به گزارش ایران نت، شرکت اولتراهیومن (Ultrahuman)، سازنده هندی حلقه‌های هوشمند پایش سلامت، با مرکز بهداشت عمومی ابوظبی برای توسعه و اعتبارسنجی مدلی به‌منظور تخمین سن بیولوژیکی انسان همکاری می‌کند. این پروژه قرار است با ترکیب نشانگرهای بالینی و داده‌های به‌دست‌آمده از دستگاه‌های پوشیدنی، تصویری دقیق‌تر از وضعیت سلامت افراد ارائه دهد و در مراحل بعدی امکان دسترسی به این قابلیت را برای مردم سراسر امارات متحده عربی فراهم کند. همکاری جدید می‌تواند فعالیت اولتراهیومن را از فروش تجهیزات پوشیدنی فراتر ببرد و الگوریتم‌های سلامت این شرکت را در مقیاسی گسترده‌تر، با تمرکز بر پیشگیری و شناسایی عوامل مؤثر بر روند پیری، به کار بگیرد.
همکاری دوساله اولتراهیومن و مرکز بهداشت عمومی ابوظبی
اولتراهیومن روز دوشنبه از امضای تفاهم‌نامه‌ای دوساله با مرکز بهداشت عمومی ابوظبی (ADPHC) خبر داد. هدف این همکاری، توسعه و اعتبارسنجی یک مدل سن بیولوژیکی است که داده‌های سلامت افراد را برای ارزیابی روند تغییرات بدن در طول زمان تحلیل می‌کند. این مدل قرار است از ترکیب اطلاعات بالینی و داده‌های جمع‌آوری‌شده از دستگاه‌های پوشیدنی استفاده کند تا برآوردی از وضعیت زیستی بدن و عوامل مؤثر بر روند پیری به دست دهد.
بر اساس برنامه اعلام‌شده، پژوهش و اعتبارسنجی بالینی مدل در طول دو سال آینده انجام خواهد شد. پس از آن، قابلیت موردنظر به‌صورت مرحله‌ای گسترش می‌یابد؛ هرچند زمان دقیق عرضه عمومی آن هنوز مشخص نشده است. اولتراهیومن اعلام کرده که در نهایت قصد دارد این قابلیت را در اختیار مردم سراسر امارات متحده عربی قرار دهد.
این همکاری از آن جهت اهمیت دارد که یک شرکت فعال در بازار تجهیزات پوشیدنی می‌تواند الگوریتم‌های خود را در چارچوب یک برنامه سلامت عمومی بررسی کند. داده‌های کاربران یک برند معمولاً نماینده کامل جمعیت یک کشور نیستند؛ اما همکاری با نهادهای سلامت دولتی می‌تواند امکان ارزیابی مدل‌ها را در گروه‌های متنوع‌تری از نظر سن و وضعیت سلامت فراهم کند.
سن بیولوژیکی چیست و چه تفاوتی با سن تقویمی دارد؟
سن تقویمی همان تعداد سال‌هایی است که از زمان تولد فرد گذشته است. در مقابل، سن بیولوژیکی مفهومی برای توصیف وضعیت عملکردی و زیستی بدن است. این مفهوم تلاش می‌کند نشان دهد که شاخص‌های مرتبط با سلامت فرد، در مقایسه با الگوهای معمول در سنین مختلف، چه وضعیتی دارند.
دو فرد هم‌سن ممکن است از نظر وضعیت قلبی‌عروقی، کیفیت خواب، سطح فعالیت بدنی یا شاخص‌های متابولیک تفاوت‌های قابل‌توجهی داشته باشند. به همین دلیل، سن تقویمی به‌تنهایی برای توصیف تمام جنبه‌های سلامت کافی نیست. مدل‌های سن بیولوژیکی تلاش می‌کنند با بررسی مجموعه‌ای از نشانگرها، اطلاعات بیشتری درباره وضعیت بدن ارائه دهند.
