تخمین چربی بدن با هوش مصنوعی؛ پروژه جدید گوگل با تصاویر گوشی

تخمین چربی بدن با هوش مصنوعی دستاورد پژوهشی نوینی به شمار می‌رود که پژوهشگران گوگل با پروژه آزمایشی PhotoScan در پی دستیابی به آن هستند. این ابزار با پردازش تصاویر معمولی ثبت‌شده توسط تلفن همراه، امکان ارزیابی شاخص‌های تخصصی ترکیب فیزیکی بدن را فراهم می‌آورد.

ارزیابی بالینی و سازوکار سامانه PhotoScan

واحد تحقیقاتی شرکت گوگل الگوریتم‌های این ابزار هوشمند را بر پایه داده‌های سلامت بالغ بر ۳۵ هزار نفر در زیست‌بانک بریتانیا تعلیم داده است. محققان به منظور سنجش ضریب اطمینان این فناوری، داده‌های حاصل از آن را با اسکن استاندارد بالینی DXA مقایسه کرده‌اند.

یافته‌های حاصل از این بررسی‌ها نشان‌دهنده دقت بالای پردازش تصویری در برابر ابزارهای متداول تجاری است:

• دقت تخمین چربی: اختلاف میانگین PhotoScan با تجهیزات پزشکی DXA فقط دو واحد درصد برآورد شده است.
• مقایسه با ابزارهای BIA: روش‌های مبتنی بر امپدانس بیوالکتریکی در ترازوهای هوشمند خطایی حدود سه واحد درصد دارند.
• بررسی الگوهای توزیع: این هوش مصنوعی می‌تواند نسبت‌های پیچیده‌ای نظیر A/G و V/S را بدون نیاز به ابزارهای کلینیکی تخمین بزند.

پایش خطرات متابولیک و مقاومت به انسولین

نحوه انباشت بافت‌های چربی در نواحی گوناگون بدن ارتباط تنگاتنگی با ریسک ابتلا به عارضه‌های متابولیک دارد. بررسی‌های اولیه نشان می‌دهد هنگامی که داده‌های پردازش‌شده تصویری با اطلاعات پایه‌ای فرد مانند سن و وزن ادغام می‌شوند، دقت تشخیصی مناسبی در شناسایی علائم مقاومت به انسولین ثبت می‌شود.

تحلیل نحوه پراکندگی چربی در بدن با تکیه بر پردازش تصویر، اطلاعات ساختاری ارزشمندی پیرامون سلامت متابولیک ارائه می‌دهد.

موانع توسعه و چالش‌های حفظ حریم خصوصی

فناوری تخمین چربی بدن با هوش مصنوعی کماکان در مراحل پژوهشی به سر می‌برد و تصمیمی برای افزودن آن به گوشی‌های هوشمند پیکسل اتخاذ نشده است. ضبط و ارسال تصاویر از وضعیت جسمانی افراد حساسیت‌های فراوانی را پیرامون امنیت اطلاعات شخصی و شیوه‌های نگهداری داده‌ها ایجاد می‌کند.

فناوری سنجش ترکیب بدنی مبتنی بر پردازش تصویر می‌تواند شکاف میان تجهیزات گران‌قیمت درمانی و ابزارهای خانگی ساده را پوشش دهد؛ با این وجود، کاربردی شدن عمومی این فناوری تا زمان برطرف شدن ملاحظات امنیتی به تعویق خواهد افتاد.