ابداع فناوری خانگی برای تشخیص زودهنگام بیماری‌ های مغزی - عروقی

به گزارش رکنا، محققان «مؤسسه علم و فناوری پیشرفته کره جنوبی» (KAIST) با طراحی یک چارچوب هوش مصنوعی، داده‌های مربوط به فعالیت‌های روزمره سالمندان را بررسی کرده‌اند تا تغییرات ظریف رفتاری مرتبط با افزایش خطر بیماری‌های مغزی-عروقی را تشخیص دهند.

این پژوهش با استفاده از داده‌های ۱۲۲۴ سالمند و بیش از ۱۳ هزار نمونه ثبت وقایع زندگی روزمره انجام شد. سیستم هوش مصنوعی با تحلیل اطلاعاتی مانند میزان فعالیت روزانه، الگوی خواب، ریتم شبانه‌روزی بدن، شرایط محیطی خانه، سن و بیماری‌های مزمن، توانست مراحل پرخطر بیماری را شناسایی کند.

نتایج نشان داد هنگامی که داده‌های چهار هفته منتهی به تشخیص بیماری با داده‌های ۱۲ هفته قبل مقایسه شدند، سامانه هوش مصنوعی توانست با دقت چشمگیر ۹۶.۵۳ درصد میان دوره پرخطر و دوره کم‌خطر تمایز قائل شود. این یافته نشان می‌دهد که تغییرات کوچک در سبک زندگی می‌توانند پیش از بروز علائم آشکار، نشانه‌ای از افزایش خطر بیماری‌های مغزی-عروقی باشند.

یکی از یافته‌های مهم این تحقیق، ارتباط اختلال در الگوی خواب با افزایش خطر بیماری بود. بررسی‌ها نشان داد سالمندانی که در مرحله پیش‌درآمد بیماری قرار داشتند، بیشتر بین ساعت ۱۰ شب تا ۲ بامداد فعال بودند؛ زمانی که بدن به طور طبیعی باید در حال استراحت باشد. تأخیر در خواب و برهم خوردن تمایز میان فعالیت روز و شب از مهم‌ترین نشانه‌های هشداردهنده به شمار آمدند.

محققان معتقدند این فناوری می‌تواند به عنوان یک ابزار مراقبت سلامت دیجیتال در خانه مورد استفاده قرار گیرد و با پایش مداوم وضعیت سالمندان، هشدارهای اولیه ارزشمندی را در اختیار پزشکان و مراقبان قرار دهد.

با این حال، پژوهشگران تأکید کرده‌اند که این سامانه جایگزین تشخیص پزشکی نیست و تنها به عنوان ابزاری کمکی برای شناسایی زودهنگام خطر و تشویق افراد به مراجعه سریع‌تر به پزشک طراحی شده است. نتایج این مطالعه در مجله علمی npj Digital Medicine منتشر شده است.