یک مطالعه جدید ادعا می کند که عفونت ها را می توان تقریباً ۴۸ ساعت قبل از ظاهر شدن علائم تشخیص داد.
تحقیقات جدید در اوایل سال ۲۰۲۰، بلافاصله پس از شروع همه گیری آغاز شد. حدود ۱۰۰۰ شرکتکننده جوان از یک مطالعه بهداشتی مشاهدهای در حال انجام انتخاب شدند و یک دستگاه مچبند تجاری در دسترس به نام دستبند آوا تهیه کردند. این دستگاه در شب پوشیده می شود و هر ۱۰ ثانیه ضربان قلب، ضربان تنفس، دمای پوست، تغییرات ضربان قلب و جریان خون را اندازه گیری می کند. به دلیل توانایی آن برای ردیابی تغییرات در زمان واقعی در این پنج معیار بهداشتی، به طور کلی به عنوان یک مانیتور باروری استفاده می شود.
در طول یک مطالعه یک ساله، ۱۱٪ از گروه با یک مورد تایید شده آزمایشگاهی از COVID-19 مواجه شدند. حدود نیمی از این افراد مبتلا به کووید مثبت یک ماه دادههای پوشیدنی خوبی قبل از ابتلای خود داشتند که به محققان کمک کرد الگوریتمی را توسعه دهند که میتواند تغییرات کوچک را در مراحل اولیه بیماری تشخیص دهد.
تغییرات قابل توجه در روزهای قبل از ظهور علائم کووید در هر پنج معیار ثبت شده توسط این ابزار پوشیدنی شناسایی شد. به طور خاص، تغییرات در ضربان قلب، تغییرات ضربان قلب و دمای پوست مچ دست، مهمترین ویژگیهای اولیه کووید-۱۹ بودند که قبل از علائم قابلتوجه بودند.
یک الگوریتم جدید یادگیری ماشینی بر روی ۷۰ درصد از گروههای کووید مثبت آموزش داده شد و سپس روی ۳۰ درصد باقیمانده آزمایش شد. قابل توجه است که این الگوریتم ۶۸ درصد از موارد مثبت کووید را دو روز کامل قبل از ظاهر شدن علائم به دقت شناسایی کرد.
محققان در مطالعه جدید به این نتیجه رسیدند: «فناوری حسگر پوشیدنی روشی کمهزینه که افراد را قادر میسازد سلامت و رفاه خود را در طول یک بیماری همهگیر ردیابی کنند. تحقیق ما نشان میدهد که چگونه این دستگاهها، با همکاری هوش مصنوعی، میتوانند مرزهای پزشکی شخصیسازیشده را پشت سر بگذارند و بیماریها را قبل از SO [شروع علائم] تشخیص دهند و به طور بالقوه انتقال ویروس را در جوامع کاهش دهند.»
این ایده که پوشیدنیهای بهداشتی میتوانند بیماریهای عفونی را قبل از ظهور علائم ملموس تشخیص دهند، جدید نیست. یک مطالعه جالب که سال گذشته منتشر شد، این ایده را در مورد آنفولانزا و سرماخوردگی آزمایش کرد.
این مطالعه نه تنها نشان داد که عفونت ها را می توان با استفاده از داده های سلامت پوشیدنی حدود ۲۴ ساعت قبل از ظاهر شدن علائم پیش بینی کرد، بلکه شدت عفونت های بعدی را نیز می توان با دقت ۹۰ درصد پیش بینی کرد.