سیستم هوشمند AI on the Pulse با استفاده از ساعت‌های هوشمند و هوش مصنوعی، خطرات پنهان سلامت بیماران را پیش‌از بروز علائم شناسایی می‌کند.
به گزارش تکناک، پژوهشگران دانشگاه ساپینزا رم سیستمی نوین برای پایش مستمر سلامت بیماران توسعه داده‌اند که با بهره‌گیری از ساعت‌های هوشمند و هوش مصنوعی، می‌تواند خطرات پنهان و تغییرات ناهنجار در وضعیت سلامت را با دقت بسیار زیاد شناسایی کند. این سامانه که AI on the Pulse نام دارد، برای نظارت بر بیماران مبتلا به بیماری‌های تحلیل‌برنده عصبی طراحی شده است.
به گفته نویسندگان مقاله، این سامانه داده‌های دریافتی از حسگرهای پوشیدنی و محیطی را با مدلی پیشرفته و جهانی از سری‌های زمانی به نام UniTS ترکیب می‌کند تا الگوهای فیزیولوژیکی و رفتاری هر بیمار را به‌صورت خودکار فرا بگیرد. این قابلیت موجب می‌شود تا کوچک‌ترین انحرافات از حالت طبیعی و خطرات بالقوه سلامتی پیش‌از بروز علائم جدی شناسایی شوند.
اگرچه این سیستم از دستگاه‌هایی مانند ساعت‌های هوشمند استفاده می‌کند، به گفته پژوهشگران، عملکرد آن بسیار فراتر از قابلیت‌های رایج این ابزارهاست. سامانه AI on the Pulse پیش‌از این با موفقیت در محیط واقعی مراقبت در منزل به نام @HOME آزمایش شده و توانسته است عملکرد بالینی مؤثری از خود نشان دهد.
به نقل از نئووین، در آزمون‌های انجام‌شده، این سیستم توانست عملکردی بهتر از ۱۲ روش پیشرفته شناسایی ناهنجاری را ارائه و حدود ۲۲ درصد بهبود در معیار F1 score (شاخص دقت و بازیابی مدل) نشان دهد. همچنین، سیستم یادشده توانسته در انواع مختلف دستگاه‌ها ازجمله تجهیزات دقیق پزشکی مانند ECG و ابزارهای پوشیدنی ساده مصرفی عملکرد پایداری داشته باشد.
در این مطالعه، پژوهشگران سیستم AI on the Pulse را با استفاده از داده‌های واقعی جمع‌آوری‌شده از شش بیمار سالمند در مراحل اولیه بیماری‌های عصبی آزمایش کردند. نتایج تحلیل ناهنجاری‌ها را متخصص سالمندی تأیید کرد که از میان آنها، ۹۳٫۷۵ درصد مثبت واقعی بودند و تنها ۶٫۲۵ درصد به مشکلات مربوط به حسگر نسبت داده شد. همچنین، متخصص مذکور اعلام کرد که ناهنجاری‌های شناسایی‌شده ازنظر بالینی معنادار و مهم بوده‌اند.
اگرچه پژوهش مذکور با مشکلاتی نظیر فقدان داده در پایش‌های بلندمدت مواجه بود، این مشکل با استفاده از روش درون‌یابی داده‌ها رفع شد. سیستم AI on the Pulse با تطبیق‌پذیری فراوان، توانست تعداد ناهنجاری‌ها را در بازه زمانی سه‌ماهه، تنها به ۳۲ مورد محدود کند. این دقت به‌دلیل توانایی سامانه در شناسایی و انطباق با الگوهای پایدار، اما غیرعادی شخصی بیماران ممکن شده است.
این سیستم داده‌هایی ازجمله ضربان قلب، مراحل خواب، نرخ تنفس و مکان بیمار در فضاهای مختلف منزل را جمع‌آوری می‌کند. هدف اصلی آن ارائه هشدارهای شخصی‌سازی‌شده و بلادرنگ و مفهوم برای تیم درمانی است تا مداخلات مؤثر در مراقبت‌های خانگی به‌موقع انجام شود. همچنین، برای توضیح ناهنجاری‌ها به‌صورت انسانی و درک‌پذیر برای پزشکان، این سامانه از مدل‌های زبانی بزرگ بهره می‌برد. پژوهشگران اعلام کرده‌اند که در گام بعدی قصد دارند این فناوری را به‌صورت گسترده‌تر در مراقبت‌های سلامت استفاده کنند و آن را به سطح کاربرد بالینی کامل برسانند.
