Τα επίπεδα φυσικής κατάστασης και πώς μπορούν να προβλεφθούν

Ερευνητές του Cambridge ανέπτυξαν μια μέθοδο για τη μέτρηση της συνολικής φυσικής κατάστασης με ακρίβεια σε φορητές συσκευές, χωρίς ο χρήστης να χρειάζεται να ασκηθεί.

Ειδικότερα, οι συμμετέχοντες στη μελέτη φορούσαν φορητές συσκευές συνεχώς για 6 ημέρες. Οι αισθητήρες συγκέντρωσαν 60 τιμές ανά δευτερόλεπτο, με αποτέλεσμα να υπάρξει ένας τεράστιος όγκος δεδομένων. «Έπρεπε να σχεδιάσουμε έναν αγωγό αλγορίθμων και κατάλληλα μοντέλα που θα μπορούσαν να συμπιέσουν αυτόν τον τεράστιο όγκο δεδομένων και να τον χρησιμοποιήσουμε για να κάνουμε μια ακριβή πρόβλεψη», δήλωσε ο επικεφαλής συγγραφέας Δρ Δημήτρης Σπαθής από το τμήμα Επιστήμης και Τεχνολογίας Υπολογιστών του Cambridge.

Οι ερευνητές χρησιμοποίησαν ένα μοντέλο τεχνητής νοημοσύνης, γνωστό ως βαθύ νευρωνικό δίκτυο για να επεξεργαστούν και να εξάγουν σημαντικές πληροφορίες από τα ακατέργαστα δεδομένα του αισθητήρα και να κάνουν προβλέψεις από αυτά. Πέρα από τις προβλέψεις, τα εκπαιδευμένα μοντέλα μπορούν να χρησιμοποιηθούν για τον εντοπισμό υποπληθυσμών που χρειάζονται ιδιαίτερη παρέμβαση σχετικά με τη φυσική κατάσταση.

Τα βασικά δεδομένα από 11.059 συμμετέχοντες στη μελέτη Fenland συγκρίθηκαν με δεδομένα παρακολούθησης που ελήφθησαν 7  χρόνια αργότερα από 2.675 εκ των αρχικών συμμετεχόντων. Μια τρίτη ομάδα 181 συμμετεχόντων από τη Μελέτη Επικύρωσης Biobank του Ηνωμένου Βασιλείου υποβλήθηκε σε εργαστηριακό έλεγχο VO2max - μιας βασικής μέτρησης της συνολικής φυσικής κατάστασης και σημαντικού προγνωστικού παράγοντα καρδιακών παθήσεων και κινδύνου θνησιμότητας -για να επικυρώσει την ακρίβεια του αλγορίθμου. Το μοντέλο μηχανικής μάθησης είχε ισχυρή συμφωνία με τις μετρηθείσες βαθμολογίες VO2max, τόσο στη βασική γραμμή (82% συμφωνία), όσο και στη δοκιμή παρακολούθησης (72% συμφωνία).

«Αυτή η μελέτη είναι μια τέλεια απόδειξη του τρόπου με τον οποίο μπορούμε να αξιοποιήσουμε την τεχνογνωσία στην επιδημιολογία, τη δημόσια υγεία, τη μηχανική μάθηση και την επεξεργασία σημάτων», δήλωσε ο συν-επικεφαλής συγγραφέας Δρ Ignacio Perez-Pozuelo.

Οι ερευνητές υποστηρίζουν ότι τα αποτελέσματά τους καταδεικνύουν πώς οι φορητές αυτές συσκευές μπορούν να μετρήσουν με ακρίβεια τη φυσική κατάσταση.

«Αποδείξαμε ότι δεν χρειάζεστε ένα ακριβό τεστ σε ένα εργαστήριο για να έχετε μια πραγματική μέτρηση της φυσικής κατάστασης – οι φορητές συσκευές που χρησιμοποιούμε καθημερινά μπορούν να είναι εξίσου ισχυρές, εάν υποστηρίζονται από το σωστό αλγόριθμο», είπε η συγγραφέας Δρ Cecilia Mascolo από το Τμήμα Επιστήμης και Τεχνολογίας Υπολογιστών. 

Απολαμβάνετε το περιεχόμενο μας? Εγγραφείτε στο newsletter μας!

"Η καρδιαγγειακή φυσική κατάσταση είναι ένας τόσο σημαντικός δείκτης υγείας, αλλά μέχρι τώρα δεν είχαμε τα μέσα να το μετρήσουμε σε κλίμακα. Αυτά τα ευρήματα θα μπορούσαν να έχουν σημαντικές επιπτώσεις στις πολιτικές υγείας του πληθυσμού, ώστε να μπορούμε να προχωρήσουμε πέρα από πιο αδύναμους δείκτες υγείας όπως η μάζα σώματος Δείκτης (ΔΜΣ)».