அனீமியா ஆரோக்கியமான erythrocytes உடலில் ஆரோக்கியமான erythrocytes அளவு குறைந்து ஒரு குறைவு ஒரு நோய், பெரும்பாலும் Hemodialysis செய்ய வேண்டிய நாள்பட்ட சிறுநீரக நோய்கள் நோயாளிகளுக்கு ஏற்படுகிறது. அதன்படி, எரித்ரோசைசைந்த தூண்டுதல் முகவர்கள் (எரித்ரோபோயிஸ்-தூண்டுதல் முகவர்கள், ESA) மற்றும் இரும்புச் சப்ளிமெண்ட்ஸ் ஆகியவை இந்த செயல்முறையின் கட்டமைப்பிற்குள் அறிமுகப்படுத்தப்படுகின்றன. ஆனால் நோயாளிகள் மருந்துகள் இரும்பு அல்லது ஏழை எதிர்வினையின் வளர்சிதை மாற்றத்தை மாற்றியமைத்திருந்தால் அதே நேரத்தில் சிக்கல்கள் எழுகின்றன. கூடுதலாக, மருந்துகள் வழக்கமாக விலை உயர்ந்தவை மற்றும் பொது சுகாதார அல்லது நோயாளிக்கு ஒரு கடினமான நிதி சுமையை குறைக்கின்றன. இதனால், இத்தகைய நோயாளிகளின் எண்ணிக்கை தற்போது அதிகரித்து வருவதாக உண்மையை கணக்கில் எடுத்துக் கொள்வது, கூடுதல் ஆதரவு அமைப்புகளுக்கு கூடுதல் ஆதரவு அமைப்புகள் முடிவுகளை எடுப்பதற்கு ஒரு பெரும் தேவை உள்ளது. ஒரு விருப்பம் செயற்கை நுண்ணறிவு தொழில்நுட்பத்தை (செயற்கை நுண்ணறிவு, AI) பயன்படுத்துவதாகும், இது ஒரு உறுதியான முறையாகத் தோன்றுகிறது, ஆனால் ஒரு பெரிய தரவு வரிசை தேவை மற்றும் பல்வேறு நோயாளி சுகாதார மாநிலங்களுக்கு காரணமாக நடைமுறை அல்ல.
சமீபத்திய ஆய்வில், இதன் விளைவாக, இதன் விளைவாக மருத்துவ அறிவியல் சர்வதேச பத்திரிகையில் வெளியிடப்பட்ட முடிவுகள், விஞ்ஞானிகள் ஜப்பானில் இருந்து இந்த சிக்கலை தீர்க்க முயன்றனர். நோயாளியின் உடலின் சிக்கலான உடலியக்கத்தை படிப்பதற்கு AI ஐப் பதிலாக அவர்கள் முடிவு செய்தனர், அனுபவமிக்க டாக்டர்களின் தீர்வுகளை அடிப்படையாகக் கொண்ட கணிப்பு மாதிரியைப் பயன்படுத்துகின்றனர். ஒகயம் பல்கலைக்கழகத்தில் இருந்து இணை பேராசிரியர் டோஷியாக்கி ஓஹாரா (டோஷியா ஓஹாரா) விளக்குகிறார்:
அனுபவமிக்க டாக்டர்களின் சன்னமான செயல்பாட்டில் பயன்படுத்தப்படும் கொள்கைகளை அடிப்படையாகக் கொண்ட ஒரு அமைப்பை நாங்கள் வளர்த்துக்கொள்கிறோம். இறுதியில், நோயாளியின் உடலில் உள்ள வாழ்க்கை எதிர்வினைகளின் விரிவான மதிப்புகளை அவர்கள் கணக்கிடுவதில்லை, இது மருந்தின் மீது முடிவெடுக்கும் போது, உயிர்வேதியியல் அடிப்படையில் கணிப்பு மாதிரிகள் அவசியம் தேவை இல்லை என்பதாகும்.
விஞ்ஞானிகள் 2 மருத்துவமனைகளில் பெறப்பட்ட இரண்டு தரவு தொகுப்புகளை தயாரித்துள்ளனர் - அவற்றின் மாதிரியைக் கற்பிப்பதற்கும், அதன் முன்னறிவிப்புகளையும் பரிசோதிப்பதற்கும் சரிபார்க்கவும். அதே நேரத்தில், அவர்கள் இரண்டு மருத்துவமனைகளில் பரிந்துரைக்கப்பட்ட மருந்து மருந்துகளை பதிவு செய்தனர் மற்றும் ஹீமோடியாலிஸின் போது குறிப்பிட்டுள்ள இரண்டு போதைப்பொருட்களுக்கான பிரதிபலிப்பாக கருதுகின்றனர்.
அவர்களின் அடிப்படையில், ஒரு AI மாதிரி கட்டப்பட்டது, "செயற்கை நுண்ணறிவு இரத்த சோகை" (செயற்கை-நுண்ணறிவு-ஆதரவு இரத்த சோகை கட்டுப்பாட்டு அமைப்பு, AISAS) என்று அழைக்கப்படுகிறது, இது மொத்தம் ஐந்து உள்ளீட்டு ஆதாரங்கள் (நான்கு புள்ளிகள் இரத்த மற்றும் அனிமினீஸ்) மற்றும் தரத்தை பெற்றது வெளியீடு இரண்டு மருந்துகளுக்கு மருந்தின் தேவையின் வேண்டுகோளின் நிகழ்தகவைத் தேர்ந்தெடுத்தது. கூடுதலாக, செயல்பாட்டின் செயல்திறனை அதிகரிக்க, இரத்த பரிசோதனைக்கு இடையிலான ஒரு கால தாமதத்திற்கு அவர்கள் இழப்பீடு மற்றும் கணக்கெடுப்பு தேதிகளுக்கு இணங்க முடிவெடுக்கும் தேதி மூலம் "தரவு சரிசெய்தல்" பயன்படுத்தி மருந்தை தீர்மானித்தல்.
இதன் விளைவாக, AISAC கள் 72% -87% இல் சரியான வகைப்பாடுகளுடன் (மருத்துவர்களின் முடிவுகளுக்கு தொடர்புடைய தீர்வுகள்) முன்னறிவிப்பின் அதிக துல்லியத்தை காட்டியது. ஆனால் இன்னும் சுவாரஸ்யமான சில சந்தர்ப்பங்களில், AISAC கள் உயர் குறிகாட்டிகளுடன் "மருத்துவ ரீதியாக சரியான" வகைப்பாடுகளை (92% -97%) வழங்கியுள்ளன. இவை மருத்துவர்கள் நோயாளிகளின் நோயறிதலுடன் இணைந்திருக்காத தீர்வுகள் இருந்தன, ஆனால் ஒரு மருத்துவ புள்ளியில் இருந்து இன்னும் சரியாகக் கருதப்படுகிறது.