فقر الدم مرض يتميز بانخفاض قدره في كمية حمراء صحية في جسم كريات الدم الحمراء الصحية، وغالبا ما يحدث في المرضى الذين يعانون من أمراض الكلى المزمنة التي تحتاج إلى الخضوع لحم الغسيل الكلي الروتيني. وفقا لذلك، يتم تقديم الوكلاء المحفزين في الإرياني (الوكلاء المحفزون من الحمرين، ESA) ومكمله الحديد، في إطار هذه العملية. ولكن في الوقت نفسه قد تنشأ المضاعفات إذا قام المرضى بتغيير عملية التمثيل الغذائي للحديد أو رد الفعل الفقراء للعقاقير. بالإضافة إلى ذلك، عادة ما تكون الأدوية باهظة الثمن وخفض عبئا ماليا صعبا على الصحة العامة أو المريض نفسه. وبالتالي، مع مراعاة حقيقة أن عدد هؤلاء المرضى ينموون حاليا حاليا، هناك طلب كبير على أنظمة دعم إضافية مع "قدرات" لاتخاذ القرارات. أحد الخيارات هو استخدام تقنية الذكاء الاصطناعي (الذكاء الاصطناعي، AI)، والتي يبدو أنها طريقة واعدة، ولكنها تتطلب مجموعة بيانات كبيرة وغير عملي بسبب مختلف حالات صحة المريض.
في دراسة حديثة، تم نشر نتائجها في المجلة الدولية للعلوم الطبية، ومع ذلك حاول العلماء من اليابان حل المشكلة. قرروا بدلا من جعل منظمة العفو الدولية لدراسة علم وظائف الأعضاء المعقدة لجسم المريض، استخدم نموذج التنبؤ بناء على حلول الأطباء ذوي الخبرة. يشرح أستاذ مشارك توشياكي أوهارا (توشياكي أوهارا) من جامعة أوكايام:
نقوم بتطوير نظام يعتمد على المبادئ المستخدمة في عملية ترقق الأطباء ذوي الخبرة. في النهاية، لا يحسبون القيم التفصيلية لتفاعلات الحياة في جسم المريض عند اتخاذ قرار بشأن الجرعة، مما يعني أن نماذج التنبؤ القائمة على الكيمياء الحيوية ليست ضرورية بالضرورة.
أعد العلماء مجموعتين بيانات تم الحصول عليها في مستشفتين - واحد لتعليم نموذجهم، والآخر لاختبار والتحقق من توقعاتها. في الوقت نفسه، سجلوا وصفات وصفة طبية الموصوفة في مستشفتين واعتبرت رد الفعل على الدواء المذكور أعلاه مطبقين خلال غسيل الكلى.
على أساسهم، تم بناء نموذج AI، ودعا "فقر الدم الذكاء الاصطناعي" (نظام مراقبة فقر الدم الصناعي المدعوم من النقر، AISACS)، الذي تلقى ما مجموعه خمسة مصادر مدخلات (أربع نقاط من الدم والشامعات) وفي الجودة من الناتج اختار احتمال الحاجة إلى جرعة لعقاقين. بالإضافة إلى ذلك، لزيادة كفاءة العملية، تعوضوا عن تأخير الوقت بين اختبار الدم واتخاذ قرار بشأن الجرعة باستخدام "تعديل البيانات" لإحضار تاريخ اتخاذ القرارات وفقا لتواريخ الاستقصاء.
نتيجة لذلك، أظهرت AISACS دقة عالية من التوقعات مع التصنيف الصحيح (الحلول المقابلة لاستنتاجات الأطباء) عند 72٪ -87٪. ولكن حتى أكثر إثارة للاهتمام كان ذلك في بعض الحالات، قدمت AISACS التصنيفات "صحيحة سريريا" مع مؤشرات أعلى (92٪ -97٪). كانت هذه حلول لم تتزامن مع تشخيص الأطباء، لكنها لا تزال تعتبر صحيحة من نقطة طبية.