Anemie is een ziekte die wordt gekenmerkt door een afname van de hoeveelheid gezonde erytrocyten in het lichaam van gezonde erytrocyten, komt vaak voor bij patiënten met chronische nierziekten die routine hemodialyse moeten ondergaan. Dienovereenkomstig wordt de erytrocyt-stimulerende middelen (erytropo's-stimulerende middelen, ESA) en ijzeren supplementen, worden geïntroduceerd in het kader van dit proces. Maar tegelijkertijd kunnen complicaties ontstaan als de patiënten het metabolisme van ijzer of slechte reactie op drugs hebben veranderd. Bovendien zijn medicijnen meestal duur en verlaagden en verlaagden een moeilijke financiële last voor de volksgezondheid of de patiënt zelf. Aldus, rekening houdend met het feit dat het aantal van dergelijke patiënten momenteel groeit, is er een grote vraag naar extra ondersteuningssystemen met "vaardigheden" om beslissingen te nemen. Eén optie is om kunstmatige intelligentietechnologie (kunstmatige intelligentie, AI) te gebruiken, die een veelbelovende methode lijkt te zijn, maar vereist een grote data-array en is niet praktisch vanwege de verschillende gezondheidstoestanden van de patiënten.
In een recente studie probeerden de resultaten in het International Journal of Medical Sciences te publiceren, wetenschappers uit Japan desondanks het probleem op te lossen. Ze besloten in plaats van AI te maken om de complexe fysiologie van het lichaam van de patiënt te bestuderen, het voorspellingsmodel te gebruiken op basis van oplossingen van ervaren artsen. Associate Professor Toshiaki Ohara (Toshiaki Ohara) van Okayam University legt uit:
We ontwikkelen een systeem op basis van de principes die worden gebruikt in het dunner worden van ervaren artsen. Uiteindelijk berekenen ze niet de gedetailleerde waarden van de levensreacties in het lichaam van de patiënt bij het nemen van een beslissing over de dosering, wat betekent dat voorspellingsmodellen op basis van biochemie niet noodzakelijkerwijs nodig zijn.
Wetenschappers hebben twee gegevenssets voorbereid die zijn verkregen in 2 ziekenhuizen - een om hun model te onderwijzen, en de andere voor het testen en verifiëren van zijn voorspellingen. Tegelijkertijd hebben ze opgenomen voorgeschreven recepten voorschriften in twee ziekenhuizen en beschouwd als de reactie op het bovengenoemde medicijn dat hierboven is aangebracht tijdens hemodialyse.
Op basis van hun basis werd een AI-model gebouwd, genaamd de "kunstmatige intelligentie-anemie" (Artificial-Intelligentie-ondersteund bloedemia controlesysteem, AISACS), die in totaal vijf ingangsbronnen (vier punten van bloed en anamnese) en in de kwaliteit ontving van de uitvoer koos de kans op de behoefte aan dosering voor twee medicijnen. Om de efficiëntie van het proces te vergroten, compenseerden ze een tijdvertraging tussen bloedtesten en beslissen over de dosering met behulp van "gegevensaanpassing" om de datum van besluitvorming te brengen in overeenstemming met de datums van de enquête.
Als gevolg hiervan toonden AISAC's een hoge precisie van de voorspelling met de juiste classificatie (oplossingen die overeenkomen met de conclusies van artsen) bij 72% -87%. Maar nog interessanter was dat AISAC's in sommige gevallen "klinisch correcte" classificaties mits, zelfs hogere indicatoren (92% -97%). Dit waren oplossingen die niet samenvallen met de diagnose van artsen, maar als volgt als correct beschouwd vanuit een medisch punt.