هوش مصنوعی اطلاعات دقیق‌تری از حسگرهای قلب اپل واچ استخراج می‌کند

شرکت اپل با بهره‌گیری از هوش مصنوعی، در حال کاوش برای استخراج داده‌های بهتر و دقیق‌تر از حسگرهای اپل واچ برای سلامت قلب و فشار خون کاربران است.

به گزارش سرویس علمی تک‌ناک، با عرضه watchOS 26، اپل قابلیت اعلان فشار خون بالا را روی اپل واچ معرفی کرد. این سیستم با بهره‌گیری از داده‌های حسگر نوری قلب، پاسخ رگ‌های کاربر به ضربان قلب را بررسی و الگوریتم آن به‌صورت خودکار داده‌ها را طی ۳۰ روز تحلیل می‌کند.

در صورت مشاهده علائم مداوم فشار خون بالا، به کاربر هشدار داده می‌شود. اگرچه این ابزار یک تشخیص پزشکی کامل نیست و اپل تاکید کرده که «تمام موارد فشار خون بالا شناسایی نخواهد شد»، اما انتظار می‌رود در سال نخست بیش از یک میلیون نفر با مشکل فشار خون بالا تشخیص داده شوند.

نکته کلیدی این ویژگی آن است که اعلان‌ها بر اساس روندهای ۳۰ روزه طراحی شده‌اند، نه اندازه‌گیری لحظه‌ای یا تخمین پارامترهای دقیق قلبی-عروقی؛ و همین نقطه، موضوع مطالعه جدید اپل است.

حتما بخوانید: جریمه ۶۳۴ میلیون دلاری اپل در پرونده فناوری سنجش اکسیژن خون اپل واچ

فشار خون اپل واچ
هشدار فشار خون اپل واچ

بیشتر بخوانید: آژیر اپل واچ اولترا غواص هندی را از مرگ نجات داد

حسگرهای اپل واچ و فشار خون بالا

نکته کلیدی این است که در این مطالعه هیچ اشاره مستقیمی به اپل واچ نشده و هیچ ادعایی درباره محصولات یا قابلیت‌های آینده مطرح نیست. این تحقیق، مشابه بیشتر مطالعات منتشرشده در وبلاگ تحقیقات یادگیری ماشین اپل، بر پژوهش‌های پایه و فناوری تمرکز دارد.

در مقاله‌ای با عنوان «مدل‌سازی ترکیبی فوتوپلتیسموگرافی برای پایش غیرتهاجمی پارامترهای قلبی-عروقی»، اپل رویکردی ترکیبی ارائه می‌کند که با بهره‌گیری از شبیه‌سازی‌های همودینامیک و داده‌های بالینی بدون برچسب، نشانگرهای قلبی-عروقی را به‌طور مستقیم از سیگنال‌های PPG تخمین می‌زند. به بیان دیگر، پژوهشگران نشان می‌دهند که با یک حسگر ساده پالس انگشت (همان فوتوپلتیسموگراف) می‌توان به شاخص‌های عمیق‌تر قلب دست یافت، همان فناوری نوری که در اپل واچ نیز استفاده شده، هرچند با ویژگی‌های سیگنال متفاوت.

محققان اپل ابتدا مجموعه‌ای گسترده از داده‌های شبیه‌سازی‌شده فشار شریانی (APW) با برچسب و مجموعه‌ای از اندازه‌گیری‌های همزمان APW و PPG در دنیای واقعی گردآوری کردند. سپس یک مدل مولد آموزش داده شد تا نحوه نگاشت داده‌های PPG به APW همزمان را یاد بگیرد. این فرآیند امکان استنتاج دقیق داده‌های APW از اندازه‌گیری‌های PPG را برای اهداف مطالعه فراهم کرد.

برای مطالعه بیشتر: هشدار فشار خون اپل واچ سری ۱۱ تأییدیه سازمان غذا و داروی آمریکا را دریافت کرد

فشار خون اپل واچ

در گام بعدی، APWهای تفسیرشده به یک مدل دوم داده شدند که برای استنتاج نشانگرهای قلبی مانند حجم ضربه‌ای و برون‌ده قلبی آموزش دیده بود. این مدل با داده‌های شبیه‌سازی‌شده APW همراه با مقادیر شناخته‌شده پارامترهای قلبی-عروقی آموزش داده شد. نهایتاً، برای هر بخش PPG چندین موج احتمالی APW تولید شد، پارامترهای قلبی مربوطه برای هر موج استنتاج و میانگین آن‌ها محاسبه شد تا تخمین نهایی به همراه شاخص عدم قطعیت ارائه شود.

نتایج

پس از تکمیل کل فرآیند آموزش و خط لوله مدل‌سازی، پژوهشگران مجموعه‌ای جدید شامل سیگنال‌های APW و PPG از ۱۲۸ بیمار تحت جراحی غیرقلبی را انتخاب کردند که با نشانگرهای قلبی-عروقی برچسب‌گذاری شده بود. تحلیل این داده‌ها نشان داد که مدل قادر است روند تغییرات حجم ضربه‌ای و برون‌ده قلبی را به‌درستی رصد کند، هرچند مقادیر مطلق دقیق را ارائه نمی‌دهد. با این حال، روش آن‌ها از تکنیک‌های سنتی پیشی گرفت و ثابت کرد که مدل‌سازی مبتنی بر هوش مصنوعی می‌تواند بینش‌های عمیق‌تری از سلامت قلب از یک حسگر نوری ساده استخراج کند.

خبر پیشنهادی: اپل واچ اولترا ۳ معرفی شد؛ اتصال ماهواره‌ای، 5G و تشخیص فشار خون

فشار خون اپل واچ

به گفته پژوهشگران: «در این تحقیق از رویکرد مدل‌سازی ترکیبی برای استنتاج پارامترهای قلبی-عروقی از سیگنال‌های PPG واقعی استفاده کرده‌ایم. برخلاف روش‌های داده‌محور که به دلیل محدودیت داده‌های برچسب‌دار با چالش مواجه‌اند، رویکرد ما با بهره‌گیری از شبیه‌سازی‌ها و حذف نیاز به داده‌های تهاجمی و پرهزینه، نتایج امیدوارکننده‌ای ارائه می‌دهد. این روش قابلیت استخراج اطلاعات بیشتر از سیگنال‌های PPG برای پیش‌بینی نشانگرهای قلبی را دارد و می‌تواند به پایش غیرتهاجمی و طولانی‌مدت پارامترهای قلبی در آینده کمک کند.»

با اینکه هنوز مشخص نیست اپل این قابلیت‌ها را به اپل واچ اضافه کند، اما امیدوارکننده است که پژوهشگران شرکت به دنبال روش‌های نوآورانه برای استخراج داده‌های حیاتی و بالقوه نجات‌دهنده از حسگرهایی هستند که هم‌اکنون در دستگاه‌های کاربران استفاده می‌شوند.

نسخه کامل مطالعه در arXiv در دسترس است.

مانی

مانی

We Trust in God

خبر بعدی

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *