Anemi er en sykdom preget av en reduksjon i mengden av sunne erytrocytter i kroppen av sunne erytrocytter, oppstår ofte hos pasienter med kroniske nyresykdommer som trenger å gjennomgå rutinemessig hemodialyse. Følgelig er de erytrocyt-stimulerende midler (erytropoiesis-stimulerende midler, ESA) og jerntilskudd, introdusert innenfor rammen av denne prosessen. Men samtidig kan komplikasjoner oppstå hvis pasientene har endret stoffskiftet av jern eller dårlig reaksjon på narkotika. I tillegg er medisiner vanligvis dyre og senket en vanskelig økonomisk byrde på folkehelsen eller pasienten selv. Dermed tar hensyn til det faktum at antall slike pasienter for tiden vokser, det er en stor etterspørsel etter ytterligere støttesystemer med "evner" for å ta avgjørelser. Ett alternativ er å bruke kunstig intelligensteknologi (kunstig intelligens, AI), som synes å være en lovende metode, men krever en stor dataramme og er ikke praktisk på grunn av ulike pasienthelsestater.
I en nylig studie ble resultatene som ble publisert på internasjonal Journal of Medical Sciences, forskere fra Japan, likevel forsøkt å løse problemet. De bestemte seg i stedet for å gjøre AI til å studere den komplekse fysiologien til pasientens kropp, bruk prediksjonsmodellen basert på løsninger av erfarne leger. Lektor Toshiaki Ohara (Toshiaki Ohara) fra Okayam University Forklarer:
Vi utvikler et system basert på prinsippene som brukes i tynnprosessen med erfarne leger. Til slutt beregner de ikke de detaljerte verdiene i livsreaksjonene i pasientens kropp når de tar en beslutning om doseringen, noe som betyr at prediksjonsmodeller basert på biokjemi ikke nødvendigvis er nødvendig.
Forskere har utarbeidet to datasett oppnådd på 2 sykehus - en til å undervise i modellen, og den andre for å teste og verifisere sine prognoser. Samtidig registrerte de foreskrevne reseptbelagte forskrifter på to sykehus og vurderte reaksjonen på de to narkotika som er nevnt ovenfor brukt under hemodialyse.
På grunnlag ble en AI-modell bygget, kalt "kunstig intelligensanemi" (kunstig intelligens-støttet anemi kontrollsystem, Aisacs), som fikk totalt fem inngangskilder (fire poeng i blod og anamnese) og i kvaliteten Av utgangen valgte sannsynligheten for behovet for dosering for to legemidler. I tillegg, for å øke effektiviteten i prosessen, kompenserte de for en tidsforsinkelse mellom blodprøven og bestemmer seg for doseringen ved hjelp av "datajustering" for å bringe datoen for beslutningstaking i samsvar med undersøkelsestatene.
Som et resultat viste Aisacs høy presisjon av prognosen med riktig klassifisering (løsninger som tilsvarer konklusjonene fra leger) på 72% -87%. Men enda mer interessant var at i noen tilfeller ga Aisacs "klinisk korrekte" klassifiseringer med enda høyere indikatorer (92% -97%). Disse var løsninger som ikke sammenfaller med diagnosen doktor, men fortsatt betraktet som riktig fra et medisinsk punkt.