L'anémie est une maladie caractérisée par une diminution de la quantité d'érythrocytes sains dans le corps d'érythrocytes sains, se produit souvent chez les patients atteints de maladies rénales chroniques qui doivent subir une hémodialyse de routine. En conséquence, les agents stimulants d'érythrocyte (agents stimulants d'érythropoïèse, l'ESA) et les suppléments de fer, sont introduits dans le cadre de ce processus. Mais dans le même temps, des complications peuvent survenir si les patients ont changé le métabolisme du fer ou une mauvaise réaction à des médicaments. De plus, les médicaments sont généralement coûteux et abaissés une charge financière difficile à la santé publique ou au patient lui-même. Ainsi, en tenant compte du fait que le nombre de ces patients augmente actuellement, il existe une grande demande de systèmes de soutien supplémentaires avec des «capacités» pour prendre des décisions. Une option consiste à utiliser la technologie d'intelligence artificielle (intelligence artificielle, AI), qui semble être une méthode prometteuse, mais nécessite une importante réseau de données et n'est pas pratique en raison de divers états de santé des patients.
Dans une étude récente, les résultats ont été publiés à International Journal of Medical Sciences, des scientifiques du Japon ont néanmoins essayé de résoudre le problème. Ils ont décidé au lieu de faire de l'AI pour étudier la physiologie complexe du corps du patient, utilisez le modèle de prédiction basé sur des solutions de médecins expérimentés. Professeur agrégé Toshiaki Ohara (Toshiaki Ohara) de l'Université Okayam explique:
Nous développons un système basé sur les principes utilisés dans le processus d'éclaircissement de médecins expérimentés. À la fin, ils ne calculent pas les valeurs détaillées des réactions de la vie dans le corps du patient lorsqu'ils prennent une décision sur la posologie, ce qui signifie que les modèles de prédiction basés sur la biochimie ne sont pas nécessairement nécessaires.
Les scientifiques ont préparé deux ensembles de données obtenus dans 2 hôpitaux - un pour enseigner leur modèle et l'autre pour tester et vérifier ses prévisions. Dans le même temps, ils ont enregistré des prescriptions sur ordonnance prescrites dans deux hôpitaux et ont considéré la réaction aux deux médicaments mentionnés ci-dessus appliqués au cours de l'hémodialyse.
Sur leur base, un modèle AI a été construit, appelé "l'anémie d'intelligence artificielle" (système de contrôle d'anémie soutenu par l'intelligence artificielle, AISAC), qui a reçu un total de cinq sources d'entrée (quatre points de sang et d'anamnèse) et de la qualité. de la production a choisi la probabilité de la nécessité de dosager pour deux médicaments. En outre, pour accroître l'efficacité du processus, ils compensaient un délai de temps entre les essais sanguins et décider de la posologie à l'aide de «ajustement des données» pour apporter la date de prise de décision conformément aux dates de l'enquête.
En conséquence, les AISAC ont montré une précision élevée des prévisions avec la classification correcte (solutions correspondant aux conclusions de médecins) à 72% à 87%. Mais encore plus intéressant, c'est que dans certains cas, les AISAC ont fourni des classifications «cliniquement correctes» avec des indicateurs encore plus élevés (92% à 97%). Celles-ci étaient des solutions qui ne coïncident pas avec le diagnostic des médecins, mais toujours considérées comme correctes d'un point médical.