پژوهشگران مؤسسه پیشرفته علوم و فناوری کره جنوبی (KAIST) با همکاری دانشگاه سونگکیونکوان و بیمارستان آنام دانشگاه کره، سامانهای مبتنی بر هوش مصنوعی توسعه دادهاند که میتواند با بررسی الگوهای زندگی روزمره سالمندان، نشانههای اولیه بیماریهای عروق مغزی را پیش از ظاهر شدن علائم بالینی شناسایی کند.
این فناوری با تحلیل دادههای واقعی زندگی ۱٬۲۲۴ سالمند، از جمله میزان فعالیت روزانه، کیفیت خواب، ریتم شبانهروزی، شرایط محیطی خانه، سن و بیماریهای زمینهای، موفق شد خطر نزدیک شدن به تشخیص بیماریهای عروق مغزی را با دقت ۹۶.۵ درصد پیشبینی کند.
بررسی بیش از ۱۳ هزار نمونه داده نشان داد تغییرات بسیار جزئی در سبک زندگی، مانند بیدار ماندن و فعالیت مداوم بین ساعت ۱۰ شب تا ۲ بامداد، کاهش فعالیت عصرگاهی و افزایش زمان بیتحرکی، میتوانند از مهمترین نشانههای هشداردهنده پیش از بروز بیماری باشند. همچنین مشخص شد رطوبت پایین محیط خانه نیز یکی از عوامل مرتبط با افزایش خطر است.
یکی از ویژگیهای مهم این سامانه، استفاده از هوش مصنوعی قابل توضیح (Explainable AI) است؛ به این معنا که علاوه بر اعلام وجود خطر، مشخص میکند کدام رفتارها یا شرایط محیطی باعث این ارزیابی شدهاند و به پزشکان و مراقبان در تصمیمگیری کمک میکند.
پژوهشگران تأکید کردهاند این فناوری جایگزین تشخیص پزشکی نیست و نمیتواند زمان دقیق وقوع سکته یا بیماری را پیشبینی کند، بلکه ابزاری برای شناسایی زودهنگام افراد در معرض خطر و تشویق آنها به مراجعه سریعتر به مراکز درمانی است.
نتایج این پژوهش در نشریه معتبر npj Digital Medicine از مجموعه Nature Portfolio منتشر شده و محققان امیدوارند این فناوری بتواند مسیر مراقبتهای سلامت را از درمان پس از وقوع بیماری به سمت پیشگیری و مداخله زودهنگام تغییر دهد.
کد خبر ۲۰۱۰۵۰۴۲۲.۰۲۹
منبع: یورک آلرت
