એનિમિયા એ એક રોગ છે જે તંદુરસ્ત એરિથ્રોસાઇટ્સના શરીરમાં તંદુરસ્ત એરિથ્રોસાઇટ્સની માત્રામાં ઘટાડો કરે છે, જે ઘણીવાર ક્રોનિક કિડની રોગોવાળા દર્દીઓમાં થાય છે જેને નિયમિત હેમોડીઆલિસિસ પસાર કરવાની જરૂર છે. તદનુસાર, એરિથ્રોસાઇટ-ઉત્તેજક એજન્ટો (એરિથ્રોપોઇઝિસ-ઉત્તેજક એજન્ટો, ઇએસએ) અને આયર્ન સપ્લિમેન્ટ્સ, આ પ્રક્રિયાના માળખામાં રજૂ કરવામાં આવે છે. પરંતુ તે જ સમયે જટિલતા ઊભી થઈ શકે છે જો દર્દીઓએ આયર્નના ચયાપચય અથવા ડ્રગમાં નબળી પ્રતિક્રિયા બદલવી હોય. આ ઉપરાંત, દવાઓ સામાન્ય રીતે ખર્ચાળ હોય છે અને જાહેર આરોગ્ય અથવા દર્દી પર એક મુશ્કેલ નાણાકીય બોજ ઘટાડે છે. આમ, ધ્યાનમાં રાખીને હકીકત એ છે કે આવા દર્દીઓની સંખ્યા હાલમાં વધતી જતી છે, ત્યાં નિર્ણયો લેવા માટે "ક્ષમતાઓ" સાથે વધારાની સપોર્ટ સિસ્ટમ્સની એક મોટી માંગ છે. એક વિકલ્પ એ કૃત્રિમ બુદ્ધિ ટેકનોલોજી (કૃત્રિમ બુદ્ધિ, એઆઈ) નો ઉપયોગ કરવાનો છે, જે એક આશાસ્પદ પદ્ધતિ હોવાનું જણાય છે, પરંતુ વિવિધ દર્દીના સ્વાસ્થ્ય રાજ્યોને લીધે તે વ્યવહારુ નથી અને તે વ્યવહારુ નથી.
તાજેતરના અભ્યાસમાં, જે પરિણામો આંતરરાષ્ટ્રીય જર્નલ ઓફ મેડિકલ સાયન્સિસમાં પ્રકાશિત થયા હતા, જાપાનના વૈજ્ઞાનિકોએ તેમ છતાં સમસ્યાને ઉકેલવાનો પ્રયાસ કર્યો હતો. તેઓએ એઆઈને દર્દીના શરીરની જટિલ શરીરવિજ્ઞાનનો અભ્યાસ કરવા માટે નક્કી કરવાનું નક્કી કર્યું, અનુભવી ડોકટરોના ઉકેલોના આધારે પૂર્વાનુમાન મોડેલનો ઉપયોગ કરો. ઓકાયમ યુનિવર્સિટીથી એસોસિયેટ પ્રોફેસર ટાઝિઆકી ઓહરા (તોશિયાકી ઓહરા) સમજાવે છે:
અમે અનુભવી ડોકટરોની થિંગિંગ પ્રક્રિયામાં ઉપયોગમાં લેવાતા સિદ્ધાંતોના આધારે સિસ્ટમનો વિકાસ કરી રહ્યા છીએ. અંતે, તેઓ ડોઝ પર નિર્ણય લેતા દર્દીના શરીરમાં જીવનની પ્રતિક્રિયાઓના વિગતવાર મૂલ્યોની ગણતરી કરતા નથી, જેનો અર્થ છે કે બાયોકેમિસ્ટ્રી પર આધારિત આગાહી મોડેલ્સ જરૂરી નથી.
વૈજ્ઞાનિકોએ 2 હોસ્પિટલોમાં બે ડેટા સેટ્સ તૈયાર કર્યા છે - એક તેમના મોડેલને શીખવવા અને બીજાને ચકાસવા અને તેની આગાહી ચકાસવા માટે. તે જ સમયે, તેઓએ બે હોસ્પિટલોમાં સૂચિત પ્રિસ્ક્રિપ્શન પ્રિસ્ક્રિપ્શન રેકોર્ડ કર્યા અને હીમોડીઆલિસિસ દરમિયાન ઉપર ઉલ્લેખિત બે ડ્રગની પ્રતિક્રિયા માનવામાં આવે છે.
તેમના આધારે, એઆઈ મોડેલ બનાવવામાં આવ્યું હતું, જેને "કૃત્રિમ ઇન્ટેલિજન્સ એનિમિયા" (કૃત્રિમ-ઇન્ટેલિજન્સ-સપોર્ટેડ એનિમિયા કંટ્રોલ સિસ્ટમ, આઇઝેક) કહેવામાં આવ્યું હતું, જેને કુલ પાંચ ઇનપુટ સ્રોત (લોહી અને એનામેનેસિસના ચાર પોઇન્ટ્સ) અને ગુણવત્તામાં પ્રાપ્ત થયા હતા આઉટપુટમાંથી બે દવાઓ માટે ડોઝની જરૂરિયાતની સંભાવનાને પસંદ કરી. વધુમાં, પ્રક્રિયાની કાર્યક્ષમતા વધારવા માટે, તેઓએ સર્વેક્ષણની તારીખો અનુસાર નિર્ણય લેવાની તારીખ લાવવા માટે બ્લડ પરીક્ષણ વચ્ચે સમય વિલંબ અને "ડેટા એડજસ્ટમેન્ટ" નો ઉપયોગ કરીને ડોઝ પર નિર્ણય લીધો હતો.
પરિણામે, એઇસેક્સે 72% -87% પર યોગ્ય વર્ગીકરણ (ડોકટરોના નિષ્કર્ષને અનુરૂપ ઉકેલો) સાથે આગાહીની ઉચ્ચ ચોકસાઈ દર્શાવી. પરંતુ વધુ રસપ્રદ તે પણ હતું કે કેટલાક કિસ્સાઓમાં, એઇસેક્સે ઉચ્ચ સૂચકાંકો (92% -97%) સાથે "તબીબી રીતે સાચી" વર્ગીકરણ પ્રદાન કર્યું હતું. આ એવા ઉકેલો હતા જે ડોકટરોના નિદાન સાથે સંકળાયેલા ન હતા, પરંતુ હજી પણ તબીબી બિંદુથી સાચા માનવામાં આવે છે.