پیراهنهای هوشمند سنجش دود، الگوریتمهای تجزیه و تحلیل صدای تنفس و دستگاههای استنشاقی هوشمند، راه بررسی ریه و مراقبتهای تنفسی را در آینده هموار میکند. از آنجا که تعداد بیماران مبتلا به آسم، COPD یا سرطان ریه به دلیل افزایش آلودگی هوا و سطح ثابت سیگاریها، کاهش نمییابد، این فناوریها در کمک به بیماران و مراقبین موثر خواهند بود.
حملات تنگی نفس بسیار شایع هستند
از شایع ترین شرایط در دنیای مدرن است و تعداد مبتلایان در حال افزایش است. طبق برآوردهای WHO، 235 میلیون نفر از آسم رنج میبرند، بیماری مزمنی که با حملات مکرر تنگی نفس و خسخس مشخص میشود. سالانه حدود 300.000 بیمار جدید مبتلا به آسم تشخیص داده میشوند. برای بزرگسالان، این بیماری مزمن یکی از دلایل اصلی کم کاری در محل کار است.
بیماری انسدادی مزمن ریوی (COPD)، که 64 میلیون نفر در سراسر جهان با آن زندگی میکنند، WHO پیش بینی میکند که این بیماری تا سال 2030 به دلیل افزایش آلودگی هوا و عادت مداوم سیگار کشیدن به سومین علت اصلی مرگ و میر در جهان تبدیل خواهد شد.
سایر بیماریهای مزمن مانند برونشیت مزمن، آمفیزم یا فیبروز کیستیک نیز زندگی هزاران نفر را تلخ میکند. بر اساس آمار WHO، علیرغم پیشرفت چشمگیر در مبارزه با ذات الریه کودکان، هنوز 16 درصد از کل مرگ و میر کودکان زیر پنج سال را شامل میشود، طبق براوردهای صندوق جهانی تحقیقات سرطان سرطان ریه شایع ترین سرطان در مردان و سومین سرطان شایع در زنان در سراسر جهان است. به گفته انجمن سرطان آمریکا، سرطان ریه تا کنون اصلی ترین علت مرگ ناشی از سرطان در مردان و زنان در ایالات متحده است.
ممکن است با بدتر شدن کیفیت هوا در سراسر جهان و تداوم مصرف دخانیات، وضعیت بهتر نشود. سوال این است که چه فنآوریهایی میتواند به مراقبتهای تنفسی کمک کرده و آینده تخصص ریه و دستگاه تنفس را روشنتر نمایید؟
الگوریتمهای تشخیصی به متخصصان ریه کمک میکند
فناوریهای بهداشتی دیجیتال میتوانند در بسیاری از موارد به طور موثر به تشخیص و مدیریت بیماریهای مزمن تنفسی کمک کنند.محققان با استفاده از قدرت هوش مصنوعی و الگوریتمهای تشخیصی میتواند در آینده، قدرت متخصصان مراقبتهای بهداشتی غیر متخصص را در دقت تشخیص، تغییر دهند.
از یادگیری ماشین (داده کاوی) میتوان برای تجزیه و تحلیل صداهای تنفسی که از گوشی پزشکی الکترونیکی یا حتی از تلفنهای هوشمند به دست آمده است، برای تشخیص خسخس سینه و صدای خشخش، برای تفسیر نمرات آزمون عملکرد ریوی (PFT) یا تجزیه و تحلیل تصاویر برونکوسکوپی و همچنین اشعه ایکس و سیتی اسکن استفاده کرد.
