ანემია არის დაავადება, რომელიც ხასიათდება ჯანსაღი ერითროციტების ორგანიზმში ჯანსაღი ერითროციტების ოდენობით, ხშირია ქრონიკული თირკმლის დაავადებების მქონე პაციენტებში, რომლებიც საჭიროა რუტინული ჰემოდიალიზმისკენ. შესაბამისად, ამ პროცესის ფარგლებში გაეცნობიან ერითროციციტური-სტიმულაციის აგენტები (ერითროპოტეების სტიმულირების აგენტები, ESA) და რკინის დანამატები. მაგრამ ამავე დროს გართულებები შეიძლება წარმოიშვას, თუ პაციენტებმა შეიცვალა რკინის ან ცუდი რეაქციის მეტაბოლიზმი ნარკოტიკების მიმართ. გარდა ამისა, მედიკამენტები, როგორც წესი, ძვირია და შეამცირეს რთული ფინანსური ტვირთი საზოგადოებრივი ჯანმრთელობის ან პაციენტისთვის. ამრიგად, იმის გათვალისწინებით, რომ ასეთი პაციენტების რაოდენობა ამჟამად იზრდება, არსებობს დიდი მოთხოვნა დამატებითი მხარდაჭერის სისტემების "შესაძლებლობებით" გადაწყვეტილების მიღების მიზნით. ერთი ვარიანტია ხელოვნური ინტელექტის ტექნოლოგიების გამოყენება (ხელოვნური ინტელექტი, AI), რომელიც, როგორც ჩანს, პერსპექტიული მეთოდია, მაგრამ მოითხოვს დიდი მონაცემების მასივას და არ არის პრაქტიკული პაციენტის ჯანმრთელობის მდგომარეობის გამო.
ბოლო კვლევაში, რომლის შედეგებიც გამოქვეყნდა საერთაშორისო ჟურნალში სამედიცინო მეცნიერებათა საერთაშორისო ჟურნალში, იაპონიის მეცნიერები, მიუხედავად ამისა, პრობლემის მოსაგვარებლად ცდილობდნენ. მათ გადაწყვიტეს AI- ს პაციენტის სხეულის კომპლექსური ფიზიოლოგიის შესწავლა, გამოიყენონ პროგნოზირების მოდელი გამოცდილი ექიმების გადაწყვეტილებების საფუძველზე. ასოცირებული პროფესორი Toshiaki Ohara (Toshiaki Ohara) საწყისი Okayam უნივერსიტეტიდან განმარტავს:
ჩვენ ვითარდება სისტემის დაფუძნებული პრინციპების საფუძველზე, რომლებიც გამოიყენება გამოცდილი ექიმების thinning პროცესში. საბოლოო ჯამში, ისინი არ გამოთვლიან პაციენტის სხეულში ცხოვრების რეაქციების დეტალურ ღირებულებებს, როდესაც დოზების შესახებ გადაწყვეტილების მიღებისას, რაც იმას ნიშნავს, რომ ბიოქიმიაზე დაფუძნებული პროგნოზირების მოდელები არ არის აუცილებელი.
მეცნიერებმა მოამზადეს 2 საავადმყოფოში მიღებული ორი მონაცემების კომპლექტი - ერთი ასწავლის მათ მოდელს და სხვა პროგნოზების ტესტირებისა და გადამოწმების მიზნით. ამავდროულად, მათ ორი საავადმყოფოში დანიშნული რეცეპტები ჩაიწერეს და ჰემოდიალიზში გამოყენებული ორი პრეპარატის რეაქცია განიხილეს.
მათ საფუძველზე, AI მოდელი აშენდა, მოუწოდა "ხელოვნური ინტელექტის ანემიის" (ხელოვნური დაზვერვის მხარდაჭერილი ანემიის კონტროლის სისტემა, Aisacs), რომელმაც მიიღო სულ ხუთი შეყვანის წყარო (ოთხი ქულა სისხლის და ანამნეზიის) და ხარისხში გამომავალი აირჩია ალბათობა დოზის საჭიროება ორი ნარკოტიკების. გარდა ამისა, პროცესის ეფექტურობის გაზრდის მიზნით, ისინი კომპენსაციას მიიღებენ დროის ტესტირებასა და დოზას შორის "მონაცემთა რეგულირების" გამოყენებით დოზით გადაწყვეტილების მიღების თარიღის მისაღებად გადაწყვეტილების მიღების თარიღისთვის.
შედეგად, Aisacs- მა გამოავლინა პროგნოზის მაღალი სიზუსტით სწორი კლასიფიკაციით (ექიმების დასკვნების შესაბამისი გადაწყვეტილებები) 72% -87%. მაგრამ კიდევ უფრო საინტერესო იყო, რომ ზოგიერთ შემთხვევაში, Aisacs- მა "კლინიკურად სწორი" კლასიფიკაცია უფრო მაღალი მაჩვენებლებით (92% -97%) უზრუნველყო. ეს იყო გადაწყვეტილებები, რომლებიც არ ემთხვევა ექიმების დიაგნოზს, მაგრამ მაინც განიხილეს სამედიცინო თვალსაზრისით.