Malsan-detektaj sensiloj: Detektante malsanojn antaŭ ol estas tro malfrue

BILDA KREDITO:
Bildo kredito
iStock

Malsan-detektaj sensiloj: Detektante malsanojn antaŭ ol estas tro malfrue

Malsan-detektaj sensiloj: Detektante malsanojn antaŭ ol estas tro malfrue

Subtitolo teksto
Esploristoj disvolvas aparatojn, kiuj povas detekti homajn malsanojn por pliigi la probablecon de pacienca supervivo.
    • Aŭtoro:
    • Aŭtora nomo
      Quantumrun Foresight
    • Oktobro 3, 2022

    Enrigarda resumo

    Sciencistoj utiligas sensilteknologiojn kaj artefaritan inteligentecon (AI) por detekti malsanojn frue, eble transformante sanservon per aparatoj kiuj imitas la kapablon de hundoj flari malsanojn aŭ uzi vestaĵojn por monitori esencajn signojn. Ĉi tiu emerĝanta teknologio montras promeson antaŭdiri malsanojn kiel Parkinson kaj COVID-19, kaj plia esplorado celas plibonigi precizecon kaj vastigi aplikojn. Ĉi tiuj progresoj povus oferti signifajn implicojn por kuracado, de asekurkompanioj uzantaj sensilojn por pacienca datumo-spurado ĝis registaroj integrantaj sensil-bazitajn diagnozon en publikajn sanpolitikojn.

    Kunteksto de sensiloj detektantaj malsanoj

    Frua detekto kaj diagnozo povas savi vivojn, precipe por infektaj malsanoj aŭ malsanoj kiuj povas daŭri monatojn aŭ jarojn por simptomoj montriĝi. Ekzemple, Parkinson-malsano (PD) kaŭzas motormalboniĝon (ekz., tremoj, rigideco, kaj moviĝebloproblemoj) dum tempo. Por multaj homoj, la damaĝoj estas neinversigeblaj kiam ili malkovras sian malsanon. Por trakti ĉi tiun problemon, sciencistoj esploras malsamajn sensilojn kaj maŝinojn kiuj povas detekti malsanojn, de tiuj kiuj uzas la nazojn de hundoj ĝis tiuj kiuj uzas maŝinlernadon (ML). 

    En 2021, koalicio de esploristoj, inkluzive de la Masaĉuseca Instituto de Teknologio (MIT), Harvard University, Johns Hopkins University en Marilando, kaj Medical Detection Dogs en Milton Keynes, trovis, ke ili povas trejni artefaritan inteligentecon (AI) por imiti la manieron kiel hundoj. odori malsanon. La studo trovis, ke la ML-programo egalis la sukcesprocentojn de hundoj en detektado de certaj malsanoj, inkluzive de prostatkancero. 

    La esplorprojekto kolektis urinspecimenojn de kaj malsanaj kaj sanaj individuoj; tiuj specimenoj tiam estis analizitaj por molekuloj kiuj povis indiki la ĉeeston de malsano. La esplorteamo trejnis grupon de hundoj por rekoni la odoron de malsanaj molekuloj, kaj esploristoj tiam komparis siajn sukcesprocentojn en identigado de malsano kun tiuj de ML. Testante la samajn specimenojn, ambaŭ metodoj gajnis pli ol 70-procentan precizecon. Esploristoj esperas testi pli ampleksan datuman aron por precizigi la signifajn indikilojn de diversaj malsanoj pli detale. Alia ekzemplo de malsan-detekta sensilo estas tiu evoluigita fare de MIT kaj Johns Hopkins University. Ĉi tiu sensilo uzas la nazojn de hundoj por detekti kanceron de veziko. Tamen, dum la sensilo estis sukcese provita sur hundoj, ankoraŭ estas iom da laboro por fari ĝin taŭga por klinika uzo.

