Anemia adalah penyakit yang dicirikan oleh penurunan dalam jumlah erythrocytes yang sihat dalam tubuh erythrocytes yang sihat, sering berlaku pada pesakit yang mempunyai penyakit buah pinggang kronik yang perlu menjalani hemodialisis rutin. Oleh itu, erythrocyte-stimulasi ejen (erythropoiesis-merangsang, ESA) dan suplemen besi, diperkenalkan dalam rangka proses ini. Tetapi pada masa yang sama komplikasi mungkin timbul jika pesakit telah mengubah metabolisme besi atau tindak balas yang lemah terhadap ubat-ubatan. Di samping itu, ubat-ubatan biasanya mahal dan menurunkan beban kewangan yang sukar terhadap kesihatan awam atau pesakit sendiri. Oleh itu, dengan mengambil kira hakikat bahawa bilangan pesakit sedemikian sedang berkembang, terdapat permintaan yang besar untuk sistem sokongan tambahan dengan "kebolehan" untuk membuat keputusan. Satu pilihan adalah menggunakan teknologi kecerdasan buatan (kecerdasan buatan, AI), yang nampaknya menjadi kaedah yang menjanjikan, tetapi memerlukan pelbagai data yang besar dan tidak praktikal kerana pelbagai negeri kesihatan pesakit.
Dalam satu kajian baru-baru ini, hasil yang diterbitkan di International Journal of Medical Sciences, saintis dari Jepun bagaimanapun cuba menyelesaikan masalah itu. Mereka memutuskan bukannya membuat AI untuk mengkaji fisiologi kompleks badan pesakit, menggunakan model ramalan berdasarkan penyelesaian doktor yang berpengalaman. Profesor Madya Toshiaki Ohara (Toshiaki Ohara) dari Okayam University menjelaskan:
Kami sedang membangunkan sistem berdasarkan prinsip-prinsip yang digunakan dalam proses penipisan doktor yang berpengalaman. Pada akhirnya, mereka tidak mengira nilai terperinci mengenai tindak balas kehidupan di dalam tubuh pesakit apabila membuat keputusan mengenai dos, yang bermaksud bahawa model ramalan berdasarkan biokimia tidak semestinya diperlukan.
Para saintis telah menyediakan dua set data yang diperoleh di 2 hospital - satu untuk mengajar model mereka, dan yang lain untuk menguji dan mengesahkan ramalannya. Pada masa yang sama, mereka mencatatkan preskripsi preskripsi yang ditetapkan di dua hospital dan menganggap tindak balas kepada kedua-dua ubat yang disebutkan di atas yang digunakan semasa hemodialisis.
Berdasarkan asasnya, model AI telah dibina, yang dikenali sebagai "Anemia Perisikan Buatan" (sistem kawalan anemia yang disokong buatan, AISACS), yang menerima sejumlah lima sumber input (empat mata darah dan anamnesis) dan dalam kualiti Daripada output memilih kebarangkalian keperluan untuk dos untuk dua ubat. Di samping itu, untuk meningkatkan kecekapan proses, mereka memberi pampasan untuk kelewatan masa antara ujian darah dan memutuskan pada dos menggunakan "pelarasan data" untuk membawa tarikh membuat keputusan mengikut tarikh tinjauan.
Akibatnya, Aisacs menunjukkan ketepatan yang tinggi terhadap ramalan dengan klasifikasi yang betul (penyelesaian yang sepadan dengan kesimpulan doktor) pada 72% -87%. Tetapi lebih menarik adalah bahawa dalam beberapa kes, Aisacs menyediakan klasifikasi "secara klinikal betul" dengan petunjuk yang lebih tinggi (92% -97%). Ini adalah penyelesaian yang tidak bertepatan dengan diagnosis doktor, tetapi masih dianggap betul dari titik perubatan.