غربالگری و تشخیص زودهنگام یکی از مهمترین عوامل موثر در سرطان ریه میباشد. با این حال، روش کنونی تشخیص سرطان ریه دارای 96 درصد نرخ مثبت کاذب است. با استفاده از یادگیری ماشینی برای تصویربرداری پزشکی، محققان راهی برای کاهش چشمگیر مثبت کاذب بدون از دست دادن حتی یک مورد سرطان پیدا کردهاند. مطالعهای از Google و Northwestern Medicine نیز نشان داد که یک الگوریتم قادر به تشخیص ندولهای بدخیم ریه در اسکن توموگرافی قفسه سینه با دوز پایین (LDCT) همتراز یا حتی بهتر از رادیولوژیستها است، که نشان میدهد چگونه A.I. میتواند دقت تشخیص زودهنگام سرطان ریه را در آینده افزایش دهد در یکی دیگر از تحقیقات، الگوریتمی که برای تشخیص الگو در تفسیر PFTها استفاده میشد، از متخصصان ریه پیشی گرفت. در مطالعه دیگری، محققان یک الگوریتم یادگیری ماشینی ایجاد کردند تا خطر ابتلا به آمبولی ریه را در بیمار پیشبینی کند که ممکن است به بهبود استفاده از تصویربرداری CT برای این بیماری کمک کند.
مجموعه مراقبتهای ویژه GE Healthcare اخیراً مجوز FDA را دریافت کرده است. این الگوریتم اسکن قفسه سینه را دقیقاً بر روی دستگاه اشعه ایکس پردازش میکند و در مواردی که علائم احتمالی پنوموتوراکس را تشخیص میدهد نشانه گذاری میکند. رادیولوژیست فوراً یک کپی از اسکن را از طریق سیستم PACS بیمارستان دریافت کرده و به کارشناس فنی که اسکن را انجام میدهد نیز هشدار داده میشود تا در درستی آزمایش اطمینان حاصل شود.
همچنین شرکتهایی مانند Fluiddaدر حال توسعه ابزارهای هوش مصنوعی برای ترکیب سیتیاسکن با وضوح بالا با ابزارهای پیشرفته Computational Fluid Dynamics (CFD) هستند تا به متخصصان ریه در تجسم پارامترهای ساختاری و عملکردی ریهها کمک کنند که این امر میتواند به روند تشخیص نیز کمک کند. مثال دیگر، برنامه گوشیهای هوشمند، ResApp، است که یک تست تشخیصی مطمئن برای بیماریهای تنفسی ارائه میدهد.
دستگاه استنشاقی و اسپیرومتر هوشمند برای جلوگیری از محرکهای احتمالی
توسعه حسگرهای بهداشتی، دستگاههای متصل و پوشیدنی نیز میتواند در تشخیص کمک کند. inhalerهای هوشمند میتوانند دادهها را بصورت غیرفعال جمع آوری کرده و به پزشک عمومی بیمار منتقل یا در موبایل برای استفاده در آینده ذخیره کند، یا میتواند علائم را در طول زمان کنترل کند. دستگاههای استنشاقی آینده ممکن است کاربران را در مورد محرکهای احتمالی محیطی هشدار دهند و اگر به اندازه کافی مورد استفاده قرار گیرند، تجزیه و تحلیل دادههای بزرگ میتواند به محققان در پاسخ به سوالات مهم در مورد آسم و سایر اختلالات تنفسی که نیاز به داروهای استنشاقی دارند، مانند COPD کمک کند. Propeller Air، یک API باز است که از یادگیری ماشینی از منابع محیطی برای پیش بینی نحوه تأثیر آسم در شرایط محیطی محلی استفاده میکند.
در حال حاضر، دستگاههای استنشاقی و دستگاههای دیجیتالی متصل به inhalers موجود، میتوانند با اندازهگیری و ارزیابی شیوه و کیفیت تنفس، به تشخیص و غلبه بر پایبندی ضعیف ناخواسته کمک کنند. FDA اولین inhalers هوشمند، TeA’s ProAir Digihaler را تأیید کرد . این دستگاه دارای حسگری است که زمان استفاده در زمان واقعی را ردیابی میکند و این دادهها را با برنامه تلفن همراه همگام میکند.ProAir Digihaler میتواند میزان استفاده بیمار از آن را تعیین کند، چرا که حسگر، عملکرد تنفس را اندازه گیری و به آنها امتیاز میدهد.
