هوش مصنوعی جدید گوگل چربی بدن و خطر مقاومت به انسولین را تخمین می‌زند

هوش مصنوعی جدید گوگل با بررسی عکس‌های ساده ثبت‌شده توسط دوربین گوشی‌های هوشمند، قادر است ترکیب ساختاری چربی بدن و ریسک مقاومت به انسولین را با دقت بالایی اندازه‌گیری کند.

نوآوری هوش مصنوعی جدید گوگل در سنجش ترکیب بدنی

ارزیابی وضعیت توده بدنی فراتر از عدد روی ترازو است. ابزارهای بالینی پیشرفته نظیر اسکن پرتو ایکس دکسا (DXA) معیارهای معتبری ارائه می‌دهند اما دسترسی روزانه به آن‌ها دشوار و هزینه‌بر است. پژوهشگران با طراحی ابزار آزمایشی جدیدی به نام PhotoScan، امکانی فراهم کرده‌اند تا کاربران بدون نیاز به تجهیزات رادیولوژی، تصویر جامعی از پراکندگی بافت‌های خود دریافت کنند.

آمارهای رسمی نشان می‌دهد بیش از ۷۳ درصد از بزرگسالان در ایالات متحده با معضل چاقی یا اضافه وزن دست‌وپنجه نرم می‌کنند. فناوری نوظهور غول دنیای اینترنت، الگوهای ذخیره‌سازی توده چربی را در بخش‌های مختلف به دقت تفکیک می‌کند.

سازوکار تحلیل داده‌ها و ارزیابی مقاومت به انسولین

این مدل محاسباتی ابتدا با داده‌های حاصل از اسکن‌های بالینی آموزش دید و سپس به کمک تصاویر رزونانس مغناطیسی (MRI) و عکس‌های دوربین‌های استاندارد ارتقا یافت. سامانه علاوه بر محاسبه درصد کلی بافت چربی، نسبت‌های کلیدی زیر را محاسبه می‌کند:

• نسبت چربی اندام فوقانی به تحتانی (A/G): بررسی الگوی توزیع چربی در بالاتنه نسبت به پایین‌تنه.
• نسبت چربی احشایی به زیرپوستی (V/S): سنجش میزان چربی نهفته پیرامون اندام‌های داخلی.

پایش چنین نسبت‌هایی برای برآورد نارسایی‌های متابولیک از جمله مقاومت به انسولین ارزش تشخیصی قابل‌توجهی دارد؛ قابلیتی که حسگرهای بیوالکتریکی موجود در ساعت‌ها و مچ‌بندهای سلامتی کنونی قادر به انجام آن نیستند.

چالش‌های کاربردی‌سازی سلامت دیجیتال

با وجود پیشرفت‌های فنی، ورود این فناوری به بازار نیازمند حل چالش‌های متعددی است. متقاعدسازی کاربران برای اشتراک‌گذاری تصاویر بدن به دلیل ملاحظات حریم خصوصی همواره پیچیده است. از طرف دیگر، تبدیل داده‌های به‌دست‌آمده به تغییرات ماندگار در سبک زندگی بیماران به راهکارهای رفتاری گسترده‌تری احتیاج دارد.

توسعه ابزارهای مبتنی بر هوش مصنوعی جدید گوگل نشان‌دهنده گامی بلند در دموکراتیک‌سازی ابزارهای پایش سلامت و تشخیص زودهنگام ریسک‌های مزمن متابولیک به شمار می‌رود.