Հիվանդություն հայտնաբերող սենսորներ. հայտնաբերել հիվանդությունները, քանի դեռ շատ ուշ չէ

ՊԱՏԿԵՐԻ ՎԱՐԿ.
Image վարկային
iStock- ը

Հիվանդություն հայտնաբերող սենսորներ. հայտնաբերել հիվանդությունները, քանի դեռ շատ ուշ չէ

Հիվանդություն հայտնաբերող սենսորներ. հայտնաբերել հիվանդությունները, քանի դեռ շատ ուշ չէ

Ենթավերնագրի տեքստը
Հետազոտողները մշակում են սարքեր, որոնք կարող են հայտնաբերել մարդկանց հիվանդությունները՝ հիվանդների ողջ մնալու հավանականությունը մեծացնելու համար:
    • Հեղինակ:
    • Հեղինակ անունը
      Quantumrun Հեռատեսություն
    • Հոկտեմբեր 3, 2022

    Insight ամփոփում

    Գիտնականները օգտագործում են սենսորային տեխնոլոգիաները և արհեստական ​​ինտելեկտը (AI)՝ հիվանդությունները վաղ հայտնաբերելու համար՝ պոտենցիալ փոխակերպելով առողջապահությունը այնպիսի սարքերով, որոնք նմանակում են շների հիվանդությունը հոտոտելու ունակությունը կամ օգտագործելու կրելի սարքեր՝ վերահսկելու կենսական նշանները: Այս զարգացող տեխնոլոգիան խոստումնալից է այնպիսի հիվանդությունների կանխատեսման հարցում, ինչպիսիք են Պարկինսոնը և COVID-19-ը, և հետագա հետազոտությունները ուղղված են ճշգրտության բարձրացմանն ու հավելվածների ընդլայնմանը: Այս առաջընթացները կարող են զգալի հետևանքներ առաջարկել առողջապահության համար՝ սկսած ապահովագրական ընկերություններից, որոնք օգտագործում են սենսորներ հիվանդների տվյալների հետևման համար, մինչև կառավարությունները, որոնք ինտեգրում են սենսորների վրա հիմնված ախտորոշումը հանրային առողջության քաղաքականության մեջ:

    Հիվանդություն հայտնաբերող սենսորների համատեքստը

    Վաղ հայտնաբերումը և ախտորոշումը կարող են կյանքեր փրկել, հատկապես վարակիչ հիվանդությունների կամ հիվանդությունների դեպքում, որոնք կարող են ամիսներ կամ տարիներ տևել ախտանիշների դրսևորման համար: Օրինակ, Պարկինսոնի հիվանդությունը (PD) ժամանակի ընթացքում առաջացնում է շարժիչի վատթարացում (օրինակ՝ ցնցումներ, կոշտություն և շարժունակության խնդիրներ): Շատերի համար վնասներն անդառնալի են, երբ նրանք հայտնաբերեն իրենց հիվանդությունը: Այս խնդիրը լուծելու համար գիտնականները ուսումնասիրում են տարբեր սենսորներ և մեքենաներ, որոնք կարող են հայտնաբերել հիվանդություններ՝ սկսած շների քթից մինչև մեքենայական ուսուցում (ML): 

    2021 թվականին հետազոտողների կոալիցիան, ներառյալ Մասաչուսեթսի տեխնոլոգիական ինստիտուտը (MIT), Հարվարդի համալսարանը, Մերիլենդի Ջոնս Հոփքինսի համալսարանը և Միլթոն Քեյնսի բժշկական հայտնաբերման շները, պարզեցին, որ նրանք կարող են վարժեցնել արհեստական ​​ինտելեկտը (AI)՝ ընդօրինակելու շներին: հիվանդության հոտը հանել. Հետազոտությունը ցույց է տվել, որ ML ծրագիրը համընկնում է շների հաջողության ցուցանիշներին որոշ հիվանդություններ հայտնաբերելու հարցում, ներառյալ շագանակագեղձի քաղցկեղը: 

    Հետազոտական ​​նախագիծը հավաքել է մեզի նմուշներ ինչպես հիվանդ, այնպես էլ առողջ անհատներից; Այս նմուշներն այնուհետև վերլուծվել են մոլեկուլների համար, որոնք կարող են ցույց տալ հիվանդության առկայությունը: Հետազոտական ​​թիմը վարժեցրել է մի խումբ շների՝ ճանաչելու հիվանդ մոլեկուլների հոտը, և հետազոտողները այնուհետև համեմատել են հիվանդության հայտնաբերման նրանց հաջողության ցուցանիշները ՄԼ-ի հետ: Նույն նմուշները փորձարկելիս երկու մեթոդներն էլ հավաքել են ավելի քան 70 տոկոս ճշգրտություն: Հետազոտողները հույս ունեն փորձարկել ավելի ընդարձակ տվյալներ՝ տարբեր հիվանդությունների նշանակալի ցուցիչները ավելի մանրամասնորեն պարզելու համար: Հիվանդությունը հայտնաբերող սենսորի մեկ այլ օրինակ է այն, որը մշակվել է MIT-ի և Ջոն Հոփկինսի համալսարանի կողմից: Այս սենսորն օգտագործում է շների քիթը միզապարկի քաղցկեղը հայտնաբերելու համար: Այնուամենայնիվ, թեև սենսորը հաջողությամբ փորձարկվել է շների վրա, դեռևս որոշակի աշխատանք կա անելու՝ այն կլինիկական օգտագործման համար պիտանի դարձնելու համար:

    Խանգարող ազդեցություն

    2022 թվականին հետազոտողները մշակեցին էլեկտրոնային քիթ կամ AI հոտառական համակարգ, որը կարող է պոտենցիալ ախտորոշել PD-ն՝ մաշկի հոտի միացությունների միջոցով: Այս տեխնոլոգիան ստեղծելու համար Չինաստանի գիտնականները համակցեցին գազային քրոմատագրման (GC)-զանգվածային սպեկտրոմետրիան մակերեսային ակուստիկ ալիքի սենսորով և ML ալգորիթմներով: GC-ն կարող է վերլուծել ճարպի (մարդու մաշկի կողմից արտադրվող յուղոտ նյութ) հոտային միացությունները: Գիտնականներն այնուհետև օգտագործեցին տեղեկատվությունը՝ 70 տոկոս ճշգրտությամբ PD-ի առկայությունը ճշգրիտ կանխատեսելու ալգորիթմ ստեղծելու համար: Երբ գիտնականները ML կիրառեցին հոտի ողջ նմուշները վերլուծելու համար, ճշգրտությունը բարձրացավ մինչև 79 տոկոս: Այնուամենայնիվ, գիտնականներն ընդունում են, որ ավելի շատ ուսումնասիրություններ պետք է իրականացվեն լայնածավալ և բազմազան ընտրանքի չափով:

    Մինչդեռ, COVID-19 համաճարակի գագաթնակետին, կրելի սարքերի, ինչպիսիք են Fitbit-ը, Apple Watch-ը և Samsung Galaxy խելացի ժամացույցները հավաքագրված տվյալները, ցույց տվեցին, որ այդ սարքերը կարող են պոտենցիալ վիրուսային վարակ հայտնաբերել: Քանի որ այս սարքերը կարող են հավաքել սրտի և թթվածնի տվյալները, քնի ռեժիմը և ակտիվության մակարդակը, նրանք կարող են զգուշացնել օգտվողներին հնարավոր հիվանդությունների մասին: 

    Մասնավորապես, Mount Sinai Hospital-ը վերլուծել է Apple Watch-ի տվյալները 500 հիվանդներից և հայտնաբերել, որ COVID-19 համաճարակով վարակվածների մոտ փոփոխություններ են եղել սրտի փոփոխականության մակարդակում: Հետազոտողները հուսով են, որ այս հայտնագործությունը կարող է հանգեցնել կրելի սարքերի օգտագործմանը՝ այլ վիրուսների, ինչպիսիք են գրիպը և գրիպը, վաղ հայտնաբերման համակարգ ստեղծելու համար: Նախազգուշացման համակարգ կարող է նախագծվել նաև ապագա վիրուսների վարակման թեժ կետերը հայտնաբերելու համար, որտեղ առողջապահական բաժանմունքները կարող են միջամտել մինչև այս հիվանդությունները վերածվեն համավարակի:

    Հիվանդություն հայտնաբերող սենսորների հետևանքները

    Հիվանդություն հայտնաբերող սենսորների ավելի լայն հետևանքները կարող են ներառել. 

    • Ապահովագրական պրովայդերներ, որոնք խթանում են հիվանդություն հայտնաբերող սենսորները՝ հիվանդների առողջության պահպանման տեղեկատվության հետևման համար: 
    • Սպառողներ, ովքեր ներդրումներ են կատարում արհեստական ​​ինտելեկտի օգնությամբ հազվագյուտ հիվանդություններ և պոտենցիալ սրտի կաթվածներ և նոպաներ հայտնաբերող սարքերում:
    • Հագվող սարքեր արտադրողների բիզնեսի հնարավորությունների ավելացում՝ հիվանդներին իրական ժամանակում հետևելու սարքեր մշակելու համար:
    • Բժիշկները կենտրոնանում են խորհրդատվական ջանքերի վրա, քան ախտորոշման: Օրինակ, մեծացնելով հիվանդություն հայտնաբերող սենսորների օգտագործումը՝ ախտորոշմանն աջակցելու համար, բժիշկները կարող են ավելի շատ ժամանակ հատկացնել անհատական ​​բուժման պլանների մշակմանը:
    • Հետազոտական ​​կազմակերպությունները, համալսարանները և դաշնային գործակալությունները համագործակցում են սարքեր և ծրագրաշարեր ստեղծելու համար՝ ախտորոշումը, հիվանդների խնամքը և բնակչության մասշտաբով համաճարակի հայտնաբերումը բարելավելու համար:
    • Հիվանդություն հայտնաբերող սենսորների համատարած ընդունումը, որը խրախուսում է բուժաշխատողներին անցնել կանխատեսող առողջապահական մոդելների, ինչը հանգեցնում է ավելի վաղ միջամտությունների և հիվանդների բարելավման արդյունքների:
    • Կառավարությունները վերանայում են առողջապահական քաղաքականությունը՝ ինտեգրելու սենսորների վրա հիմնված ախտորոշումը, ինչը հանգեցնում է հանրային առողջության մոնիտորինգի և արձագանքման ավելի արդյունավետ համակարգերի:
    • Սենսորային տեխնոլոգիան հնարավորություն է տալիս հիվանդների հեռակա մոնիտորինգը, կրճատելով հիվանդանոց այցելությունները և առողջապահական ծախսերը, ինչը հատկապես ձեռնտու է գյուղական կամ անապահով համայնքների համար:

    Հարցեր, որոնք պետք է հաշվի առնել

    • Եթե ​​դուք կրելու սարք ունեք, ինչպե՞ս եք այն օգտագործում ձեր առողջական վիճակագրությունը հետևելու համար:
    • Այլապես ինչպե՞ս կարող են հիվանդություն հայտնաբերող սենսորները փոխել առողջապահական ոլորտը: