कालांतराने गोळा केलेला शारीरिक डेटा सतत राहणारी पोस्ट-कंकशन लक्षणे असलेल्या व्यक्तींना मध्यम ते तीव्र डोकेदुखी किंवा थकवा कधी जाणवू शकतो याचा अंदाज देऊ शकतो. machine-learning मॉडेल्सनी लक्षणे सुरू होण्याच्या २४ तास आधी त्यांचा मध्यम ते चांगल्या अचूकतेने अंदाज लावला.
कंकशननंतर काही व्यक्तींना भेडसावणाऱ्या कठीण वास्तवावर हा अभ्यास प्रकाश टाकतो. डोकेदुखी आणि थकवा सुरुवातीच्या दुखापतीनंतरही राहू शकतात आणि काम, विश्रांती व उपचारांच्या नियोजनावर परिणाम करू शकतात. पुढील दिवसाची लक्षणे यादृच्छिक नसून, शारीरिक डेटामधून AI मॉडेल्सना शिकता येतील अशा नमुन्यांचे पालन करू शकतात.
या अभ्यासात सतत पोस्ट-कंकशन लक्षणे असलेल्या २० व्यक्ती सहभागी झाल्या.
लक्षणे येण्यापूर्वी नमुने शोधणे
NTNU संशोधक Antonios Danelakis यांनी सांगितले की पुढील दिवसाची लक्षणे यादृच्छिक नसल्याचे ठोस संकेत आहेत. कालांतराने गोळा केलेल्या शारीरिक माहितीतून कृत्रिम बुद्धिमत्ता संबंधित नमुने शिकू शकते.
कंकशननंतरही त्रास असलेल्या व्यक्तींमध्ये डोकेदुखी आणि थकव्याचा अंदाज लावणे हे उद्दिष्ट होते. smartwatch किंवा app द्वारे मिळणारी सूचना पुढील दिवसाची तयारी आणि नियोजन करण्यास मदत करू शकते.
हा संभाव्य उपयोग आहे; अभ्यासात वर्णन केलेले clinical product नाही. व्यापक वापरासाठी अधिक संशोधन आवश्यक आहे.
शरीराचा डेटा आणि लक्षणांच्या नोंदी
संशोधकांनी health-app माहिती, शारीरिक डेटा आणि machine learning foundation models एकत्र केले. हे मोठ्या डेटासेटवर प्रशिक्षित केलेले आणि विशेष कामांसाठी अनुकूल करता येणारे मॉडेल्स आहेत.
हृदयाची लय, त्वचा, स्नायू आणि सहभागींच्या लक्षणांच्या नोंदींशी संबंधित डेटा वापरण्यात आला. शरीरातील संकेतांमधील बदलांची नंतर नोंदवलेल्या अनुभवांशी तुलना करता आली.
मुख्य दावा मर्यादित आहे: मध्यम ते तीव्र डोकेदुखी आणि थकव्याचा एक दिवस आधी मध्यम ते चांगल्या अचूकतेने अंदाज लावता आला.
एक दिवस आधीची सूचना का महत्त्वाची ठरू शकते
लक्षणांमुळे दैनंदिन जीवन विस्कळीत होणाऱ्या व्यक्तीसाठी अंदाज पुढील दिवसाचे नियोजन बदलू शकतो. सूचना मिळाल्याने काम, विश्रांती किंवा भेटींचे नियोजन करता येऊ शकते.
आरोग्यसेवा व्यावसायिकांनाही लक्षणे कालांतराने कशी बदलतात याचे अधिक तपशीलवार चित्र मिळू शकते. मात्र ही पद्धत वारंवार गोळा केलेल्या डेटामधून नमुने शिकण्यावर अवलंबून आहे.
ही हमी नसून निरीक्षित नमुन्यांवर आधारित अंदाज आहे, हे रुग्ण आणि डॉक्टरांनी समजून घेणे आवश्यक आहे.
व्यावहारिक उद्दिष्ट असलेला छोटा अभ्यास
फक्त २० सहभागी असल्याने हा प्रारंभिक अभ्यास आहे. प्रत्येक कंकशन रुग्णासाठी ही पद्धत कार्य करेल असे यात सिद्ध होत नाही. तरीही सतत लक्षणे असलेल्या गटात पुढील दिवसाचे नमुने ओळखता येतात असे यात दिसले.
smartwatch, app आणि इतर longitudinal body-data प्रणाली भविष्यात कठीण दिवसाचा आगाऊ संकेत देऊ शकतात. मोठ्या गटांमध्ये आणि वास्तविक परिस्थितीत अधिक चाचणी आवश्यक आहे.
हा लेख Medical Xpressच्या वृत्तांकनावर आधारित आहे. मूळ लेख वाचा.
Originally published on medicalxpress.com
