فناوری هوش مصنوعی خطر سکته مغزی سالمندان را تا چهار هفته زودتر شناسایی می‌کند

فناوری هوش مصنوعی خطر سکته مغزی سالمندان را تا چهار هفته زودتر شناسایی می‌کند

 

پژوهشگران کره‌جنوبی با استفاده از حسگرهای بدون تماس و الگوریتم‌های هوش مصنوعی، سامانه‌ای توسعه داده‌اند که می‌تواند تغییرات رفتاری سالمندان تنها را شناسایی و خطر سکته مغزی را تا چند هفته پیش از تشخیص بالینی پیش‌بینی کند.

به گزارش مدرن مد به نقل از mobihealthnews، نتایج یک پژوهش جدید در کره‌جنوبی نشان می‌دهد که یک سامانه پایش خانگی مبتنی بر هوش مصنوعی و اینترنت اشیا (IoT) می‌تواند با تحلیل الگوهای رفتاری سالمندانی که به‌تنهایی زندگی می‌کنند، خطر سکته مغزی را در مراحل اولیه شناسایی کند.

این مطالعه با همکاری پژوهشگران Korea University Anam Hospital، Korea Advanced Institute of Science and Technology و Sungkyunkwan University انجام شده و بر استفاده از حسگرهای بدون تماس برای پایش مداوم وضعیت زندگی سالمندان تمرکز دارد.

در این پژوهش، داده‌های بلندمدت ۱,۲۲۴ فرد ۶۵ ساله و بالاتر که به‌تنهایی زندگی می‌کردند و توانایی راه رفتن مستقل داشتند، مورد بررسی قرار گرفت. شرکت‌کنندگان در سه گروه شامل افراد سالم، افراد دارای سابقه بیماری‌های عروق مغزی و افرادی که بعدها مشخص شد در مرحله اولیه بیماری قرار داشته‌اند، طبقه‌بندی شدند.

پژوهشگران طی ۱۴ روز بیش از ۱۳ هزار داده از طریق حسگرهای حرکتی، باز و بسته شدن درها، دما و رطوبت محیط جمع‌آوری کردند. این داده‌ها شامل اطلاعاتی درباره فعالیت‌های روزانه، دوره‌های بی‌تحرکی، الگوی خواب و شرایط محیطی منزل بود.

سپس شش مدل هوش مصنوعی برای شناسایی تغییرات رفتاری آموزش داده شدند. نتایج منتشرشده در مجله npj Digital Medicine نشان داد که مدل TabNet بهترین عملکرد را داشته و توانسته است افراد در مرحله پیش‌درآمد سکته مغزی را با دقت بالایی شناسایی کند.

بر اساس آزمایش‌های گذشته‌نگر، این مدل موفق شد الگوهای رفتاری ثبت‌شده در چهار هفته پیش از تشخیص سکته مغزی را با حساسیت ۹۵.۱۲ درصد، ویژگی ۹۶.۹۷ درصد و دقت کلی ۹۶.۵۳ درصد تشخیص دهد.

تحلیل داده‌ها نشان داد که افزایش فعالیت مداوم پیش از خواب، کاهش دوره‌های بی‌تحرکی و دیرتر به خواب رفتن از مهم‌ترین نشانه‌های مرحله اولیه بیماری هستند. همچنین در افرادی که سابقه سکته مغزی داشتند، فعالیت مداوم شبانه و اختلالات مکرر خواب به‌عنوان شاخص‌های مهم شناسایی شد.

پژوهشگران همچنین دریافتند که بی‌تحرکی بیشتر در ساعات عصر، کاهش فعالیت مستمر و رطوبت بسیار پایین یا بسیار بالای محیط خانه با افزایش احتمال تشخیص سکته مغزی طی چهار هفته آینده ارتباط دارد.

دکتر «چو کیونگ-هی»، استاد نورولوژی بیمارستان دانشگاه کره و از سرپرستان این مطالعه، تأکید کرد که تشخیص زودهنگام در بهبود پیامدهای بیماری‌های عروق مغزی نقش حیاتی دارد، اما تغییرات رفتاری ظریف در سالمندان اغلب نادیده گرفته می‌شود.

به گفته تیم تحقیقاتی، این فناوری می‌تواند در آینده به‌عنوان مکمل ارزیابی‌های بالینی مورد استفاده قرار گیرد و با شناسایی زودهنگام علائم هشداردهنده، به‌ویژه در سالمندانی که به‌تنهایی زندگی می‌کنند، امکان مداخله درمانی سریع‌تر را فراهم کند.

این پژوهش در شرایطی منتشر شده است که استفاده از هوش مصنوعی در تشخیص و مدیریت سکته مغزی در کشورهای مختلف رو به گسترش است و بیمارستان‌های متعددی در منطقه آسیا–اقیانوسیه از سامانه‌های هوشمند برای کاهش زمان تشخیص و آغاز درمان بهره می‌برند.