لندن: بر اساس یک مطالعه، ردیاب‌های بهداشتی که روی مچ قرار می‌گیرند می‌توانند به شناسایی COVID-19 روز قبل از ظاهر شدن اولین نشانه‌های بیماری ویروسی کمک کنند. محققان خاطرنشان کردند که تعداد فزاینده‌ای از مردم در سراسر جهان از ردیاب‌های سلامتی برای نظارت بر تغییرات دمای پوست، ضربان قلب و تنفس استفاده می‌کنند.
آخرین مطالعه منتشر شده در مجله BMJ open نشان می‌دهد که این داده‌ها را می‌توان با هوش مصنوعی (AI) برای تشخیص COVID-19 حتی قبل از ظهور علائم ترکیب کرد.
محققان گفتند در حالی که تست سواب PCR استاندارد طلایی برای تایید COVID-19 است، “یافته‌های ما نشان می‌دهد که یک الگوریتم یادگیری ماشینی با اطلاعات پوشیدنی ممکن است به عنوان ابزاری امیدوارکننده برای تشخیص پیش‌علامت یا بدون علامت COVID-19 باشد.”
محققان، از جمله آزمایشگاه پزشکی Risch، لیختن اشتاین، یافته‌های خود را بر اساس استفاده کنندگان از دستبند AVA قرار داده‌اند.
ردیاب باروری تنظیم شده و در دسترس تجاری، ضربان تنفس، ضربان قلب، تغییرات ضربان قلب، دمای پوست مچ دست و جریان خون و همچنین کمیت و کیفیت خواب را کنترل می کند.
علائم معمولی کووید-19 ممکن است چند روز پس از عفونت طول بکشد تا اینکه ظاهر شوند و طی این مدت یک فرد آلوده می تواند ناخواسته ویروس را پخش کند.
محققان می‌خواستند ببینند آیا تغییرات فیزیولوژیکی که توسط یک ردیاب فعالیت نظارت می‌شود، می‌تواند برای توسعه یک الگوریتم یادگیری ماشینی برای تشخیص عفونت COVID-19 قبل از شروع علائم استفاده شود یا خیر.
1163 شرکت کننده زیر 51 سال از مطالعه GAPP بین مارس 2020 و آوریل 2021 انتخاب شدند.
GAPP، که در سال 2010 آغاز شد، با هدف درک بهتر توسعه عوامل خطر قلبی عروقی در جمعیت عمومی لیختن اشتاین است.
شرکت کنندگان در شب دستبند AVA را می پوشیدند. این دستگاه هر 10 ثانیه داده ها را ذخیره می کند و حداقل به چهار ساعت خواب نسبتاً بدون وقفه نیاز دارد. این دستبندها در هنگام بیداری با یک اپلیکیشن مکمل گوشی هوشمند هماهنگ شدند.
آنها به طور منظم آزمایشات آنتی بادی سریع را برای SARS-CoV-2، ویروس مسئول عفونت COVID-19 انجام دادند. کسانی که علائم نشان دهنده داشتند، آزمایش سواب PCR نیز انجام دادند.
حدود 127 نفر (11 درصد) در طول دوره مطالعه به عفونت COVID-19 مبتلا شدند.
از آنها، 66 نفر (52 درصد) حداقل 29 روز قبل از شروع علائم، دستبند خود را بسته بودند و با آزمایش سواب PCR مثبت بودن آنها تایید شد، بنابراین در تجزیه و تحلیل نهایی قرار گرفتند.
داده‌های پایش تغییرات قابل‌توجهی را در هر پنج شاخص فیزیولوژیکی در طول دوره‌های نهفتگی، پیش‌علامتی، علامت‌دار و بهبودی کووید-19 در مقایسه با اندازه‌گیری‌های پایه نشان داد.
علائم COVID-19 به طور متوسط 8.5 روز طول کشید.
این الگوریتم با استفاده از 70 درصد داده‌ها از روز 10 تا روز 2 قبل از شروع علائم در یک دوره 40 روزه نظارت مستمر بر 66 نفری که آزمایش SARS-CoV-2 مثبت داشتند، “آموزش داده شد”. سپس بر روی 30 درصد باقی مانده از داده ها آزمایش شد.
حدود 73 درصد موارد مثبت تایید شده آزمایشگاهی در مجموعه آموزشی و 68 درصد در مجموعه آزمایشی تا دو روز قبل از شروع علائم تشخیص داده شدند.
محققان می‌گویند: «فناوری حسگرهای پوشیدنی روشی آسان و کم‌هزینه است که افراد را قادر می‌سازد تا سلامت و تندرستی خود را در طول یک بیماری همه‌گیر ردیابی کنند.
آنها می‌گویند: «تحقیق ما نشان می‌دهد که چگونه این دستگاه‌ها با همکاری هوش مصنوعی، می‌توانند مرزهای پزشکی شخصی‌سازی‌شده را جابجا کنند و بیماری‌های قبل از (ظهور علائم) را شناسایی کنند و به طور بالقوه انتقال ویروس را در جوامع کاهش دهند.
محققان اذعان می کنند که نتایج آنها ممکن است به طور گسترده قابل استفاده نباشد.
به گفته آنها، یافته‌ها فقط بر روی نمونه کوچکی از افراد بود که همه آنها نسبتاً جوان بودند – بنابراین احتمال کمتری داشت علائم شدید COVID-19 را داشته باشند – از یک مرکز ملی واحد، و از نظر قومی متفاوت نبودند.
دقت (حساسیت) به دست آمده زیر 80 درصد بود. اما محققان افزودند که این الگوریتم اکنون در گروه بسیار بزرگتری (20000) از مردم هلند در حال آزمایش است و نتایج آن در اواخر امسال انتظار می رود.