با این حال، سن بیولوژیکی یک عدد قطعی و یکسان در تمام روش‌های علمی نیست. نتیجه برآورد آن به نوع نشانگرهای مورد استفاده، کیفیت داده‌ها، جمعیتی که مدل بر اساس آن توسعه یافته و روش تحلیل وابسته است. بنابراین، چنین شاخصی باید به‌عنوان ابزاری برای ارزیابی و بررسی روند سلامت در نظر گرفته شود، نه جایگزینی قطعی برای معاینه پزشکی یا تشخیص بیماری.
مدل اولتراهیومن چه داده‌هایی را بررسی می‌کند؟
مدل پیشنهادی قرار است اطلاعات حاصل از دستگاه‌های پوشیدنی را با نشانگرهای بالینی ترکیب کند. حلقه‌های هوشمند و دیگر ابزارهای پوشیدنی می‌توانند داده‌هایی درباره الگوهای خواب، میزان فعالیت و برخی شاخص‌های مرتبط با وضعیت قلبی‌عروقی در اختیار سامانه قرار دهند. در کنار این اطلاعات، نشانگرهای بالینی و آزمایشگاهی می‌توانند به تحلیل جامع‌تر وضعیت سلامت کمک کنند.
خواب، فعالیت بدنی و سلامت قلب
کیفیت خواب یکی از حوزه‌هایی است که دستگاه‌های پوشیدنی معمولاً برای بررسی آن استفاده می‌شوند. زمان خواب، نظم چرخه خواب و برخی الگوهای فیزیولوژیکی مرتبط می‌توانند اطلاعاتی درباره عادت‌های روزانه و وضعیت استراحت بدن فراهم کنند. اختلال در خواب یا نامنظم بودن آن نیز ممکن است با سایر عوامل سلامت ارتباط داشته باشد؛ هرچند تفسیر این داده‌ها باید با در نظر گرفتن شرایط فرد انجام شود.
میزان فعالیت بدنی و شاخص‌های مرتبط با سلامت قلبی‌عروقی نیز در این مدل اهمیت دارند. اطلاعات ثبت‌شده توسط ابزارهای پوشیدنی می‌توانند به شناسایی الگوهای فعالیت و تغییرات برخی شاخص‌های بدن کمک کنند. با بررسی این اطلاعات در طول زمان، ممکن است بتوان روندهایی را تشخیص داد که در یک اندازه‌گیری کوتاه‌مدت قابل مشاهده نیستند.
نقش متابولیسم و نشانگرهای بالینی
متابولیسم، مجموعه فرایندهایی است که بدن برای تولید انرژی و حفظ عملکردهای حیاتی انجام می‌دهد. برخی شاخص‌های آزمایشگاهی می‌توانند اطلاعاتی درباره وضعیت متابولیک و عوامل مرتبط با سلامت عمومی ارائه کنند. در مدل اولتراهیومن، این نوع داده‌ها قرار است در کنار اطلاعات دستگاه‌های پوشیدنی مورد استفاده قرار گیرند.
ترکیب چند منبع داده می‌تواند محدودیت‌های هر منبع را تا حدی کاهش دهد. برای مثال، داده‌های پوشیدنی ممکن است درباره رفتارهای روزانه اطلاعات مفیدی ارائه کنند، در حالی که آزمایش‌های بالینی بخش دیگری از وضعیت زیستی فرد را نشان می‌دهند. با این وجود، میزان دقت مدل نهایی به کیفیت داده‌ها، روش اعتبارسنجی و توانایی آن در ارائه نتایج قابل تکرار وابسته خواهد بود.
چرا اولتراهیومن می‌خواهد از فروش حلقه هوشمند فراتر برود؟
اولتراهیومن که در بنگلور هند مستقر است، بیشتر به‌دلیل تولید حلقه‌های هوشمند پایش سلامت شناخته می‌شود. با این حال، مدیرعامل شرکت، موهیت کومار، توضیح داده است که هدف کسب‌وکار تنها فروش سخت‌افزار نیست؛ بلکه استفاده از داده‌های بدن برای توسعه الگوریتم‌هایی است که می‌توانند در حوزه‌هایی مانند سلامت پیشگیرانه، روند پیری و طول عمر کاربرد داشته باشند.
