ابزار جدیدی برای گوشی‌های هوشمند ابداع شده است که می‌تواند به تشخیص سکته مغزی کمک کند، چرا که سرعت عمل در تشخیص و درمان فرد دچار سکته مغزی، اهمیت زیادی دارد.
به گزارش تک‌ناک، علائم سکته مغزی اغلب ممکن است ظریف یا مبهم باشد. در چنین مواردی، بیماران پس از رسیدن به بیمارستان باید از طریق یک سری آزمایش‌ها ارزیابی شوند. اگر آن آزمایش‌ها نشان دهند که سکته مغزی رخ داده است، درمان واقعی شروع می‌شود. البته اگر پزشکان بدانند که بیمار در گذشته سابقۀ سکته مغزی داشته است، درمان به محض رسیدن آن فرد به بیمارستان آغاز می‌شود.
اینجاست که یک ابزار آزمایشی که به شکل یک نرم‌افزار در گوشی‌های هوشمند قرار گرفته است، وارد می‌شود.
این نرم‌افزار که توسط گروهی از دانشمندان دانشگاه RMIT استرالیا توسعه یافته است، از الگوریتم‌های هوش مصنوعی برای تجزیه و تحلیل ویدئویی از چهرۀ بیمار در حالی که به آنها گفته می‌شود لبخند بزنند، استفاده می‌کند. اگر مشخص شود که حرکات عضلات صورت آنها بیش از حد نامتقارن است، نرم‌افزار به کاربر خود هشدار می‌دهد که بیمار به تازگی سکته مغزی را تجربه کرده است.
این ابزار از سیستم کدگذاری کُنِش صورت استفاده می‌کند، که در آن حالات صورت به اجزای جداگانۀ حرکت ماهیچه‌ای به نام واحدهای عمل تقسیم می‌شود.
دکتر گیلرم اولیویرا، دانشمند ارشد این مطالعه گفت: یکی از پارامترهای کلیدی که بر افراد مبتلا به سکته تأثیر می‌گذارد این است که ماهیچه‌های صورت آنها معمولاً یک‌طرفه می‌شوند، بنابراین یک طرف صورت متفاوت از طرف دیگر آن رفتار می‌کند. ما ابزارهای هوش مصنوعی و پردازش تصویر را داریم که امکان تشخیص تغییر در عدم تقارن لبخند را دارند.
هنگامی که این ابزار بر روی ویدئوهای صورت افراد پس از سکته مغزی و داوطلبان سالم آزمایش شد، در شناسایی بیماران سکتۀ مغزی 82 درصد دقیق عمل کرد. این تعداد باید با توسعۀ بیشتر این فناوری، بهبود یابد.
درحال حاضر برنامه‌هایی برای تبدیل این ابزار به یک برنامۀ ضروری وجود دارد، که امدادگران می‌توانند از آن برای تشخیص سکته‌های مغزی در محل فقط در چند ثانیه استفاده کنند. در واقع دانشمندان دانشگاه پلی تکنیک والنسیا و دانشگاه ایالتی پنسیلوانیا قبلاً اپلیکیشن‌های مشابهی را توسعه داده‌اند. لازم به ذکر است که در تمام موارد، همچنان آزمایش‌های جامع‌تری مانند سی‌تی‌اسکن در بیمارستان انجام می‌شود.
مقاله‌ای در مورد این تحقیق به تازگی در مجلۀ Computer Methods and Programs in Biomedicine منتشر شده است.
