به گزارش مجله خبری نگار/این فناوری به شخصی سازی درمان و جلوگیری از بستری شدن فرد در بیمارستان کمک میکند. در پژوهش مذکور بیماران روزانه تست ادرار نواری انجام دادند و نتیجه آن را با استفاده از موبایل با کارشناسان به اشتراک گذاشتند.
در مرحله بعد محققان نمونه ادرار ۵۵ فرد با بیماریهای مزمن انسدادی ریه (COPD) را تحلیل کردند تا دریابند هنگامیکه نشانگرهای بیماری وخیمتر میشود، مولکولها چه تغییری میکنند. COPD اصطلاحی گسترده برای گروهی از بیماریهای ریه است که به اختلال در تنفس مانند آمفیزم و برونشیت مزمن منجر میشود.
عود کردن بیماری نیز زمانی رخ میدهد که ناگهان نشانگرهای بیماری بدتر میشود و البته بیشتر اوقات این امر در زمستان رخ میدهد. نشانگرهای آن نیز شامل تنفس سخت، خس خس سینه و سرفه مداوم و سینه است.
محققان پس از شناسایی تغییرات در مولکول تستی برای اندازه گیری سطح ۵ نشانگر متفاوت در ادرار را توسعه دادند. حدود ۱۰۵ بیمار مبتلا به COPD هر روز به مدت ۶ ماه تست ادرار نواری انجام دادند و نتایج را به محققان گزارش دادند.
نتایج ۸۵ بیمار با استفاده از شبکه عصبی مصنوعی تحلیل شد. این شبکه نوعی الگوریتم است که از شبکه عصبهای مصنوعی برای پردازش دادهها با تقلید از مغز انسان، استفاده میکند.
به گفته محققان این مدل هوش مصنوعی میتواند عود کردن بیماری را تا ۷ روز قبل از ظهور نشانگرها شناسایی کند. پژوهش مذکور در ERJ Open Research منتشر شده است.