ഡേവിഡ് ഹനാക്ക് ആപ്പിൾ വാച്ച് ധരിക്കുന്ന ഒരു രോഗിയിൽ പ്രമേഹം കണ്ടുപിടിക്കാൻ കഴിയുന്ന ഒരു നോൺ-ഇൻവേസിവ് സൊല്യൂഷൻ വികസിപ്പിച്ചെടുക്കുന്നതായി അടുത്ത മാസങ്ങളിൽ കിംവദന്തികൾ പ്രചരിച്ചിരുന്നു. സാധാരണ വാച്ചുകൾ അല്ലെങ്കിൽ ചില ലളിതമായ ആക്സസറികൾ വഴി ഉപയോഗിക്കാവുന്ന രീതികൾ കണ്ടെത്താൻ ഗവേഷകർ ശ്രമിക്കുന്നു - ഉദാഹരണത്തിന് ബ്രേസ്ലെറ്റുകളുടെ രൂപത്തിൽ. ഈ ശ്രമവുമായി ബന്ധപ്പെട്ട്, ഒരു പഠനത്തിൻ്റെ ഫലങ്ങൾ ഇന്ന് വെബിൽ പ്രത്യക്ഷപ്പെട്ടു, ഇത് ആപ്പിൾ വാച്ചിന് (ഒരു പരിധിവരെ Android Wear) പ്രമേഹമുള്ള ഒരു രോഗിയെ 85% വരെ കൃത്യതയോടെ തിരിച്ചറിയാൻ കഴിയുമെന്ന് സ്ഥിരീകരിക്കുന്നു.
ആകാം നിങ്ങൾക്ക് താൽപ്പര്യമുണ്ട്
ഫിലിപ്പ് ബ്രോസ് ഈ മേഖലയിലെ ഗവേഷണം ഇപ്പോഴും നടന്നുകൊണ്ടിരിക്കുന്നു, എന്നാൽ ആദ്യ നിഗമനങ്ങൾ ഇന്ന് പ്രസിദ്ധീകരിച്ചു. കാർഡിയോഗ്രാം ഡയഗ്നോസ്റ്റിക് ആപ്ലിക്കേഷൻ്റെ പിന്നിൽ കാലിഫോർണിയ സർവകലാശാലയിലെ ഗവേഷണ സംഘമാണ് അവർക്ക് പിന്നിൽ. അവരുടെ ആപ്ലിക്കേഷൻ DeepHeart എന്ന പ്രത്യേക ന്യൂറൽ ഇൻ്റർഫേസ് ഉപയോഗിക്കുന്നു, ഇതിന് നന്ദി, ഇതിനകം നടത്തിയ കണക്കുകൂട്ടലുകളെ അടിസ്ഥാനമാക്കി ആപ്ലിക്കേഷൻ പഠിക്കുന്നു. ഈ സാങ്കേതികവിദ്യയ്ക്ക് നന്ദി, പ്രമേഹം കണ്ടെത്തുന്ന കാര്യത്തിൽ 85% ഡയഗ്നോസ്റ്റിക് വിജയ നിരക്ക് നേടാൻ അവർക്ക് കഴിഞ്ഞു.
14-ത്തിലധികം ഉപയോക്താക്കൾ ഗവേഷണത്തിൽ പങ്കെടുത്തു, ഇത് താരതമ്യേന വലിയ റഫറൻസ് സാമ്പിളാക്കി മാറ്റി. ഔട്ട്‌പുട്ടിൽ പ്രതിവാരം 33-ലധികം ഡാറ്റ അടങ്ങിയിരിക്കുന്നു, അവ സ്മാർട്ട് വാച്ചുകളിലെ സെൻസറുകൾ വഴി ശേഖരിക്കുകയും പിന്നീട് ഉയർന്ന/താഴ്ന്ന രക്തസമ്മർദ്ദം, പ്രമേഹം, ഉയർന്ന കൊളസ്‌ട്രോൾ മുതലായ വിവിധ രോഗങ്ങൾക്കായി വിശകലനം ചെയ്യുകയും ചെയ്തു.