حلقه هوشمند در این راه یکی از ابزارهای جمع‌آوری داده محسوب می‌شود. ارزش تجاری و کاربردی چنین محصولاتی می‌تواند علاوه بر طراحی و سخت‌افزار، به کیفیت تحلیل اطلاعات و قابلیت‌هایی وابسته باشد که نرم‌افزار در اختیار کاربران قرار می‌دهد. این رویکرد، اولتراهیومن را به سمت مدلی از کسب‌وکار سوق می‌دهد که در آن الگوریتم‌های سلامت نقشی فراتر از امکانات همراه یک محصول فیزیکی دارند.
کومار گفته است که این شرکت تاکنون حدود ۸۰۰ هزار حلقه هوشمند در سراسر جهان فروخته است. همکاری با نهادهای بهداشت عمومی ابوظبی نیز از نگاه شرکت، نخستین گام برای استفاده از یک الگوریتم سلامت در مقیاس ملی به شمار می‌رود. با این حال، موفقیت چنین برنامه‌ای به اعتبار علمی مدل و توانایی آن در کار با داده‌های جمعیت گسترده‌تر وابسته است.
مدل سن بیولوژیکی بدون وابستگی به یک دستگاه خاص طراحی می‌شود
یکی از ویژگی‌های اعلام‌شده مدل اولتراهیومن این است که قرار نیست فقط به داده‌های حلقه‌های هوشمند این شرکت متکی باشد. به گفته مدیرعامل آن، مدل به‌گونه‌ای طراحی می‌شود که بتواند اطلاعات ابزارهای پوشیدنی مختلف، از جمله حلقه‌ها، ساعت‌ها و دستبندهای پوشیدنی، بندهای پایش سلامت و پچ‌های حسگر را در کنار نشانگرهای بالینی بررسی کند.
این رویکرد که گاهی مستقل از نوع دستگاه یا سخت‌افزار توصیف می‌شود، می‌تواند دامنه استفاده از مدل را افزایش دهد. در صورت پشتیبانی از منابع داده مختلف، افراد برای بهره‌گیری از قابلیت سنجش سن بیولوژیکی الزاماً به خرید یک مدل مشخص از حلقه هوشمند نیاز نخواهند داشت.
البته استفاده از دستگاه‌های متفاوت چالش‌هایی نیز دارد. حسگرها، روش اندازه‌گیری، دقت و شیوه پردازش داده در محصولات مختلف یکسان نیستند. برای اینکه مدل بتواند داده‌های گوناگون را به‌صورت قابل اعتماد تحلیل کند، باید تفاوت‌های فنی میان دستگاه‌ها در طراحی و اعتبارسنجی آن در نظر گرفته شوند.
به همین دلیل، سازگاری با چند نوع دستگاه به‌تنهایی تضمین‌کننده دقت یکسان در تمام شرایط نیست. کیفیت ورودی‌ها و عملکرد مدل در گروه‌های مختلف کاربران باید در جریان پژوهش‌های بالینی بررسی شود.
دسترسی از طریق پلتفرم‌های دیجیتال سلامت امارات
اولتراهیومن اعلام کرده است که افراد در آینده می‌توانند از طریق پلتفرم‌های دیجیتال سلامت دولتی امارات، از جمله TAMM و Sahatna، به برآورد سن بیولوژیکی خود دسترسی پیدا کنند. این برنامه می‌تواند قابلیت یادشده را از یک ویژگی اختصاصی در محصولات پوشیدنی به خدمتی در دسترس طیف وسیع‌تری از شهروندان و ساکنان کشور تبدیل کند.
