A anemia é unha enfermidade caracterizada por unha diminución da cantidade de eritrocitos saudables no corpo de eritrocitos saudables, moitas veces ocorre en pacientes con enfermidades renales crónicas que necesitan someterse a hemodiálise rutineira. En consecuencia, os axentes estimulantes de eritrocito (axentes estimulantes de eritropoiesis, ESA) e suplementos de ferro son introducidos no marco deste proceso. Pero, ao mesmo tempo, as complicacións poden xurdir se os pacientes cambiaron o metabolismo de ferro ou mala reacción ás drogas. Ademais, os medicamentos adoitan ser caros e baixaron unha difícil carga financeira sobre a saúde pública ou o propio paciente. Así, tendo en conta o feito de que o número destes pacientes está crecendo actualmente, hai unha gran demanda de sistemas de apoio adicionais con "habilidades" para tomar decisións. Unha opción é usar tecnoloxía de intelixencia artificial (intelixencia artificial, AI), que parece ser un método prometedor, pero require unha gran matriz de datos e non é práctico debido a varios estados de saúde do paciente.
Nun estudo recente, os resultados foron publicados no International Journal of Medical Sciences, científicos de Xapón, con todo, intentaron resolver o problema. Decidiron en vez de facer AI para estudar a complexa fisioloxía do corpo do paciente, utilizar o modelo de predición baseado en solucións de médicos experimentados. Profesor asociado Toshiaki Ohara (Toshiaki Ohara) da Universidade de Okayam explica:
Estamos a desenvolver un sistema baseado nos principios que se usan no proceso de adelgazamento de médicos experimentados. Ao final, non calculan os valores detallados das reaccións da vida no corpo do paciente ao tomar unha decisión sobre a dosificación, o que significa que os modelos de predición baseados na bioquímica non son necesariamente necesariamente necesarias.
Os científicos prepararon dous conxuntos de datos obtidos en 2 hospitais: un para ensinar o seu modelo e outro para probar e verificar as súas previsións. Ao mesmo tempo, gravaron prescricións prescritas prescritas en dous hospitais e considerada a reacción ás dúas drogas mencionadas anteriormente aplicadas durante a hemodiálise.
Soberse a súa base, construír un modelo AI, chamado "anemia artificial de intelixencia" (sistema de control de anemia artificial de intelixencia, AISACS), que recibiu un total de cinco fontes de entrada (catro puntos de sangue e anamnesis) e na calidade Da saída escolleu a probabilidade da necesidade de dosificación por dúas drogas. Ademais, para aumentar a eficiencia do proceso, eles compensaron un atraso no tempo entre as probas de sangue e decidiron sobre a dosificación mediante o "axuste de datos" para achegar a data de decisión de decisións de acordo coas datas da enquisa.
Como resultado, AISACS mostrou alta precisión da previsión coa clasificación correcta (solucións correspondentes ás conclusións dos médicos) nun 72% -87%. Pero aínda máis interesante foi que nalgúns casos, AISACS proporcionou clasificacións "clínicamente correctas" con indicadores aínda maiores (92% -97%). Estas foron solucións que non coincidiron co diagnóstico de médicos, senón que aínda consideraban correctos desde un punto médico.