ساعت‌های هوشمند می‌توانند به شناسایی و ردیابی کووید کمک کنند – این چیزی است که تحقیقات نشان می‌دهد

فناوری‌های پوشیدنی مانند ساعت‌های هوشمند و ردیاب‌های فعالیت در چند سال گذشته با توجه به پتانسیل خود برای نظارت بر سلامت ما مورد توجه بسیاری قرار گرفته‌اند. در طول همه‌گیری، توجه به این موضوع معطوف شد که آیا این پوشیدنی‌ها می‌توانند تغییرات فیزیولوژیکی را که ممکن است نشان‌دهنده عفونت کووید باشد، شناسایی کنند. این به نوبه خود می تواند به جداسازی و آزمایش زودهنگام و کاهش انتشار ویروس کمک کند.

پس شواهد چه می گویند؟ آیا این فناوری‌ها می‌توانند ابزار مؤثری برای مقابله با همه‌گیری باشند؟

بیا یک نگاهی بیندازیم

نشان داده شده است که افزایش تعداد تنفس یا تعداد تنفس نشانگر زیستی مفیدی برای تشخیص زودهنگام کووید است. میزان تنفس را می توان با استفاده از روشی به نام فتوپلتیسموگرافی ارزیابی کرد که فقط به یک نقطه تماس (مثلاً انگشت یا مچ دست) نیاز دارد.

فتوپلتیسموگرافی اغلب به عوامل خارجی مانند نور محیط، فشار یا حرکت حساس است. بنابراین بیشتر مطالعاتی که با هدف استفاده از این روش برای تشخیص کووید انجام شده اند، بر مشاهده افراد در هنگام خواب متمرکز شده اند.

شرکت الکترونیک Fitbit نرخ تنفس در شب هزاران کاربر دستگاه‌هایشان را تجزیه و تحلیل کرد تا ببیند آیا این معیار می‌تواند به تشخیص کووید کمک کند یا خیر.

آنها دریافتند که در یک دوره هفت روزه (از یک روز قبل از شروع علائم یا یک روز قبل از مثبت شدن آزمایش برای شرکت کنندگان بدون علائم)، نسبتی از افراد مبتلا به کووید حداقل یک اندازه گیری افزایش تعداد تنفس را نشان دادند.

اگرچه این تنها در یک سوم مبتلایان علامت دار کووید و یک چهارم بیماران بدون علامت مشاهده شد، این مطالعه نشان می دهد که پوشیدنی های تجاری به طور بالقوه می توانند راهی غیرتهاجمی برای تشخیص و آزمایش عفونت های احتمالی کووید باشند.

مطالعه دیگری به پتانسیل یک ردیاب تناسب اندام از برند آمریکایی Whoop برای پیش بینی خطر ابتلا به کووید پرداخت.

داده‌های تعداد تنفس و سایر معیارهای عملکرد قلب از گروهی از افراد مبتلا به کووید برای آموزش الگوریتم پیش‌بینی عفونت استفاده شد.

سپس این مدل روی گروه جداگانه‌ای از افراد، برخی مبتلا به کووید و برخی بدون کووید اما با علائم مشابه آزمایش شد.

بر اساس میزان تنفس در هنگام خواب، این فناوری توانست 20 درصد موارد مثبت کووید را در دو روز قبل از ظهور علائم و 80 درصد موارد را در روز سوم علائم شناسایی کند.

یک مطالعه اخیر نشان داد که یک دستگاه ردیابی باروری به نام آوا که در اطراف مچ نیز استفاده می شود، می تواند تغییرات فیزیولوژیکی را تا دو روز قبل از شروع علائم کووید شناسایی کند.

این دستگاه سیگنال هایی از جمله ضربان تنفس، ضربان قلب، دمای پوست و جریان خون و همچنین کمیت و کیفیت خواب را اندازه گیری می کند. داده های بیماران مبتلا به کووید مثبت به طور مشابه برای اطلاع رسانی الگوریتم یادگیری ماشینی استفاده شد.

آزمایش نشان داد که می تواند 68 درصد موارد مثبت را تا دو روز قبل از آشکار شدن علائم تشخیص دهد.

