貧血は、健康な赤血球の体内の健康な赤血球の量の減少を特徴とする疾患であり、しばしば日常的な血液透析を受ける必要がある慢性腎臓疾患患者に起こる。したがって、赤血球刺激剤（赤血球刺激剤、ESA）および鉄のサプリメントは、このプロセスの枠内に導入される。しかし同時に、患者が鉄の代謝や薬物に対する反応不良を変えた場合、合併症が起こる可能性があります。さらに、薬は通常高価であり、公衆衛生または患者自身に困難な経済的負担を払っています。したがって、そのような患者の数が現在成長しているという事実を考慮に入れることは、決定を下すための「能力」を備えた追加の支援システムに対する大きな需要がある。 1つの選択肢は、有望な方法であると思われるが、大規模なデータアレイを必要とし、そして様々な患者の健康状態のために実用的ではない人工知能技術（人工知能、AI）を使用することである。
最近の研究では、国際医学科学、それにもかかわらず、問題を解決しようとしました。彼らは、AIを患者の体の複雑な生理学を研究するために、経験豊富な医師の解決策に基づいて予測モデルを使用する代わりに決定しました。 Okokyam大学の大原俊明（大原俊明）教授について説明します。
経験豊富な医師の間引き過程で使用されている原則に基づくシステムを開発しています。最後に、それらは投与量の決定を下すときに患者の体内の生活反応の詳細な値を計算しない。これは、生化学に基づく予測モデルが必ずしも必要ではないことを意味する。
科学者たちは、2つの病院で得られた2つのデータセットを準備しました - それらのモデルを教えるもの、そしてその他の予測を検証し検証するためのものです。同時に、それらは2つの病院で処方された処方箋を記録し、血液透析中に上記の2つの薬液との反応を検討した。
彼らの基礎として、AIモデルは建設され、「人工知能支援貧血管理システム、AISACS）と呼ばれ、合計5つの入力源（4点の血液とアナムネシス）と品質が得られました。出力のうち、2つの薬物の投与量の必要性の可能性がありました。また、プロセスの効率を高めるために、血液検査と「データ調整」を使用して投与量を決定し、調査日付に応じて意思決定日を持たせるための投与量を決定します。
その結果、AISACは72％~87％の正しい分類（医師の結論に対応する解）の予測の高精度を示した。しかしさらに面白いことは、場合によっては、AISACが「臨床的に正しい」分類を提供し、さらに高い指標（92％~97％）を提供しました。これらは医師の診断と一致しなかった解決策でしたが、それでも医療地点から正しいと考えられていました。