محققان انگلیسی فناوری ابداع کرده‌اند که با استفاده از هوش مصنوعی حوادث هیپوگلیسمی (یا کاهش میزان قند خون ) را از روی سیگنال‌های الکتریکی قلب (ECG) تشخیص دهد.

به گزارش پایگاه اینترنتی ساینس دیلی، ردیابی قند خون برای افراد سالم و افراد دیابتی حائز اهمیت است اما روش‌های فعلی برای اندازه‌گیری گلوکز به سوزن و خراشیدن مکرر نوک انگشت در طول روز نیاز دارد که اغلب دردناک است و باعث می شود که بیمار آن را انجام ندهد.

نمایشگرهای مداوم قند خون (CGM) که در حال حاضر برای تشخیص هیپوگلیسمی مورد استفاده قرار می‌گیرند، با استفاده از یک حسگر تهاجمی که به یک سوزن کوچک متصل است، گلوکز را در مایع میان بافتی اندازه می‌گیرند. این حسگر هشدارها و داده‌ها را به یک دستگاه نمایشگر ارسال می‌کند. در بسیاری از موارد لازم است که سطح قند خون دو بار در روز با استفاده از خراشیدن نوک انگشت اندازه‌گیری شود.

اما محققان دانشگاه وارویک در انگلیس طی یک مقاله که به تازگی ارائه داده‌اند، نشان می‌دهند که با استفاده از هوش مصنوعی می‌توانند حوادث هیپوگلیسمی را از روی سیگنال‌های خام ECG که از سنسورهای غیرتهاجمی پوشیدنی گرفته می‌شوند، تشخیص دهند.

آزمایش این فناوری جدید در دو مطالعه مقدماتی پایلوت که روی داوطلبان سالم انجام شد، نشان داد که حساسیت و دقت تقریبی این فناوری در تشخیص هیپوگلیسمی بطور متوسط ۸۲ درصد است که با عملکرد نمایشگرهای مداوم قند خون قابل مقایسه است و در عین حال تهاجمی نیز نیست.

این در حالی است که خراشیدن نوک انگشت که برای اندازه گیری قند خون با استفاده از نمایشگرهای مداوم قند خون ایجاد می‌شود، اصلا خوشایند نیست و در برخی شرایط به ویژه دست و پا گیر نیز هستند. خراشیدن نوک انگشت در شب و به ویژه برای اطفال بسیار ناخوشایند است.

اما نوآوری محققان دانشگاه وارویک در واقع شامل استفاده از هوش مصنوعی برای تشخیص خودکار هیپوگلیمسی از طریق چند ضربان سیگنال الکتریکی قلب است که از حسگرهای پوشیدنی به دست می‌آیند. این کار مناسب است زیرا ECG در هر شرایطی از جمله خواب قابل تشخیص است.

موفقیت اساسی محققان دانشگاه وارویک این بود که آنها یک سیستم هوش مصنوعی ابداع کردند که می‌تواند ریتم‌های سیگنال الکتریکی قلب یک بیمار منفرد را فرابگیرد. مطالعه قبلی که قند خون را از طریق داده‌های نمایشگرهای مداوم قند خون ردیابی می‌کرد، به دلیل تنوع فوق العاده زیاد سیگنال‌های الکتریکی قلب افراد مختلف موفق نبوده است. به دلیل ماهیت ناهمگن داده‌های ECG ، هیچ «سیستم یادگیری ماشینی» نتوانسته است سیگنال‌های الکتریکی قلب یک گروه بزرگ را ثبت کند و الگوهایی بسازد که با اندازه گیری قند خون در افراد مختلف ارتباط داشته باشد.

اندازه‌گیری‌های سیگنال الکتریکی قلب که هیپوگلیسمی را میان دو فرد نشان می‌دهد بسیار متفاوت است، بدین معنی که تنها راه پیش رو ابداع سیستم هوش مصنوعی است که بتواند نوسانات شخصی را در هر بیمار شناسایی کند. الگوی ابداعی محققان دانشگاه وارویک، چگونگی تغییرات سیگنال الکتریکی قلب را در هر فرد در جریان حوادث هیپوگلیسمی برجسته می‌کند. محققان داده‌های هر فرد را به الگوی هوش مصنوعی آموزش دادند. این رویکرد محققان امکان تنظیم شخصی الگوریتم‌های تشخیص را فراهم می‌کند و نشان می‌دهد که چگونه حوادث هیپوگلیسمی بر سیگنال‌های الکتریکی قلب در افراد تاثیر می‌گذارد. براساس این اطلاعات، پزشکان می‌توانند درمانی سازگار با هر فرد ارائه دهند.

با این حال محققان تاکید کردند که برای تأیید نتایج این مطالعه به تحقیقات بالینی بیشتری در جمعیت‌های بیشتری نیاز است.

نتایج این مطالعه در مجله Scientific Reports منتشر شده است.