سایر اشکال تشخیص دیجیتال علاوه بر پوشیدنی‌ها، فناوری‌های دیجیتال می‌توانند به روش‌های دیگری نیز برای تشخیص کووید مورد استفاده قرار گیرند. میکروفون های باکیفیت در حال حاضر در گوشی های هوشمند و سایر گجت ها تعبیه شده اند و راه را برای تجزیه و تحلیل صوتی هموار می کنند.

کووید معمولاً دستگاه تنفسی فوقانی و تارهای صوتی را تحت تأثیر قرار می دهد و باعث ایجاد تغییراتی در صدای افراد می شود. نشان داده شده است که یک برنامه تلفن همراه که بر روی صدها نمونه صوتی از افراد مبتلا به کووید یا بدون کووید آموزش داده شده است، در ۸۹ درصد مواقع به طور دقیق تشخیص می دهد که آیا یک فرد به ویروس مبتلا شده است یا خیر.

من و همکارانم اپلیکیشنی را توسعه دادیم که هدف آن تشخیص اینکه آیا ممکن است شما به کووید مبتلا شده‌اید یا خیر، از صدای سرفه‌تان تشخیص دهد.

این فناوری در حال حاضر در حال تحقیق است

تحقیقات ردیابی بیماری همچنین در حال بررسی پتانسیل فناوری هوشمند و دستگاه‌های پوشیدنی برای نظارت بر افراد در طول عفونت کووید است.

برای مثال، یک تیم از یک دستگاه داخل گوش برای اندازه‌گیری اشباع اکسیژن، ضربان تنفس، ضربان قلب و دما در بیماران پرخطری که کووید را در خانه مدیریت می‌کنند، هر ۱۵ دقیقه استفاده کردند.

داده ها توسط یک تیم آموزش دیده نظارت شد و برای شناسایی بیمارانی که ممکن است به مراقبت های پزشکی اضافی نیاز داشته باشند، استفاده شد. در آغاز همه‌گیری، تلفن‌های هوشمند به‌عنوان راه‌حلی بالقوه برای تشخیص هیپوکسی از طریق نوک انگشت کاربر پیشنهاد شدند.

هیپوکسی به سطوح پایین اکسیژن در بافت‌های بدن اشاره دارد و در برخی از بیماران کووید با بیماری‌های جدی‌تر به‌طور بی‌سروصدا رخ می‌دهد.

همچنین از فناوری پوشیدنی برای ترسیم تأثیر کووید در مقیاس بزرگتر استفاده شده است. به عنوان مثال، داده‌های هزاران فیت‌بیت، تغییرات خواب را در طول همه‌گیری نشان می‌دهد (مثلاً در ابتدای همه‌گیری، افراد تمایل دارند بیشتر بخوابند).

یک خط دفاعی اضافی بیشتر ابزارهای پوشیدنی و سایر فناوری‌هایی که از نظر پتانسیل شناسایی کووید مورد آزمایش قرار می‌گیرند، به روش‌های هوش مصنوعی (AI) به ویژه یادگیری ماشینی و یادگیری عمیق متکی هستند.

هوش مصنوعی می‌تواند حجم زیادی از داده‌ها را با جزئیات زیاد اسکن کند تا الگوهای مرتبط در سیگنال‌های بدن را شناسایی کند تا وضعیت سلامتی مورد نظر را تشخیص دهد.

با این حال، الگوهای سیگنال بیولوژیکی می تواند در داخل و بین بیماران بسیار متغیر باشد، بنابراین ممکن است محدودیت هایی برای این مدل های هوش مصنوعی در دنیای واقعی وجود داشته باشد. همچنین شایان ذکر است که پوشیدنی های استاندارد به طور خاص برای نظارت مستمر علائم بیماری های عفونی طراحی نشده اند.

بنابراین ممکن است به بهبود فناوری و الگوریتم نیاز باشد

برای رسیدگی به این چالش‌ها، به همراه بررسی دقیق هرگونه نگرانی بالقوه حریم خصوصی مرتبط با جمع‌آوری داده‌های بیولوژیکی برای این منظور، به تحقیقات مداوم نیاز داریم.

اما ابزارهای پوشیدنی و سایر فناوری‌های دیجیتال می‌توانند خط دفاعی بیشتری را برای کمک به ما در جلوگیری از کووید و سایر بیماری‌های عفونی فراهم کنند.