قرار گرفتن چنین قابلیتی در بسترهای دیجیتال سلامت، در صورت اجرای موفق، ممکن است دسترسی کاربران به اطلاعات مربوط به سلامت خود را ساده‌تر کند. با این حال، نحوه نمایش نتایج، توضیح محدودیت‌های مدل و ارتباط احتمالی آن با خدمات پزشکی باید به‌روشنی مشخص شود تا کاربران برآورد الگوریتمی را با تشخیص قطعی پزشکی اشتباه نگیرند.
گسترش یک مدل سلامت در سطح ملی همچنین نیازمند توجه به حریم خصوصی، امنیت داده‌ها و قواعد دسترسی به اطلاعات است. این ملاحظات به‌ویژه زمانی اهمیت پیدا می‌کنند که داده‌های دستگاه‌های شخصی با سامانه‌های دیجیتال سلامت ارتباط پیدا کنند.
حریم خصوصی و نحوه استفاده از داده‌های کاربران
یکی از موضوعات مهم در توسعه مدل‌های سلامت، چگونگی جمع‌آوری، پردازش و استفاده از داده‌های افراد است. این داده‌ها می‌توانند اطلاعات حساسی درباره الگوهای خواب، فعالیت روزانه، شاخص‌های فیزیولوژیکی و وضعیت سلامت ارائه دهند. بنابراین، مشخص بودن حدود دسترسی شرکت‌ها و نهادهای همکار اهمیت زیادی دارد.
موهیت کومار تأکید کرده است که مدل پایه با استفاده از داده‌های موجود اولتراهیومن توسعه یافته است؛ داده‌هایی که سن تقویمی کاربران را با اطلاعات دستگاه‌های پوشیدنی و در مورد برخی افراد با نشانگرهای آزمایش خون ترکیب می‌کنند. به گفته او، مدل قرار نیست با داده‌های امارات آموزش داده شود، بلکه الگوریتم توسعه‌یافته روی داده‌های این کشور به کار گرفته خواهد شد.
مدیرعامل اولتراهیومن همچنین گفته است که شرکت از طریق این برنامه به اطلاعات هویتی قابل شناسایی افراد دسترسی نخواهد داشت. این توضیح، موضع اعلام‌شده شرکت درباره نحوه دسترسی به داده‌ها را روشن می‌کند؛ اما جزئیات اجرایی، سازوکارهای فنی حفاظت از اطلاعات و چارچوب نظارتی برنامه نیز در ارزیابی کامل حریم خصوصی اهمیت خواهند داشت.
در پروژه‌های سلامت مبتنی بر داده، لازم است مشخص باشد چه اطلاعاتی جمع‌آوری می‌شود، چه نهادی مسئول نگهداری آن است، دسترسی به داده‌ها چگونه کنترل می‌شود و افراد چه اختیاراتی درباره اطلاعات خود دارند. شفافیت در این زمینه می‌تواند به اعتماد عمومی و پذیرش خدمات دیجیتال سلامت کمک کند.
چالش تعمیم مدل به جمعیت گسترده‌تر امارات
به گفته مدیرعامل اولتراهیومن، کاربران فعلی این شرکت عمدتاً بین ۲۵ تا ۴۳ سال سن دارند. چنین ترکیبی از کاربران، اگرچه برای توسعه اولیه محصول مفید است، نماینده کامل تمام گروه‌های سنی و شرایط سلامت در یک کشور نیست. استفاده از مدل در سطح امارات، آن را در معرض جمعیتی گسترده‌تر از نظر سن و ویژگی‌های سلامت قرار خواهد داد.
این تفاوت اهمیت اعتبارسنجی را افزایش می‌دهد. مدلی که بر اساس داده‌های یک گروه مشخص توسعه یافته است، لزوماً در گروه‌های سنی دیگر یا میان افرادی با شرایط جسمی متفاوت، عملکرد یکسانی ندارد. برای بررسی این موضوع باید دقت برآوردها در گروه‌های مختلف و میزان سازگاری نتایج با شاخص‌های بالینی سنجیده شود.
