La anemia es una enfermedad caracterizada por una disminución en la cantidad de eritrocitos saludables en el cuerpo de eritrocitos saludables, a menudo ocurre en pacientes con enfermedades renales crónicas que necesitan someterse a hemodiálisis de rutina. Por consiguiente, los agentes estimulantes de eritrocitos (agentes estimulantes de eritropoyesis, ESA) y suplementos de hierro, se introducen en el marco de este proceso. Pero, al mismo tiempo, pueden surgir complicaciones si los pacientes han cambiado el metabolismo del hierro o la mala reacción a las drogas. Además, los medicamentos suelen ser costosos y reducen una difícil carga financiera para la salud pública o el propio paciente. Por lo tanto, teniendo en cuenta el hecho de que el número de estos pacientes está creciendo actualmente, existe una gran demanda de sistemas de apoyo adicionales con "habilidades" para tomar decisiones. Una opción es utilizar la tecnología de inteligencia artificial (inteligencia artificial, AI), que parece ser un método prometedor, pero requiere una gran matriz de datos y no es práctico debido a varios estados de salud del paciente.
En un estudio reciente, los resultados de los cuales se publicaron en el Diario Internacional de Ciencias Médicas, los científicos de Japón, sin embargo, intentaron resolver el problema. Decidieron en lugar de hacer que AI estudiara la fisiología compleja del cuerpo del paciente, use el modelo de predicción basado en soluciones de médicos experimentados. El profesor asociado Toshiaki Ohara (Toshiaki Ohara) de Okayam University explica:
Estamos desarrollando un sistema basado en los principios que se utilizan en el proceso de adelgazamiento de médicos con experiencia. Al final, no calculan los valores detallados de las reacciones de la vida en el cuerpo del paciente cuando toman una decisión sobre la dosis, lo que significa que los modelos de predicción basados en la bioquímica no son necesariamente necesarios.
Los científicos han preparado dos conjuntos de datos obtenidos en 2 hospitales, uno para enseñar su modelo, y el otro para probar y verificar sus pronósticos. Al mismo tiempo, registraron recetas recetadas recetas en dos hospitales y consideraron la reacción a los dos medicamentos mencionados anteriormente aplicados durante la hemodiálisis.
Sobre su base, se construyó un modelo AI, llamado "Anemia de inteligencia artificial" (sistema de control de anemia de inteligencia artificial, AISACI), que recibió un total de cinco fuentes de entrada (cuatro puntos de sangre y anamnesis) y en la calidad. de la salida eligió la probabilidad de la necesidad de dosis para dos medicamentos. Además, para aumentar la eficiencia del proceso, compensaron un retraso en el tiempo entre las pruebas de sangre y la decisión de la dosis utilizando "Ajuste de datos" para llevar la fecha de la toma de decisiones de acuerdo con las fechas de la encuesta.
Como resultado, AISAC mostró una alta precisión del pronóstico con la clasificación correcta (soluciones correspondientes a las conclusiones de los médicos) en 72% -87%. Pero aún más interesante fue que, en algunos casos, AISACS proporcionó clasificaciones "clínicamente correctas" con indicadores aún más altos (92% -97%). Estas fueron soluciones que no coinciden con el diagnóstico de médicos, sino que aún se consideran correctas desde un punto médico.