贫血是一种疾病，其特征在于健康红细胞体内健康红细胞量的减少，经常发生在需要进行常规血液透析的慢性肾脏疾病的患者中。因此，在该方法的框架内引入红细胞刺激剂（促红细胞刺激剂，ESA）和铁补充剂。但是，如果患者改变了对药物的反应性或差的反应性的代谢，可能会出现同时并发症。此外，药物通常是昂贵的，降低公共卫生或患者的困难的财务负担。因此，考虑到此类患者的数量目前正在增长的事实，对具有“能力”的额外支持系统有很大的需求来做出决策。一种选择是使用人工智能技术（人工智能，AI），这似乎是一个有希望的方法，但需要大数据阵列，并且由于各种患者健康状态而不是实际的。
在最近的一项研究中，它在国际医学科学杂志上发表的结果，日本的科学家仍然试图解决这个问题。他们决定代替制造AI研究患者身体的复杂生理学，使用基于经验丰富的医生解决方案的预测模型。来自冈尽大学的Toshiaki Ohara（Toshiaki Ohara）副教授解释：
我们正在基于在经验丰富的医生的稀释过程中使用的原则开发一个系统。最后，当对剂量决定时，它们不计算患者体内的生命反应的详细值，这意味着不一定需要基于生物化学的预测模型。
科学家们准备了两家在2家医院获得的数据集 - 一个人来教导他们的模型，另一个是用于测试和验证其预测的另一个。与此同时，他们记录了两家医院的规定的处方处方，并考虑了对血液透析期间上述两种药物的反应。
在他们的基础上，建立了一个AI模型，称为“人工智能贫血”（人工智能支持的贫血控制系统，AISACS），其共获得了五个输入来源（血液和厌氧的四分）和质量输出选择了两种药物需要剂量的可能性。此外，为了提高该方法的效率，它们补偿了血液测试之间的时间延迟，并使用“数据调整”来判断用“数据调整”来促进根据调查日期的决策日期。
因此，AISACS对预测的高精度具有正确的分类（与医生结论对应的解决方案），72％-87％。但更有趣的是，在某些情况下，AISACS在更高的指标（92％-97％）中提供了“临床正确”的分类。这些解决方案与医生的诊断不一致，但仍然认为从医疗点肯定是正确的。