ໂລກເລືອດຈາງແມ່ນພະຍາດທີ່ມີລັກສະນະການຫຼຸດລົງຂອງປະລິມານທີ່ມີສຸຂະພາບດີໃນຮ່າງກາຍທີ່ມີສຸຂະພາບແຂງແຮງ, ມັກຈະເປັນພະຍາດຫມາກໄຂ່ຫຼັງຊໍາເຮື້ອ. ເພາະສະນັ້ນ, ຕົວແທນທີ່ກະຕຸ້ນໃຫ້ມີການກະຕຸ້ນຂອງ Erythrocyte (Erythropoiesis-Prients, ESA) ແລະທາດເຫຼັກ, ແມ່ນຖືກນໍາໃຊ້ພາຍໃນກອບຂອງຂະບວນການນີ້. ແຕ່ໃນເວລາດຽວກັນອາການແຊກຊ້ອນອາດຈະເກີດຂື້ນຖ້າຄົນເຈັບໄດ້ປ່ຽນແປງການເຜົາຜະຫລານທາດເຫຼັກຫຼືປະຕິກິລິຍາທີ່ບໍ່ດີຕໍ່ຢາ. ນອກຈາກນັ້ນ, ຢາມັກຈະມີລາຄາແພງແລະຫຼຸດຜ່ອນພາລະດ້ານການເງິນທີ່ຍາກໃນສາທາລະນະສຸກຫລືຄົນເຈັບເອງ. ດັ່ງນັ້ນ, ຄໍານຶງເຖິງຄວາມຈິງທີ່ວ່າຈໍານວນຄົນເຈັບດັ່ງກ່າວກໍາລັງເຕີບໃຫຍ່ຂື້ນ, ມີລະບົບສະຫນັບສະຫນູນເພີ່ມເຕີມກັບການຕັດສິນໃຈ. ທາງເລືອກຫນຶ່ງແມ່ນໃຊ້ເຕັກໂນໂລຢີປັນຍາປອມ (Intificial Intelligence, AI), ເຊິ່ງເບິ່ງຄືວ່າເປັນວິທີການທີ່ມີຄວາມຫມາຍດີ, ແຕ່ບໍ່ມີການປະຕິບັດຕາມສຸຂະພາບຂອງຄົນເຈັບ.
ໃນການສຶກສາທີ່ຜ່ານມາ, ຜົນຂອງການທີ່ໄດ້ຖືກເຜີຍແຜ່ໃນວາລະສານວິທະຍາສາດດ້ານການແພດສາກົນ, ນັກວິທະຍາສາດຈາກປະເທດຍີ່ປຸ່ນເຖິງຢ່າງໃດກໍ່ຕາມໄດ້ພະຍາຍາມແກ້ໄຂບັນຫາ. ພວກເຂົາຕັດສິນໃຈແທນທີ່ຈະເຮັດໃຫ້ Ai ເພື່ອສຶກສາຟີຊິກສາດສະລັບສັບຊ້ອນຂອງຮ່າງກາຍຂອງຄົນເຈັບ, ໃຫ້ໃຊ້ຮູບແບບການຄາດຄະເນໂດຍອີງໃສ່ວິທີແກ້ໄຂຂອງແພດທີ່ມີປະສົບການ. ອາຈານສອນວິທະຍາໄລ Toshiaki Ohara (Toshiaki Ohara) ຈາກມະຫາວິທະຍາໄລ Okayam ອະທິບາຍວ່າ:
ພວກເຮົາກໍາລັງພັດທະນາລະບົບໂດຍອີງໃສ່ຫຼັກການທີ່ຖືກນໍາໃຊ້ໃນຂະບວນການທີ່ເຮັດໃຫ້ບາງໆຂອງທ່ານຫມໍທີ່ມີປະສົບການ. ໃນທີ່ສຸດ, ພວກເຂົາບໍ່ໄດ້ຄິດໄລ່ຄ່ານິຍົມຂອງປະຕິກິລິຍາຊີວິດໃນຮ່າງກາຍຂອງຄົນເຈັບໃນເວລາທີ່ຕັດສິນການຄາດຄະເນໂດຍອີງໃສ່ຊີວະວິທະຍາແມ່ນບໍ່ຈໍາເປັນຕ້ອງມີຄວາມຈໍາເປັນ.
ນັກວິທະຍາສາດໄດ້ກະກຽມສອງຊຸດຂອງຂໍ້ມູນທີ່ໄດ້ຮັບໃນ 2 ໂຮງຫມໍ - ຫນຶ່ງທີ່ຈະສອນຮູບແບບຂອງພວກເຂົາ, ແລະການທົດສອບການຄາດຄະເນຂອງມັນ. ໃນເວລາດຽວກັນ, ພວກເຂົາໄດ້ບັນທຶກຕາມໃບສັ່ງແພດທີ່ໄດ້ກໍານົດໄວ້ໃນໂຮງຫມໍແລະຖືວ່າມີປະຕິກິລິຍາຕໍ່ຢາສອງຊະນິດທີ່ຖືກນໍາໃຊ້ໃນລະຫວ່າງ hemodianalysis.
ບົນພື້ນຖານຂອງພວກເຂົາ, ຕົວແບບ AI ໄດ້ຖືກສ້າງຂຶ້ນ, ເອີ້ນວ່າ "ລະບົບຄວບຄຸມພະລັງງານປອມ" (AISACS) ຂອງຜົນຜະລິດທີ່ເລືອກຄວາມເປັນໄປໄດ້ຂອງຄວາມຕ້ອງການສໍາລັບປະລິມານຢາສໍາລັບສອງຢາ. ນອກຈາກນັ້ນ, ເພື່ອເພີ່ມປະສິດທິພາບຂອງຂະບວນການ, ພວກເຂົາໄດ້ຊົດເຊີຍໃນການຊັກຊ້າໃນເວລາລະຫວ່າງການກວດເລືອດແລະການຕັດສິນໃຈນໍາໃຊ້ວັນທີຂອງການຕັດສິນໃຈ.
ດັ່ງນັ້ນ, Aisacs ໄດ້ສະແດງຄວາມຊັດເຈນສູງຂອງການຈັດປະເພດທີ່ຖືກຕ້ອງ (ວິທີແກ້ໄຂທີ່ສອດຄ່ອງກັບບົດສະຫຼຸບຂອງທ່ານຫມໍ) ທີ່ 72% -87%. ແຕ່ສິ່ງທີ່ຫນ້າສົນໃຈກວ່ານັ້ນກໍ່ແມ່ນໃນບາງກໍລະນີ, AISACs ໄດ້ໃຫ້ການຈັດປະເພດ "ທີ່ຖືກຕ້ອງກັບຕົວຊີ້ວັດທີ່ສູງກວ່າ (92% -97%). ນີ້ແມ່ນວິທີແກ້ໄຂທີ່ບໍ່ກົງກັບການບົ່ງມະຕິກ່ຽວກັບແພດຫມໍ, ແຕ່ຍັງຖືວ່າຍັງຖືວ່າຖືກຕ້ອງຈາກຈຸດທາງການແພດ.