    Disrompa efiko

    En 2022, esploristoj evoluigis e-nazon, aŭ AI-olfaktan sistemon, kiu eble povas diagnozi PD per odoraj komponaĵoj sur la haŭto. Por konstrui ĉi tiun teknologion, sciencistoj el Ĉinio kombinis gaskromatografion (GC) - mas-spektrometrion kun surfaca akustika ondo-sensilo kaj ML-algoritmoj. La GC povus analizi odorajn komponaĵojn el sebumo (olea substanco produktita de la homa haŭto). Sciencistoj tiam uzis la informojn por konstrui algoritmon por precize antaŭdiri la ĉeeston de PD, kun precizeco de 70 procentoj. Kiam sciencistoj aplikis ML por analizi la tutajn odorajn specimenojn, la precizeco saltis al 79 procentoj. Tamen, sciencistoj agnoskas, ke pli da studoj kun ampleksa kaj varia specimena grandeco devas esti faritaj.

    Dume, dum la apogeo de la COVID-19-pandemio, esplorado pri datumoj kolektitaj de porteblaj, kiel Fitbit, Apple Watch kaj Samsung Galaxy-smarthorloĝo, montris, ke ĉi tiuj aparatoj eble povus detekti virusan infekton. Ĉar ĉi tiuj aparatoj povas kolekti korajn kaj oksigenajn datumojn, dormajn ŝablonojn kaj agadnivelojn, ili povus averti uzantojn pri eblaj malsanoj. 

    Precipe, Mount Sinai Hospital analizis la datumojn de Apple Watch de 500 pacientoj kaj malkovris, ke tiuj infektitaj de la COVID-19-pandemio montris ŝanĝojn en sia kora ŝanĝfrekvenco. Esploristoj esperas, ke ĉi tiu malkovro povas konduki al la uzo de porteblaj por krei fruan detektan sistemon por aliaj virusoj kiel gripo kaj gripo. Avertsistemo ankaŭ povas esti dizajnita por detekti infektajn punktojn por estontaj virusoj, kie sansekcioj povas interveni antaŭ ol tiuj malsanoj evoluas en plenajn pandemiojn.

    Implikoj de malsan-detektaj sensiloj

    Pli larĝaj implicoj de malsan-detektantaj sensiloj povas inkludi: 

    • Asekuraj provizantoj antaŭenigantaj malsan-detektajn sensilojn por pacienca prizorga informo. 
    • Konsumantoj investantaj en sensiloj kaj aparatoj helpitaj de AI, kiuj detektas maloftajn malsanojn kaj eblajn koratakojn kaj epilepsiatakojn.
    • Pliigante komercajn ŝancojn por porteblaj produktantoj por evoluigi aparatojn por realtempa pacienca spurado.
    • Kuracistoj temigantaj konsiloficklopodojn prefere ol diagnozoj. Ekzemple, pliigante la uzon de malsan-detektantaj sensiloj por helpi en diagnozo, kuracistoj povas pasigi pli da tempo disvolvante personigitajn kuracplanojn.
    • Esplororganizoj, universitatoj kaj federaciaj agentejoj kunlaborantaj por krei aparatojn kaj softvarojn por plibonigi diagnozon, paciencan prizorgadon kaj popol-skalan pandemian detekton.
    • La ĝeneraligita adopto de malsan-detektantaj sensiloj instigantaj sanprovizantojn ŝanĝi al prognozaj sanmodeloj, kondukante al pli fruaj intervenoj kaj plibonigitaj paciencaj rezultoj.
    • Registaroj reviziantaj sanpolitikojn por integri sensil-bazitajn diagnozon, rezultigante pli efikan popolsanmonitoradon kaj respondsistemojn.
    • Sensilteknologio ebligas malproksiman paciencan monitoradon, reduktante hospitalajn vizitojn kaj sankostojn, kio estas precipe utila por kamparaj aŭ nesufiĉe servitaj komunumoj.

    Konsiderindaj demandoj

    • Se vi posedas porteblan, kiel vi uzas ĝin por spuri viajn sanajn statistikojn?
    • Kiel alie malsan-detektaj sensiloj povas ŝanĝi la sansektoron?

    Enrigardaj referencoj

    La sekvaj popularaj kaj instituciaj ligiloj estis referenceitaj por ĉi tiu kompreno: