به گزارش کارگروه فناوری اطلاعات سایبربان ؛ در آینده نوع دیگری پیام از تلفن هوشمند برای شما ارسال می شود که خطر مرگ شما را در سالهای آینده پیش بینی میکند.
یک مطالعه جدید منتشر شده در مجله PLOS Digital Health نشان میدهد که ردیابی غیر فعال دادههای حرکتی از طریق حسگرهای گوشیهای هوشمند میتواند به طور موثر خطر مرگ و میر پنج ساله یک فرد را با دقت ۷۰ درصد پیشبینی کند.
این تحقیق مبتنی بر شواهد زیادی است که ارتباط بین سرعت راه رفتن و سلامت عمومی را نشان میدهد.
برای دستیابی به پیش بینیهای دقیق سلامتی و مرگ و میر، مطالعات قبلی عموماً شرکت کنندگان را ملزم به استفاده از ردیابهای تخصصی تناسب اندام به صورت ۲۴ ساعته و یا تکمیل "تستهای تجزیه و تحلیل راه رفتن" در شرایط آزمایشگاهی کرده است.
با این حال ، این مطالعه جدید سوالی را مطرح کرده است که آیا دادههای حرکتی جمع آوری شده از طریق حسگرها در تلفنهای هوشمند معمولی میتواند برای ارائه پیش بینیهای دقیق کافی باشد.
محققان مجموعه داده بزرگی را که شامل ۱۰۰۰۰۰ شرکتکننده از بایو بانک (Biobank) بریتانیا بود، بررسی کردند.
گروه به مدت یک هفته از مانیتورهای فعالیت مچ دست استفاده کردند و حداقل به مدت پنج سال تحت نظر قرار گرفتند.
این بزرگترین مجموعه داده حسگر حرکتی است که در حال حاضر موجود است.
به گفته محققان، دادههای کوتاه مدت شدت حرکت جمعآوریشده توسط این ردیابهای تناسب اندام، مشابه دادههایی است که میتوان توسط یک تلفن هوشمند در جیب یک فرد ضبط کرد.
گرچه این دادهها از مانیتورهای فعالیت جمعآوری شدهاند؛ اما مدلهای حسگر ما تنها از ورودیهایی استفاده میکنند که امکان جمعآوری آنها با استفاده از تلفنهای ارزان قیمت در حال حاضر امکانپذیر است.
تلفنها، مدلهای پیشبینی بسیار دقیقی را برای وضعیت سلامتی بیماران قلبی ریوی ایجاد میکنند.
با استفاده از تنها شش دقیقه در روز از ردیابی سرعت راه رفتن، الگوریتم پیشبینیکننده میتواند تخمینهای خطر مرگ و میر پنج ساله را ارائه دهد که به اندازه برآوردهایی که توسط ابزارهای گجت یا آزمایش راه رفتن بالینی پیچیدهتر، به دقت جمعآوری شده بود.
اسکنهای ساده چشم، غربالگری خون یا تستهای تعادل کوتاه همه به عنوان راههایی برای غربالگری افراد از نظر خطر مرگ زودرس پیشنهاد شده اند.
در حال حاضر آزمایشهای وسیعتری برای تمرکز بیشتر روی دادههایی که مستقیماً از تلفنهای هوشمند جمعآوری میشوند، برنامهریزی شدهاند.
محققان در تلاش هستند تا گروههای مطالعاتی را تا حد امکان متنوع کنند و مدلهای پیشبینی را در بین جمعیتهای مختلف دقیق پردازش کنند.
محققان در این مطالعه نتیجه گرفتند: این موضوع به ویژه برای اهداف سلامت مهم است.
اپلیکیشنهای تلفن میتوانند شش دقیقه پیادهروی متوالی را در طول زندگی روزانه ضبط کنند، سپس مدلهای پیشبینیکننده را برای طبقهبندی ریسک از طریق تجزیه و تحلیل جمعیت محاسبه کنند.
مطالعه جدید در PLOS Digital Health منتشر شده است.
