Οι γιατροί μπορούν να χρησιμοποιήσουν τα προγνωστικά στοιχεία για πιο έγκαιρη διάγνωση και για να προβλέψουν πώς θα μπορούσε να δράσει μια αγωγή.
Ερευνητές δημιούργησαν πλατφόρμα μηχανικής μάθησης που μπορεί να αναλύσει πιο αποτελεσματικά και να προβλέψει στοιχεία δεδομένων που συλλέγονται από φορετό αισθητήρα.
Εφάρμοσαν την πλατφόρμα σε νέο, εύκαμπτο, φορετό στον λαιμό αισθητήρα που καταγράφει δονήσεις και ηλεκτρικά σήματα μυών από την περιοχή του λαιμού για να παρακολουθήσει τα μοτίβα λόγου και κατάποσης ενός ανθρώπου.
Το φορετό επίθεμα έχει φτιαχτεί να αντέχει τις κινήσεις του δέρματος διατηρώντας καλή ποιότητα σήματος. Το υλικό από υδρογέλη είναι εύκαμπτο και εύκολο να εφαρμοστεί και να αφαιρεθεί.
Η υδρογέλη μπορεί να συνδεθεί απευθείας με το δέρμα και παρέχει μια αγώγιμη ιδιότητα για τους αισθητήρες.
Ο αισθητήρας υγρογέλης μπορεί να συλλέξει δονήσεις και στοιχεία κινήσεων μυών ώστε να τροφοδοτήσει αλγόριθμο μηχανικής μάθησης για ανάλυση, ανέφερε ο Libo Gao, του Xiamen University, στην Κίνα.
Μετά τη συλλογή και την ανάλυση των στοιχείων, αυτά στέλνονται σε cloud διεπαφή, όπου επαγγελματίες περίθαλψης μπορούν να έχουν πρόσβαση εξ αποστάσεως.
Τα στοιχεία συλλέγονται από το επίθεμα σε διάφορες συχνότητες, ανάλογα με το είδος στατιστικής, όπως κατάποση, ομιλία ή αναπνοή.
Ο αλγόριθμος έχει προσαρμοστικές ικανότητες και λειτουργίες μνήμης- δηλαδή αφού συλλέξει στοιχεία για την κίνηση στο λαιμό ενός ασθενή και εκπαιδευτεί για 3 ώρες offline, μπορεί να προβλέψει στοιχεία ασθενούς με ακρίβεια πάνω από 90%.
Οι γιατροί μπορούν να χρησιμοποιήσουν τα προγνωστικά στοιχεία για πιο έγκαιρη διάγνωση και για να προβλέψουν πώς θα μπορούσε να δράσει μια αγωγή.
Πηγές:
Pennsylvania State University, https://www.iatronet.gr/article/121538/foretos-aisthhthras-ston-laimo-provlepei-dedomena-ygeias
