با افزایش ساعت‌های هوشمند و ردیاب‌های تناسب اندام، بهترین راه برای استفاده از پتانسیل این دستگاه‌ها چیست؟ تیمی از محققان با بودجه NIH ایده ای دارند – استفاده از این حسگرهای پوشیدنی به عنوان راهی برای پیش بینی نتایج آزمایش بالینی که به طور بالقوه می تواند به عنوان یک سیگنال هشدار اولیه برای مشکلات اساسی سلامتی باشد.
دکتر گریس پنگ، مدیر برنامه مدل‌سازی، شبیه‌سازی و تحلیل ریاضی NIBIB گفت: «دستگاه‌های پوشیدنی پتانسیل بسیار زیادی برای تسهیل نظارت و به طور بالقوه پیش‌بینی سلامت و بیماری انسان دارند. این مطالعه که به بررسی ارتباط داده‌های ساعت هوشمند با تست‌های آزمایشگاهی بالینی می‌پردازد، گام مهمی در این زمینه در حال توسعه است.
برای درک بهتر اینکه چگونه ساعت‌های هوشمند می‌توانند در مراقبت‌های بهداشتی معمول گنجانده شوند، نویسندگان مطالعه ابتدا نحوه جمع‌آوری داده‌ها با استفاده از یک دستگاه پوشیدنی را در مقایسه با اندازه‌گیری‌های انجام شده در یک محیط بالینی ارزیابی کردند. برای انجام این کار، آنها 54 شرکت کننده را به مدت حدود سه سال دنبال کردند. در طول این مدت، هر شرکت کننده حدود 40 بار به کلینیک مراجعه کرده و تقریباً 340 روز از یک ساعت هوشمند استفاده کرده است. این ساعت هوشمند چهار علامت حیاتی را اندازه گیری می کند: ضربان قلب، دمای پوست، تعداد قدم ها و فعالیت الکترودرمال (معیار رسانایی پوست). در کلینیک، ضربان قلب و دمای دهان اندازه گیری شد و پانل های آزمایشگاهی بالینی شامل شمارش کامل خون، پانل کامل متابولیک و پانل کلسترول انجام شد.
محققان تفاوت علائم حیاتی اندازه گیری شده در طول بازدیدهای بالینی را در مقابل اندازه گیری های مداوم از یک ساعت هوشمند ارزیابی کردند. آنها دریافتند که اندازه‌گیری‌های دما زمانی که در یک محیط بالینی ارزیابی می‌شوند سازگارتر است، زیرا دمای دهان به طور کلی تغییرپذیری کمتری نسبت به دمای پوست اندازه‌گیری شده هنگام پوشیدن دارد. با این حال، محققان دریافتند که ساعت هوشمند ضربان قلب دقیق تری را نشان می دهد، زیرا اندازه گیری های انجام شده در کلینیک به طور قابل توجهی تنوع بیشتری بین آنها دارد. زمانی که علائم حیاتی شما در مطب پزشک گرفته می‌شود، متغیرهای مختلفی وجود دارد که می‌تواند بر ضربان قلب تأثیر بگذارد، مانند زمان روز، نوع فعالیت‌هایی که قبل از قرار ملاقات انجام داده‌اید یا حتی عصبی بودن یا خیر. مایکل اسنایدر، سرپرست گروه ژنتیک در دانشکده پزشکی دانشگاه استنفورد، در طول آزمایش توضیح داد. از سوی دیگر، از آنجایی که ساعت هوشمند به طور مداوم استفاده می شود، ضربان قلب کاربر را می توان در طول روز اندازه گیری کرد، که در نتیجه اندازه گیری بسیار سازگارتر با تغییرات قابل توجهی کمتر است.
سپس، محققان می‌خواستند تعیین کنند که آیا می‌توانند نتایج آزمایش‌های آزمایشگاهی بالینی را با استفاده از اطلاعات جمع‌آوری‌شده از ساعت‌های هوشمند پیش‌بینی کنند. تولید چنین مدل‌های پیش‌بینی‌کننده‌ای نیازمند حجم وسیعی از اطلاعات است که در طول دوره مشاهده طولانی گرفته شده است. بنابراین، محققان داده‌های طولی جمع‌آوری‌شده توسط دستگاه‌ها را تجزیه و تحلیل کردند و اندازه‌گیری‌ها را به بیش از 150 ویژگی مختلف-مانند ضربان قلب متوسط در حین ورزش، تغییر دمای پوست در طول شب و فعالیت کلی الکترودرمال- تبدیل کردند. سپس با استفاده از مدل‌های یادگیری ماشین، این ویژگی‌ها را برای پیش‌بینی نتایج آزمایشگاهی بالینی ترکیب کردند.
