एनीमिया भनेको स्वस्थ एरिथ्रोसाइटहरूको शरीरमा स्वस्थ एरिथ्रोसाइटहरूको मात्रामा कमीको साथ चित्रित गरिएको छ, बिरामीहरूलाई लामो समयसम्म मेमोमोनलिसिससँगै बिरामीहरूमा देखा पर्दछ। तदनुसार, एरिथ्रोसाइट्फ-उत्तेजक एजेन्टहरू (एरिथ्रोपोलिस-उत्तेजक एजेन्टहरू, एसा) र फलामका मानिसहरूले यस प्रक्रियाको रूपरेखा भित्र प्रस्तुत गरिएको छ। तर एकै समयमा जटिलताहरू खडा हुन सक्छ यदि बिरामीहरूले ड्रग्स गर्न फलाम वा नराम्रो प्रतिक्रिया परिवर्तन गरे। थप रूपमा, औषधिहरू प्राय: महँगो हुन्छन् र सार्वजनिक स्वास्थ्य वा बिरामीलाई गाह्रो आर्थिक बोझ कम गर्दछ। त्यसकारण यस तथ्यलाई ध्यानमा राख्दै हाल बढ्दै छ भन्ने तथ्य हाल बढ्दै छ भने, निर्णय लिने "क्षमताहरू" सँग थप समर्थन प्रणालीहरूको लागि ठूलो माग छ। एउटा विकल्प कृत्रिम खुफिया टेक्नोलोजी (कृत्रिम बुद्धिमत्ता, ऐ) प्रयोग गर्नु हो, जुन एक आशाजनक विधि देखिन्छ, तर धेरै बिरामी स्वास्थ्य राज्यको कारणले व्यावहारिक हुँदैन।
हालसालैको अध्ययनमा, जसको परिणामहरू, जापानीहरूका वैज्ञानिकहरू, जबकि जापान अफवाहले समस्या समाधान गर्न खोजे। तिनीहरूले AI बिरामीको शरीरको जटिल शारीरिक विज्ञान अध्ययन गर्न को लागी निर्णय गरे, अनुभवी डाक्टरहरूको समाधानमा आधारित पूर्वानुमान मोडल प्रयोग गर्थे। एसोसेशन प्रोफेसर ट्यासयाकी ओहारा (टसहियाकी ओहारा) ओठम विश्वविद्यालयबाट वर्णन गर्दछ:
हामी अनुभवी डाक्टरहरूको पातलो प्रक्रियामा प्रयोग गरिएका सिद्धान्तहरूको आधारमा प्रणाली विकास गर्दैछौं। अन्तमा, तिनीहरू खुराकमा निर्णय लिंदा बिरामीको शरीरमा प्रतिक्रियाका विस्तृत मानहरू गणना गर्दैनन्, जसको मतलब यो हो कि बायोकेमिस्ट्रीमा आधारित भविष्यवाणी गरिएका मोडेलहरू आवश्यक छैनन्।
वैज्ञानिकहरूले 2 अस्पतालमा दुई डाटा सेटहरू तयार गरेका छन् - एक जनाले आफ्नो मोडेल सिकाउनको लागि र यसका पूर्वानुमान गर्ने र यसको पूर्वानुमान गर्न। त्यहि समयमा, उनीहरूले दुई अस्पतालहरूमा प्रिस्क्रिप्शन प्रिस्क्रिप्शन रेकर्ड गरे र माथि उल्लेखित दुई औषधिलाई हेनोमोटाइलिसिसको समयमा लागू गरेको प्रतिक्रियालाई विचार गरे।
तिनीहरूको आधारमा एक एएल मोडेल निर्माण गरिएको थियो, "कृत्रिम बप्तिस्मा एनेमिया" (कृत्रिम-बुद्धिमत्ता समर्थित एनीया नियन्त्रण प्रणाली), जसले कुल पाँच इनपुट स्रोतहरू (र andnesnessies) प्राप्त गर्यो आउटपुटको दुई ड्रग्सको लागि खुराकको आवश्यकता को संभावना को लागी। थप रूपमा, प्रक्रियाको दक्षता बढाउन, उनीहरूले रगत परीक्षणको बिचको समय ढिलाइ गरे र "डाटा समायोजन" प्रयोग गरेर "डाटा समायोजन" प्रयोग गरेर "डाटा समारोहको रूपमा निर्णय गरे।
नतिजाको रूपमा, Aiscects सही वर्गीकरणको उच्च परिशुद्धता देखाइएको छ (docters2% -87% मा अनुकूल समाधान)। तर अझ चाखलाग्दो कुरा पनि थियो कि केहि केसहरूमा, आसेक्सहरू "क्लिनिकल सही" वर्गीकरणहरू (% 2%-7%) पनि प्रदान गर्दछ। यी समाधानहरू थिए जुन डाक्टरहरूको निदानमा टायर गरेनन्, तर अझै मेडिकल पोइन्टबाट सही मानिन्छ।