یک مدل هوش مصنوعی توانست سفتی کبد را از روی الگوهای حرکتی پیشبینی کند؛ عملکردی که با آزمایشهای خونی کبد قابل مقایسه بود.
جهت بهرهمندی و دسترسی به امکانات ویژه و بخشهای مختلف در دیجیاتو عضو ویژه دیجیاتو شوید.
یک مدل هوش مصنوعی میتواند با بررسی نحوه راهرفتن و حرکت کل بدن، اطلاعاتی را درباره سلامت کبد، کیفیت خواب و احتمال ابتلا به دیابت به دست آورد. پژوهشگران میگویند الگوهای حرکتی حتی اطلاعاتی فراتر از سرعت راه رفتن و طول گامها در اختیار آنها قرار میدهند.
به گزارش ساینتآلرت، پژوهشگران دادههای حرکتی ۳۳۲۸ بزرگسال را بررسی کردند. هدف آنها شناسایی ارتباط میان حرکات بدن و ویژگیهای مختلف سلامت بود. پزشکان مدتهاست سرعت راه رفتن، تعادل و وضعیت بدن را برای ارزیابی سلامت بررسی میکنند. برخی پژوهشگران حتی سرعت راه رفتن را «ششمین علامت حیاتی» نامیدهاند.
در این مطالعه، شرکتکنندگان پنج فعالیت حرکتی انجام دادند. آنها روی تردمیل با سرعت سه کیلومتر در ساعت و سرعت دلخواه خود راه رفتند. راه رفتن درجا، برخاستن از صندلی و ایستادن برای سنجش تعادل نیز جزو آزمایشها بود.
یک دوربین عمقسنج، موقعیت مفاصل بدن را در سه بُعد ثبت کرد. سپس پژوهشگران مدلی هوش مصنوعی آموزش دادند تا بخشهای حذفشده از این دادهها را بازسازی کند. مدل برای انجام این کار ناچار بود هماهنگی حرکت بخشهای مختلف بدن را یاد بگیرد.
مدل، حرکات ثبتشده را به الگوهای عددی تبدیل کرد. پژوهشگران این الگوها را با اطلاعات پزشکی، نتایج آزمایشگاهی، اندازهگیریهای بدنی و ویژگیهای سبک زندگی مقایسه کردند.
مدل با ۱۸۸۷ مورد از ۳۲۱۰ ویژگی سلامت بررسیشده، ارتباط آماری معنادار نشان داد. برخی ارتباطها به سن و چربی بدن مربوط بودند. اما بعضی نتایج به بخشهایی از سلامت اشاره داشتند که ارتباطشان با راه رفتن چندان آشکار نیست.
یکی از این موارد، سلامت کبد بود. پزشکان برای ارزیابی زخمشدن بافت کبد، میزان سفتی این اندام را اندازهگیری میکنند. مدل توانست سفتی کبد را از روی الگوهای حرکتی پیشبینی کند. به گفته پژوهشگران، این پیشبینیها بهاندازه آزمایشهای خونی کبد اطلاعات مفید داشتند.
کیفیت خواب نیز ارتباطی غیرمنتظره با حرکات بدن نشان داد. حرکت تنه، یعنی بخش میان شانهها و لگن، اطلاعاتی درباره خواب و فعالیت بدنی در خود داشت.
«آدام گابت» (Adam Gabet)، یکی از پژوهشگران مطالعه، میگوید میزان تأثیر کیفیت خواب بر بدن برای او شگفتانگیز بوده است. مدل توانست شاخصهای مرتبط با «آپنه خواب» را نیز پیشبینی کند. این اختلال باعث توقف مکرر یا محدودشدن تنفس هنگام خواب میشود. ارتباطهایی با بیخوابی و مدت خواب شب گذشته نیز مشاهده شد.
افزودن الگوهای حرکتی به مدلهای متداول، دقت پیشبینی برخی شرایط را بهبود داد. این شرایط شامل دیابت، افسردگی و بیخوابی بود. مدل همچنین در پیشبینی مصرف برخی داروها عملکرد بهتری پیدا کرد.
بااینحال، این پژوهش ثابت نمیکند که بیماریها یا اختلالات خواب علت تغییر الگوهای حرکتی هستند. مطالعه فقط وضعیت شرکتکنندگان را در یک مقطع زمانی بررسی کرده است. بنابراین، هنوز به بررسی در جمعیتهای متنوعتر نیاز است.
پژوهشگران امیدوارند تحلیل حرکت در آینده به ارزیابیهای معمول پزشکی اضافه شود. چنین آزمایشی بدون نمونهگیری خون یا روشهای تهاجمی، سرنخهایی برای بررسی بیشتر در اختیار پزشکان میگذارد. البته پیش از استفاده بالینی، آزمایشهای مستقل و مطالعات بالینی دقیقتری ضروری است.
پژوهشگران نتایج مطالعه خود را در ژورنال Nature Medicine منتشر کردهاند.