ആരോഗ്യകരമായ എറിത്രോസൈറ്റുകളുടെ ശരീരത്തിലെ ആരോഗ്യകരമായ എറിത്രൈറ്റുകൾ കുറയുന്ന ഒരു രോഗമാണ് വിളർച്ച. അതനുസരിച്ച്, ഈ പ്രക്രിയയുടെ ചട്ടക്കൂടിനുള്ളിൽ എറിത്രോസൈറ്റ്-ഉത്തേജക ഏജന്റുമാരും ഇരുമ്പ് സപ്ലിമെന്റുകളും അവതരിപ്പിക്കുന്നു. എന്നാൽ അതേസമയം, രോഗികൾ ഇരുമ്പിന്റെ ഉപാപചയം അല്ലെങ്കിൽ മയക്കുമരുന്നിന് മോശമായ പ്രതികരണത്തെ മാറ്റിയതാണെങ്കിൽ സങ്കീർണതകൾ ഉണ്ടാകാം. കൂടാതെ, മരുന്നുകൾ സാധാരണയായി ചെലവേറിയതും പൊതുജനാരോഗ്യത്തിന് അല്ലെങ്കിൽ രോഗിക്ക് തന്നെ ബുദ്ധിമുട്ടുള്ള സാമ്പത്തിക ഭാരം കുറയ്ക്കുന്നു. അങ്ങനെ, അത്തരം രോഗികളുടെ എണ്ണം നിലവിൽ വളരുകയാണെങ്കിൽ, തീരുമാനങ്ങൾ എടുക്കുന്നതിന് "കഴിവുകൾ" ഉള്ള അധിക പിന്തുണാ സംവിധാനങ്ങൾക്കായി വലിയ ഡിമാൻഡുണ്ട്. ഒരു ഓപ്ഷൻ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് ടെക്നോളജി (ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ്, എഐ) ഉപയോഗിക്കുക എന്നതാണ്, അത് ഒരു വാഗ്ദാന രീതിയാണെന്ന് തോന്നുന്നു, പക്ഷേ ഒരു വലിയ ഡാറ്റ അറേ ആവശ്യമാണ്, മാത്രമല്ല വിവിധ രോഗി ആരോഗ്യസ്ഥിതികൾ കാരണം പ്രായോഗികമല്ല.
സമീപകാല പഠനത്തിൽ, അന്താരാഷ്ട്ര ജേണൽ ഓഫ് മെഡിക്കൽ സയൻസസിൽ പ്രസിദ്ധീകരിച്ച ഫലങ്ങൾ, ജപ്പാനിൽ നിന്നുള്ള ശാസ്ത്രജ്ഞർ പ്രശ്നം പരിഹരിക്കാൻ ശ്രമിച്ചു. രോഗിയുടെ ശരീരത്തിന്റെ സങ്കീർണ്ണമായ ഫിസിയോളജി പഠിക്കാൻ സഹായിക്കുന്നതിനുപകരം, പരിചയസമ്പന്നരായ ഡോക്ടർമാരുടെ പരിഹാരങ്ങൾ അടിസ്ഥാനമാക്കി പ്രവചന മാതൃക ഉപയോഗിക്കുക. റോഷിയാക്കി ഓഹാര (തോഷിയാക്കി ഓഹാര) ഒക്കെം സർവകലാശാലയിൽ നിന്നുള്ള ടോഷിയാക്കി ഓഹാര) വിശദീകരിക്കുന്നു:
പരിചയസമ്പന്നരായ ഡോക്ടർമാരുടെ നേർത്ത പ്രക്രിയയിൽ ഉപയോഗിക്കുന്ന തത്വങ്ങളെ അടിസ്ഥാനമാക്കി ഞങ്ങൾ ഒരു സിസ്റ്റം വികസിപ്പിക്കുന്നു. അവസാനം, രോഗിയുടെ ശരീരത്തിലെ ജീവിത പ്രതികരണങ്ങളുടെ വിശദമായ മൂല്യങ്ങൾ അവർ കണക്കാക്കുന്നില്ല, അതായത് ബയോകെമിസ്ട്രി അടിസ്ഥാനമാക്കിയുള്ള പ്രവചന മോഡലുകൾ ആവശ്യമില്ല.
2 ആശുപത്രികളിൽ ലഭിച്ച രണ്ട് ഡാറ്റാ സെറ്റുകൾ ശാസ്ത്രജ്ഞർ തയ്യാറാക്കിയിട്ടുണ്ട് - ഒന്ന് അവരുടെ മോഡൽ പഠിപ്പിക്കുന്നതിനും മറ്റൊന്ന് അതിന്റെ പ്രവചനങ്ങൾ പരിശോധിക്കുന്നതിനും പരിശോധിക്കുന്നതിനും. അതേസമയം, അവർ നിർദ്ദിഷ്ട കുറിപ്പടി കുറിപ്പടികൾ രണ്ട് ആശുപത്രികളിൽ രേഖപ്പെടുത്തുകയും ഹീമോഡയാലിസിസിൽ സൂചിപ്പിച്ച രണ്ട് മയക്കുമരുന്ന് ഉപയോഗിച്ചുള്ള പ്രതികരണം പരിഗണിക്കുകയും ചെയ്തു.
അവരുടെ അടിസ്ഥാനത്തിൽ ഒരു ഐ മോഡൽ "കൃത്രിമ രഹസ്യാന്വേഷണ-ഇന്റലിജൻസ് പിന്തുണയ്ക്കുന്ന ഒരു വിളർച്ച സിസ്റ്റം, എഐസിഎസികൾ (നാല് പോയിന്റുകൾ) ഗുണനിലവാരത്തിലുണ്ട് Put ട്ട്പുട്ടിന്റെ അളവ് രണ്ട് മരുന്നുകൾക്ക് അളവ് ആവശ്യത്തിന്റെ ആവശ്യകത പരിശോധിക്കുന്നു. കൂടാതെ, പ്രക്രിയയുടെ കാര്യക്ഷമത വർദ്ധിപ്പിക്കുന്നതിന്, സർവേയുടെ തീയതികൾക്ക് അനുസൃതമായി തീരുമാനമെടുക്കുന്നതിന്റെ തീയതി ഉപയോഗിച്ച് "ഡാറ്റ ക്രമീകരണം" ഉപയോഗിച്ച് അളവിൽ കാലതാമസം വരുത്തിയത് അവയ്ക്ക് നഷ്ടപരിഹാരം നൽകി.
തൽഫലമായി, എഐപിഎസിമാർ ശരിയായ വർഗ്ഗീകരണത്തിനൊപ്പം പ്രവചനത്തിന്റെ ഉയർന്ന കൃത്യത കാണിച്ചു (ഡോക്ടർമാരുടെ നിഗമനങ്ങളിൽ അനുരൂപങ്ങൾ) 72% -87% ആയി. എന്നാൽ ചില സന്ദർഭങ്ങളിൽ, ഉയർന്ന സൂചകങ്ങളുള്ള ഐസിഎസികൾ "ക്ലിനിക്കലി ശരിയായി" വർഗ്ഗീകരണങ്ങൾ (92% -97%) ഉള്ള "ക്ലിനിക്കലി" തരംതിരിക്കലുകൾ AISAC- കൾ നൽകിയിരുന്നു. ഡോക്ടർമാരുടെ രോഗനിർണയവുമായി പൊരുത്തപ്പെടാത്ത പരിഹാരങ്ങളായിരുന്നു ഇവ, പക്ഷേ ഒരു മെഡിക്കൽ പോയിന്റിൽ നിന്ന് ശരിയായി പരിഗണിച്ചു.