החוקרים כבר מזמן הצליחו להשתמש במידע משעונים חכמים כדי לזהות תנועה פיזית, כמו ישיבה או הליכה, כי לובשים מופיעים במסגרת מעבדה מבוקרת.
כעת, חוקרי אוניברסיטת וושינגטון פיתחו דרך, תוך שימוש באלגוריתם מחשב ומערך נתונים גדול שנאסף מ- SmartWatches, כדי לזהות באופן מקיף יותר מה אנשים עושים במסגרות יומיומיות, כמו עבודה, אכילה, ביצוע תחביבים או הפעלת סידורים.
היצירה, שפורסמה ב IEEE Journal of Biomedical and Health Informaticsיכול יום אחד להוביל לשיפור ההערכה וההבנה של בריאות קוגניטיבית, שיקום, ניהול מחלות או התאוששות כירורגית. במחקר שלהם, החוקרים הצליחו לזהות במדויק פעילויות 78% מהזמן.
דיאן קוק, פרופסור ל"ו, פרופסור לריג'ייס, פרופסור לריג'או, פרופסור לריג'או, פרופסור לריג'או, פרופסור לראג'יי, פרופסור לריג'או, פרופסור לריג'או, "אם אנו רוצים לקבוע אם מישהו זקוק לסיוע בטיפול בבית או במקום אחר ובאיזו רמת סיוע, עלינו לדעת עד כמה האדם יכול לבצע פעילויות קריטיות, "כמה טוב הם יכולים לרחוץ את עצמם, להאכיל את עצמם, לטפל בכספים או לעשות סידורים משלהם? אלה הדברים שאתה באמת צריך כדי להיות מסוגל להשיג כדי להיות עצמאי."
אחד האתגרים הגדולים בתחום הבריאות הוא לנסות להעריך כיצד אנשים חולים או קשישים מנהלים את חיי היומיום שלהם. אנשי מקצוע בתחום הרפואה זקוקים לעיתים קרובות למידע מקיף יותר על האופן בו אדם מבצע פעילויות פונקציונליות, או התנהגות ברמה גבוהה יותר, מכוונת מטרה, כדי באמת להעריך את בריאותו. כפי שיודע כל מי שמנסה לעזור להורה רחוק עם אתגרי הזדקנות או בריאות, שמידע על אופן ביצוע האדם שמופיע בתשלום חשבונותיו, הפעלת סידורים או ארוחות בישול הוא מורכב, משתנה וקשה לאיסוף – בין אם במשרד של רופא או עם שעון חכם.
חוסר המודעות למעמדו הקוגניטיבי והפיזי של האדם הוא אחד המכשולים העומדים בפנינו ככל שאנו מתבגרים, ולכן יש דרך אוטומטית לתת אינדיקטורים היכן אדם יאפשר ליום אחד יאפשר לנו להתערב טוב יותר עבורם ולשמור עליהם לא רק בריאים, אלא באופן עצמאי באופן אידיאלי. עבודה זו מקיימת את הבסיס ליישומים מתקדמים יותר, מודעים להתנהגות בבריאות דיגיטלית ו- AI מרוכז אנושי. "
דיאן קוק, פרופסור לרגנטים של WSU, בית הספר להנדסת חשמל ומדעי המחשב של WSU
למחקרם, חוקרי WSU אספו מידע על פעילות במשך מספר שנים מכמה מחקרים.
"בכל פעם שהיה לנו מחקר שאסף נתוני שעון חכם, הוספנו שאלה לאפליקציית איסוף הנתונים שלנו שביקשה מהמשתתפים לתווית עצמית בפעילותם הנוכחית, וככה סיימנו כל כך הרבה משתתפים מכל כך הרבה מחקרים," אמרה. "ואז פשוט חפרנו לראות אם אנו יכולים לבצע הכרת פעילות."
503 משתתפי המחקר במשך שמונה שנים התבקשו בתקופות אקראיות לאורך היום לבחור מתוך רשימה גלילה של 12 קטגוריות כדי לתאר את מה שהם עושים. הקטגוריות כללו דברים כמו ביצוע סידורים, שינה, נסיעה, עבודה, אכילה, חברתיים או מרגיעה. החוקרים ניתחו מגוון של שיטות בינה מלאכותית ליכולתם להכליל בין אוכלוסיית משתתפי המחקר.
החוקרים פיתחו מערך נתונים בקנה מידה גדול הכולל למעלה מ- 32 מיליון נקודות נתונים שכותרתו, כאשר כל נקודה מייצגת דקה של פעילות. לאחר מכן הם אימנו מודל AI כדי לחזות איזו פעילות פונקציונלית התרחשה. הם הצליחו לחזות פעילויות עד 77.7% מהזמן.
"צעד יסודי הוא לבצע זיהוי פעילות מכיוון שאם נוכל לתאר את התנהגותו של אדם מבחינת פעילות בקטגוריות המוכרות היטב, נוכל להתחיל לדבר על דפוסי ההתנהגות שלהם ושינויים בדפוסים שלהם", אמר קוק. "אנו יכולים להשתמש במה שאנחנו חשים כדי לנסות להתקרב למדדים מסורתיים של בריאות, כמו בריאות קוגניטיבית ועצמאות תפקודית."
החוקרים מקווים להשתמש במודל שלהם במחקרים עתידיים בתחומים כמו היכולת לאפשר אוטומציה של אבחנות קליניות, ולחפש קשרים בין התנהגות, בריאות, גנטיקה וסביבה. השיטות ומערך הנתונים ללא כל מידע מזהה זמינים גם לציבור עבור חוקרים אחרים להשתמש בהם. העבודה מומנה על ידי המכונים הלאומיים לבריאות.