اولتراهیومن اعلام کرده که در دوره دوساله همکاری، پژوهش و اعتبارسنجی بالینی مدل دنبال خواهد شد. نتیجه این مرحله می‌تواند مشخص کند که الگوریتم تا چه اندازه برای استفاده در جمعیتی متنوع مناسب است و آیا برای برخی گروه‌ها به اصلاح یا تنظیم مجدد نیاز دارد.
رقابت با Oura در بازار سلامت پیشگیرانه
اولتراهیومن تنها تولیدکننده حلقه هوشمندی نیست که برای توسعه خدمات سلامت با ابوظبی همکاری می‌کند. در ماه مه، اداره سلامت ابوظبی از همکاری با شرکت Oura، یکی از رقبای اصلی اولتراهیومن در بازار حلقه‌های هوشمند، خبر داده بود. آن همکاری بر ترکیب داده‌های دستگاه‌های پوشیدنی با اطلاعات سلامت طولی امارت تمرکز داشت و در مراحل اولیه، سلامت زنان و خطرهای قلبی‌ـ‌متابولیک را هدف قرار می‌داد.
همکاری‌های موازی نشان می‌دهند که نهادهای سلامت و شرکت‌های فناوری پوشیدنی به دنبال روش‌هایی برای استفاده گسترده‌تر از داده‌های روزمره در برنامه‌های پیشگیرانه هستند. در این مدل، ابزار پوشیدنی فقط وسیله‌ای برای نمایش شاخص‌های شخصی نیست؛ بلکه می‌تواند بخشی از سامانه‌ای بزرگ‌تر برای بررسی روندهای سلامت در طول زمان باشد.
با این حال، تفاوت میان پروژه‌ها مهم است. همکاری اولتراهیومن و مرکز بهداشت عمومی ابوظبی مشخصاً بر توسعه و اعتبارسنجی مدل سن بیولوژیکی متمرکز شده است، در حالی که همکاری اعلام‌شده با Oura حوزه‌هایی مانند سلامت زنان و خطرهای قلبی‌ـ‌متابولیک را در اولویت قرار داده بود. مقایسه عملکرد این طرح‌ها تنها پس از انتشار نتایج پژوهشی و مشخص شدن روش‌های ارزیابی آن‌ها امکان‌پذیر خواهد بود.
جمع‌بندی؛ گام تازه در پیوند دستگاه‌های پوشیدنی و سلامت عمومی
همکاری دوساله اولتراهیومن و مرکز بهداشت عمومی ابوظبی، تلاشی برای توسعه یک مدل سن بیولوژیکی بر پایه داده‌های بالینی و اطلاعات دستگاه‌های پوشیدنی است. این مدل قرار است عوامل مرتبط با خواب، فعالیت بدنی، سلامت قلبی‌عروقی و متابولیسم را بررسی کند و در نهایت امکان دسترسی کاربران در سراسر امارات را از طریق پلتفرم‌های دیجیتال سلامت فراهم آورد.
اولتراهیومن با این پروژه می‌خواهد نقش خود را از سازنده حلقه هوشمند به ارائه‌دهنده فناوری تحلیل داده‌های سلامت گسترش دهد. با این حال، نتیجه نهایی به اعتبارسنجی علمی، سازگاری مدل با دستگاه‌های مختلف، عملکرد آن در گروه‌های سنی متنوع و رعایت الزامات حریم خصوصی بستگی دارد. از آنجا که پژوهش و اعتبارسنجی هنوز در برنامه دوساله قرار دارند، زمان دقیق عرضه عمومی این قابلیت مشخص نیست.
اگر مدل بتواند در بررسی‌های بالینی عملکرد قابل اتکایی نشان دهد، این همکاری می‌تواند نمونه‌ای از کاربرد فناوری پوشیدنی در برنامه‌های سلامت پیشگیرانه در مقیاس گسترده باشد. برای دنبال کردن اخبار بیشتر درباره فناوری‌های سلامت، ابزارهای پوشیدنی و هوش داده‌محور، به ایران نت مراجعه کنید.
“`