ആകാം നിങ്ങൾക്ക് താൽപ്പര്യമുണ്ട്
വിവരിച്ച ആയിരക്കണക്കിന് റഫറൻസ് സാമ്പിളുകൾ സിസ്റ്റത്തിലേക്ക് നൽകി, ഇത് മറ്റ് ഡാറ്റ വിലയിരുത്തുന്നതിനുള്ള ഒരുതരം പാറ്റേണായി വർത്തിച്ചു. ഒരു ന്യൂറൽ നെറ്റ്‌വർക്കിനും മെഷീൻ ലേണിംഗിനും നന്ദി, സാധാരണ സെൻസറി പ്രവർത്തനത്തിൽ നിന്ന് ലഭിച്ച ലളിതമായ ഡാറ്റയെ അടിസ്ഥാനമാക്കി, 85% വരെ വിജയശതമാനമുള്ള പ്രമേഹമുള്ള ഒരു രോഗിയെ തിരിച്ചറിയാൻ ഡീപ് ഹിയർ സിസ്റ്റത്തിന് കഴിയും. വികസനത്തിന് പിന്നിൽ ശരിക്കും ഒരുപാട് ജോലികൾ ഉണ്ട്, നിങ്ങൾക്ക് വായിക്കാൻ കഴിയുന്ന വിശദമായ വിവരങ്ങൾ ഇവിടെ. രചയിതാക്കൾ പറയുന്നതനുസരിച്ച്, ശരീരത്തിൽ അതിൻ്റെ സാന്നിധ്യം സെൻസറി അളവുകൾ വഴി കണ്ടുപിടിക്കാൻ കഴിയുന്ന പല ഘടകങ്ങളെയും ബാധിക്കുന്ന വസ്തുത കാരണം പ്രമേഹത്തെ തിരിച്ചറിയാൻ സാധിക്കും.
എന്നിരുന്നാലും, നമ്മുടേത് പ്രയോഗത്തിൽ വരാൻ ഇനിയും കുറച്ച് വർഷങ്ങൾ മാത്രം ബാക്കിയുണ്ടെന്ന് പറയപ്പെടുന്നു. സിസ്റ്റത്തിന് താരതമ്യേന നല്ല ഫലങ്ങൾ ഉണ്ടെങ്കിലും, അവ ഇപ്പോഴും ജോലിയിലേക്ക് മാറ്റുന്നതിന് വേണ്ടത്ര (എല്ലാറ്റിനുമുപരിയായി കൃത്യമായും) അല്ല. കൂടുതൽ കാര്യക്ഷമത കൈവരിക്കുന്നതിന്, ഒരു വലിയ അളവിലുള്ള ഡാറ്റ വിശകലനം ചെയ്യേണ്ടത് ആവശ്യമാണ് (ദശലക്ഷക്കണക്കിന് കേസുകളുടെ ക്രമത്തിൽ) ഇത് നിലവിൽ അസാധ്യമാണ്. ശരീരത്തിലെ രക്തത്തിലെ പഞ്ചസാരയുടെ അളവ് ആക്രമണാത്മകമായി അളക്കുന്നതിനുള്ള ഒരു പരിഹാരവുമായി ആപ്പിൾ വന്നാൽ, അതിന് ആവശ്യമായ അസംസ്കൃത ഡാറ്റ നൽകാൻ കഴിയും. അതിനാൽ, ഈ വ്യവസായത്തിൽ ആപ്പിളിൻ്റെ ശ്രമങ്ങൾ എങ്ങനെ കൂടുതൽ വികസിക്കുമെന്ന് ഗവേഷകർ ആകാംക്ഷയോടെ കാത്തിരിക്കുകയാണ്.
ഉറവിടം: Appleinsider
