millones debido a estos medicamentos falsificados. Estos medicamentos pueden no ayudar a los pacientes a recuperarse de la enfermedad, sino que tienen muchos otros efectos secundarios peligrosos. Según el informe de la encuesta de la Organización Mundial de la Salud (OMS), en los países subdesarrollados, cada décimo medicamento utilizado por los consumidores es falsificado y de baja calidad. Por lo tanto, se necesita un sistema que pueda rastrear la entrega de medicamentos en cada fase para resolver el problema de la falsificación. La cadena de bloques tiene el potencial completo para manejar y rastrear el proceso de la cadena de suministro de manera muy eficiente. En este documento, hemos propuesto e implementado un novedoso sistema de gestión de la cadena de suministro de medicamentos basado en la cadena de bloques y el aprendizaje automático y un sistema de recomendación (DSCMR). Nuestro sistema propuesto consta de dos módulos principales: sistema de gestión de la cadena de suministro de medicamentos basado en la cadena de bloques y sistema de recomendación de medicamentos basado en el aprendizaje automático para los consumidores. En el primer módulo, el sistema de gestión de la cadena de suministro de medicamentos se implementa utilizando Hyperledger Fabrics, que es capaz de monitorear y rastrear continuamente el proceso de entrega de medicamentos en la inteligente industria farmacéutica. Por otro lado, los modelos N-gram y LightGBM se utilizan en el módulo de aprendizaje automático para recomendar los medicamentos mejor valorados o los mejores a los clientes de la industria farmacéutica. Estos modelos se han entrenado en un conocido conjunto de datos de revisiones de medicamentos públicamente disponibles proporcionado por el UCI: un repositorio de aprendizaje automático de código abierto. Además, el módulo de aprendizaje automático se integra con este sistema de cadena de bloques con la ayuda de la API REST. Finalmente, también realizamos varias pruebas para verificar la eficiencia y la usabilidad de nuestro sistema propuesto.