سپس محققان نتایج پیش‌بینی‌شده تولید شده توسط مدل‌های خود را با نتایج مشاهده‌شده از آزمایش‌های آزمایشگاهی انجام‌شده در کلینیک مقایسه کردند. آنها دریافتند که پیش بینی های آنها با نتایج چندین آزمایش بالینی مطابقت دارد و چهار آزمایش خون بیشترین نتایج را پیش بینی می کند. این آزمایش‌ها شامل تعداد گلبول‌های قرمز (RBC)، تعداد مطلق مونوسیت‌ها، سطح هموگلوبین (HBG) و سطح هماتوکریت (HCT) است. جالب توجه است، محققان دریافتند که اندازه گیری های مربوط به فعالیت الکترودرمال عامل اصلی پیش بینی نتایج آزمایش RBC، HBG و HCT است.
اولین نویسنده، جسیلین دان، دکترا، استادیار مهندسی زیست پزشکی در دانشگاه دوک، توضیح داد: «فعالیت الکترودرمال معمولاً در یک محیط بالینی اندازه‌گیری نمی‌شود، اما یکی از فناوری‌هایی است که در آزمایش آشکارساز دروغ استفاده می‌شود». او می‌گوید: «ما اساساً به باز شدن غدد عرق نگاه می‌کنیم که می‌تواند در پاسخ به استرس، دما، وضعیت عاطفی یا حتی اندازه‌ای از هیدراتاسیون باشد. فعالیت الکترودرمال احتمالاً پتانسیل بالینی زیادی دارد، مانند تشخیص کم آبی بدن، به ویژه در افراد مسن، اما هنوز به عنوان منبعی در این زمینه استفاده نشده است.
دیگر اندازه‌گیری‌های ساعت هوشمند در پیش‌بینی نتایج آزمایش‌های خون خاص کلیدی بود. به عنوان مثال، مهم ترین اندازه گیری ها برای پیش بینی تعداد مطلق مونوسیت ها بر اساس تعداد گام ها و دمای پوست است. از سوی دیگر، پیش‌بینی تعداد پلاکت‌ها براساس اندازه‌گیری‌های مربوط به ضربان قلب است، در حالی که پیش‌بینی گلوکز پلاسما ناشتا از ترکیبی از اندازه‌گیری‌های دمای پوست، ضربان قلب و تعداد قدم‌ها استفاده می‌کند. دان خاطرنشان کرد: «نتایج ما نشان می‌دهد که ویژگی‌های فیزیولوژیکی مختلف با پیش‌بینی اقدامات بالینی مختلف مرتبط است».
با این حال، محققان تاکید می‌کنند که داده‌های ساعت هوشمند جایگزینی برای آزمایش‌های بالینی نیست، بلکه می‌تواند به عنوان یک علامت هشدار اولیه باشد که می‌تواند کاربر را ترغیب کند تا با پزشک خود مشورت کند. اسنایدر می‌گوید: «قدرت ابزارهای پوشیدنی توانایی آنها در دریافت تغییرات از خوانش‌های پایه است. او افزود حتی اگر برخی از اندازه‌گیری‌های خاص خیلی دقیق نباشند، توانایی ساعت برای تشخیص تغییرات در علائم حیاتی کاربر می‌تواند بسیار مفید باشد. اسنایدر گفت: «پارادایم پزشکی فعلی به جای نظارت بر افراد سالم برای تشخیص زودهنگام بیماری، بر درمان بیماران پس از بیماری تمرکز دارد. ما معتقدیم داده‌های ساعت‌های هوشمند می‌توانند به ابتلا به بیماری‌های نوظهور کمک کنند، که در نهایت می‌تواند از بیماری‌های شدیدتر جلوگیری کند.»
این تحقیق در گزارش شده است طب طبیعی.
این مطالعه توسط کمک مالی DE023789-01 از پروژه میکروبیوم انسانی صندوق عمومی NIH و جایزه علوم بالینی و ترجمه ای مرکز ملی NIH برای پیشرفت علوم ترجمه (NCATS) (TR001085) پشتیبانی شد. نویسندگان در این مطالعه توسط کمک مالی Mobilize Center (EB020405) و توسط یک جایزه توسعه شغلی NIH (ES028825) حمایت شدند.
مرجع مطالعه: Dunn, J., Kidzinski, L., Runge, R. et al. سنسورهای پوشیدنی پیش بینی های شخصی شده را برای اندازه گیری های آزمایشگاهی بالینی امکان پذیر می کنند. Nat Med 27, 1105–1112 (2021). https://doi.org/10.1038/s41591-021-01339-0
