Niedokrwistość jest chorobą charakteryzującą się zmniejszeniem ilości zdrowych erytrocytów w organizmie zdrowych erytrocytów, często występuje u pacjentów z przewlekłymi chorobami nerek, które muszą przejść rutynową hemodializę. Odpowiednio, środki stymulujące erytrocytów (agenci stymulujący erytropoezy, ESA) i suplementy żelaza są wprowadzane w ramach tego procesu. Ale jednocześnie mogą powstać powikłania, jeśli pacjenci zmienili metabolizm żelaza lub złej reakcji na narkotyki. Ponadto leki są zwykle drogie i obniżyły trudne obciążenie finansowe na zdrowiu publicznym lub samemu pacjenta. Zatem, biorąc pod uwagę fakt, że obecnie rośnie liczba takich pacjentów, istnieje duże zapotrzebowanie na dodatkowe systemy wsparcia z "umiejętnościami" podejmowania decyzji. Jedną z opcji jest korzystanie z technologii sztucznej inteligencji (sztuczna inteligencja, AI), która wydaje się być obiecującą metodą, ale wymaga dużej tablicy danych i nie jest praktyczne z powodu różnych stanów zdrowotnych pacjentów.
W niedawnym badaniu, których wyniki zostały opublikowane w Międzynarodowym Journal of Sciences Medyczne, naukowcy z Japonii próbowali rozwiązać problem. Postanowili zamiast uczynić AI, aby zbadać złożoną fizjologię ciała pacjenta, użyj modelu przewidywania opartego na rozwiązaniach doświadczonych lekarzy. Wspakowujący profesor Toshiki Ohara (Toshiki Ohara) z Okayam University wyjaśnia:
Rozwijamy system oparty na zasadach używanych w przerzedzonym procesie doświadczonych lekarzy. W końcu nie obliczają szczegółowych wartości reakcji życiowych w organizmie pacjenta przy podejmowaniu decyzji w sprawie dawkowania, co oznacza, że modele przewidywania oparte na biochemii niekoniecznie są konieczne.
Naukowcy przygotowali dwa zestawy danych uzyskane w 2 szpitalach - jeden do nauczania ich modelu, a drugi do testowania i weryfikacji prognoz. Jednocześnie odnotowali przepisane recepty na receptę w dwóch szpitalach i uznali reakcję na dwa wspomniane powyżej lek stosowany podczas hemodializy.
Na ich podstawie zbudowano model AI, zwany "niedokrwistością sztucznej inteligencji" (system kontroli niedokrwistości, AISACS), który otrzymał łącznie pięć źródeł wejściowych (cztery punkty krwi i anamnezy) oraz w jakości Wydajności wybrał prawdopodobieństwo potrzeby dawki dla dwóch leków. Ponadto, aby zwiększyć wydajność procesu, zrekompensowali opóźnienie czasu między badaniami krwi i podejmowanie decyzji o dawce przy użyciu "dostosowania danych" w celu wprowadzenia daty podejmowania decyzji zgodnie z datami badania.
W rezultacie AISAC wykazały wysoką precyzję prognozy z prawidłową klasyfikacją (rozwiązania odpowiadające konkluzje lekarzy) na 72% -87%. Ale jeszcze bardziej interesujące było to, że w niektórych przypadkach, AISAC dostarczyły "klinicznie poprawne" klasyfikacje z jeszcze wyższymi wskaźnikami (92% -97%). Były to rozwiązania, które nie pokrywały się z diagnozą lekarzy, ale nadal uważane są za poprawne od punktu medycznego.