Anemia ay isang sakit na nailalarawan sa pamamagitan ng pagbawas sa halaga ng malusog na erythrocytes sa katawan ng malusog na erythrocytes, madalas na nangyayari sa mga pasyente na may malalang sakit sa bato na kailangang sumailalim sa regular na hemodialysis. Alinsunod dito, ang erythrocyte-stimulating agent (Erythropoiesis-stimulating agent, ESA) at mga suplementong bakal, ay ipinakilala sa loob ng balangkas ng prosesong ito. Ngunit sa parehong mga komplikasyon ng oras ay maaaring lumabas kung ang mga pasyente ay nagbago ang metabolismo ng bakal o mahinang reaksyon sa mga droga. Bilang karagdagan, ang mga gamot ay karaniwang mahal at binabaan ang isang mahirap na pasanin sa pananalapi sa pampublikong kalusugan o pasyente mismo. Kaya, isinasaalang-alang ang katunayan na ang bilang ng mga naturang pasyente ay kasalukuyang lumalaki, mayroong isang mahusay na demand para sa karagdagang mga sistema ng suporta na may "kakayahan" sa paggawa ng mga desisyon. Ang isang pagpipilian ay ang paggamit ng artificial intelligence technology (artificial intelligence, AI), na tila isang promising paraan, ngunit nangangailangan ng isang malaking array ng data at hindi praktikal dahil sa iba't ibang mga pasyente na estado sa kalusugan.
Sa isang kamakailan-lamang na pag-aaral, ang mga resulta nito ay na-publish sa International Journal of Medical Sciences, ang mga siyentipiko mula sa Japan ay sinubukan upang malutas ang problema. Nagpasya sila sa halip na pag-aralan ang kumplikadong pisyolohiya ng katawan ng pasyente, gamitin ang modelo ng hula batay sa mga solusyon ng mga nakaranasang doktor. Associate Professor Toshiaki Ohara (Toshiaki Ohara) mula sa Okayam University ay nagpapaliwanag:
Nagbubuo kami ng isang sistema batay sa mga prinsipyo na ginagamit sa proseso ng paggawa ng malabnaw ng mga nakaranas ng mga doktor. Sa wakas, hindi nila kinakalkula ang detalyadong mga halaga ng mga reaksiyon sa buhay sa katawan ng pasyente kapag gumagawa ng desisyon sa dosis, na nangangahulugang ang mga modelo ng hula batay sa biochemistry ay hindi kinakailangang kailangan.
Naghanda ang mga siyentipiko ng dalawang hanay ng data na nakuha sa 2 ospital - isa upang turuan ang kanilang modelo, at ang iba pa para sa pagsubok at pag-verify ng mga pagtataya nito. Kasabay nito, naitala nila ang mga iniresetang reseta reseta sa dalawang ospital at itinuturing na reaksyon sa dalawang gamot na binanggit sa itaas na inilapat sa panahon ng hemodialysis.
Sa kanilang batayan, ang isang modelo ng AI ay itinayo, na tinatawag na "artificial intelligence anemia" (artificial-intelligence-suportadong anemia control system, AISAC), na nakatanggap ng kabuuang limang mapagkukunan ng pag-input (apat na punto ng dugo at anamnesis) at sa kalidad ng output pinili ang posibilidad ng pangangailangan para sa dosis para sa dalawang gamot. Bilang karagdagan, upang madagdagan ang kahusayan ng proseso, nabayaran nila ang pagkaantala ng oras sa pagitan ng pagsusuri ng dugo at pagpapasya sa dosis gamit ang "pagsasaayos ng data" upang dalhin ang petsa ng paggawa ng desisyon alinsunod sa mga petsa ng survey.
Bilang resulta, ang AISAC ay nagpakita ng mataas na katumpakan ng forecast na may tamang pag-uuri (mga solusyon na naaayon sa mga konklusyon ng mga doktor) sa 72% -87%. Ngunit kahit na mas kawili-wiling ay na sa ilang mga kaso, Aisacs ibinigay "Clinically tamang" klasipikasyon na may mas mataas na mga tagapagpahiwatig (92% -97%). Ang mga ito ay mga solusyon na hindi nag-tutugma sa diagnosis ng mga doktor, ngunit itinuturing pa rin tama mula sa isang medikal na punto.