هوش مصنوعی خطر سکته مغزی را از روی عادتهای روزانه سالمندان تشخیص میدهد
پژوهشگران کره جنوبی سامانهای مبتنی بر هوش مصنوعی توسعه دادهاند که با تحلیل فعالیتهای روزانه، الگوی خواب و شرایط محیطی سالمندان، میتواند پیش از بروز علائم، نشانههای اولیه خطر بیماریهای مغزی عروقی را با دقتی بیش از ۹۶ درصد شناسایی کند.
به گزارش شهرآرانیوز؛ بیماری مغزی-عروقی در صورت تأخیر در درمان میتواند به بروز عوارض جدی منجر شود، اما تشخیص آن پیش از بروز علائم دشوار است. پژوهشگران «مؤسسه علم و فناوری پیشرفته کره جنوبی» (KAIST) یک فناوری هوش مصنوعی را توسعه دادهاند که فعالیتهای روزانه و دادههای محیطی افراد مسن را تجزیه و تحلیل میکند تا نشانگرهای رفتاری دیجیتال خطر بیماری مغزی-عروقی را در خانه بر اساس تغییرات ظریف شناسایی کند.
به نقل از یورکالرت، این گروه پژوهشی یک چارچوب هوش مصنوعی را توسعه دادهاند که از دادههای بلندمدت ثبت وقایع زندگی جمعآوریشده در خانههای سالمندان برای شناسایی مرحله پیشدرآمد بیماری مغزی-عروقی و ارزیابی خطر قریبالوقوع استفاده میکند.
این پژوهش بر اساس دادههای ثبت وقایع زندگی ۱۲۲۴ شخص مسن انجام شد که توسط شرکت «لیوآن کر» (LivOn Care) در محیطهای مسکونی واقعی جمعآوری شده بود. پژوهشگران در مجموع ۱۳۳۶۲ نمونه ثبت وقایع زندگی دوهفتهای را تجزیه و تحلیل کردند و امکان تشخیص علائم هشداردهنده اولیه را از طریق تغییرات ظریف در زندگی روزمره، به جای تکیه صرف بر رویکرد مرسوم درمان بیماری پس از وقوع آن نشان دادند.
این گروه پژوهشی نوعی فناوری هوش مصنوعی را توسعه دادند که با تجزیه و تحلیل فعالیت روزانه، خواب، ریتم شبانهروزی بدن و اطلاعات محیط داخلی به همراه دادههای مربوط به سن و بیماریهای مزمن، مراحل خطر بیماریهای مغزی-عروقی را شناسایی میکند. این فناوری نشان میدهد تغییرات رخداده در الگوهای زندگی روزمره که به سختی میتوان آنها را تنها از طریق معاینههای بیمارستانی تشخیص داد، میتوانند به عنوان سرنخهای مهمی برای تشخیص سیگنالهای خطر اولیه بیماریهای مغزی-عروقی عمل کنند.
این گروه پژوهشی با تجزیه و تحلیل تغییرات رخداده در الگوهای سبک زندگی به مرور زمان، موفق به ارزیابی این موضوع شدند که آیا تشخیص بیماری مغزی-عروقی نزدیک است یا خیر. هنگامی که دادهها از چهار هفته پیش از تشخیص به عنوان «دوره خطر تشخیصی قریبالوقوع» و دادههای ۱۲ هفته پیش از تشخیص به عنوان «دوره غیر قریبالوقوع» طبقهبندی شدند، هوش مصنوعی بین این دو دوره با دقت بالای ۹۶.۵۳ درصد تمایز قائل شد. این نتیجه نشان میدهد که حتی پیش از مراجعه به بیمارستان، تغییرات کوچک در زندگی روزمره ممکن است به شناسایی افزایش خطر بیماری مغزی-عروقی کمک کنند.
یکی دیگر از ویژگیهای کلیدی پژوهش این است که هوش مصنوعی صرفاً وجود خطر را تعیین نمیکند، بلکه به شناسایی الگوهای سبک زندگی و عوامل محیطی موثر بر قضاوت خود نیز میپردازد. تحلیلها نشان دادند که بزرگسالان مسنتر در مرحله پیشدرآمد بیماری مغزی-عروقی تمایل دارند فعالیت مداوم و مکرری را بین ساعت ۱۰ شب تا دو بامداد نشان دهند؛ یعنی زمانی که بدن معمولا برای خواب آماده میشود. به عبارت دیگر، ریتمهای نامنظم روزانه مانند تأخیر در شروع خواب و کاهش تمایز بین فعالیت روز و شب، ارتباط نزدیکی با سیگنالهای پیشدرآمد بیماری مغزی-عروقی داشتند.
پژوهشگران انتظار دارند این فناوری به عنوان یک ابزار مراقبتهای بهداشتی دیجیتال مورد استفاده قرار بگیرد و به طور عینی وضعیت سلامت افراد مسن را که ممکن است در توصیف واضح وضعیت خود مشکل داشته باشند، رصد کند و شاخصهای هشدار اولیه سودمندی را برای متخصصان پزشکی و مراقبان ارائه دهد.
پژوهشگران توضیح دادند که این پژوهش شروع دقیق بیماری مغزی-عروقی را پیشبینی نمیکند یا جایگزین تشخیص بالینی نمیشود. در عوض، این یک فناوری حمایتی است که برای کمک به پیشگیری و مشاوره پزشکی زودهنگام در نظر گرفته شده است و اعتبارسنجی آیندهنگر در گروههای بزرگتر بیماران پیش از کاربرد بالینی واقعی ضروری خواهد بود.
این پژوهش در مجله «npj Digital Medicine» به چاپ رسید.
منبع: ایسنا
ارسال نظرات
دیدگاه های ارسال شده توسط شما، پس از تائید توسط شهرآرانیوز در سایت منتشر خواهد شد.
نظراتی که حاوی توهین و افترا باشد منتشر نخواهد شد.