در طول مدیریت آسم، اندازه گیری ظرفیت ریه برای نظارت بر بینظمیهای تنفسی از طریق جریان سنجهای پیک ضروری است. شرکت Health Care Originals یک دستگاه پوشیدنی به نام ADAMM برای اندازه گیری میزان سرفه، الگوهای تنفس، ضربان قلب، دما و سایر دادههای بدن معرفی کرد. با مقایسه دادههای جمع آوری شده در زمان واقعی با شاخصهای عادی، دستگاه در صورت بالاتر از حد معمول بودن، به کاربر و یا پزشک آنها هشدار میدهد. علاوه بر این، به بیماران یادآوری میکند که داروهای خود را مصرف کنند و اطمینان حاصل میکند که آنها به طور منظم از داروهای استنشاقی خود استفاده میکنند. با به اشتراک گذاری دادهها با متخصص ریه، مدیریت آسم آسانتر میشود.
AioCare چاقویی را برای شرایط تنفسی توسعه داده است که با مینی اسپیرومتر، اندازه گیری حداکثر(پیک) جریان و ضربان قلب را انجام میدهد.
.
راهحلهای دیجیتالی برای کمک به پایبندی (به درمان)
همانطور که قبلاً نیز اشاره شد، پایبندی ضعیف به درمان شرایط تنفسی عمدتا به دستگاههای استنشاقی مربوط میشود. زیرا استفاده از داروهای تنفسی در درجه اول از طریق این دستگاهها انجام میشود. از آنجا که این امر شامل چندین مرحله است و بیماران باید از داروهای تنفسی به شیوه مناسب استفاده کنند، نتیجه این میشود که 50 درصد از بیماران مبتلا به بیماریهای تنفسی از داروهای روزانه خود طبق دستور استفاده نمیکنند. مطالعات تأیید کردند که میزان پایبندی به داروهای تجویز شده بسیار پایین است و این بر روند درمان تأثیر منفی میگذارد.
نظارت بر صحت روش مصرف دارو و همچنین ردیابی اینکه آیا بیمار از رژیم تجویز شده پیروی میکند، برای بهبود اثربخشی مسیرهای مراقبت از تنفس حیاتی است. شرکتهای بهداشت دیجیتال پتانسیل کمک به بیماران را از طریق فناوریهای نظارتی دارند. برای مثال:
فناوریهای Propeller Health، Cohero Health یا Amiko و inhalersهای هوشمند، برای پیگیری پایبندی بیمار، تکنیکهای مصرف و گزارش مجدد آن به پزشک مورد توجه قرار گرفته است. در عین حال، برنامه myCOPD به افراد مبتلا به این بیماری کمک میکند تا تکنیک تنفس خود را کامل کرده، تنفس را بهبود بخشیده و تشدید را کاهش دهند یا داروها را دنبال کنند.
لباس و برچسب هوشمند برای تنفس راحت
گروهی از محققان با استفاده از برچسبی که افراد مبتلا به آسم میتوانند بر روی پوست خود بپوشند، میتواند هنگام حمله، هشدار دهند. هنگامی که برچسب قرار میگیرد، حسگرهای موجود در برچسب، فشار وارد شده به قفسه سینه کاربر را اندازه گیری میکنند. در عرض چند سال، یک وصله مشابه میتواند به تلفن هوشمند کاربر متصل شود و آنها را ترغیب کرده تا به دنبال کمک باشند.
در آینده، دیگر حسگرهای متصل به لباس که میزان کسر نیتریک اکسید بازدم، فعالیت بدنی یا آلودگی محیط را اندازه گیری میکنند، میتوانند پارامترهای فیزیولوژیکی مربوط به شرایط تنفسی را نیز کنترل کنند.
یکی دیگر از فناوریهای آینده، پیراهن هوشمند هستند که میتوانند فعالیت ریهها را تحت نظر داشته باشد. پیراهن مجهز به حسگرهایی برای تشخیص آسم، ذات الریه، برونشیت و COPD هستند که به تلفن هوشمند کاربر متصل میشود. برخی از کارشناسان معتقدند گام بعدی استفاده از حسگرهایی در لباس است که میتواند وجود مواد شیمیایی یا دود زیاد در محیط و یا حمله آسم یا بیماری تنفسی را مشخص کند. به عنوان مثال، Spire وVitali Smart Bra, دستگاههای پوشیدنی هستند که با حسگرهای حرکتی، فعالیت و تنفس کاربر را اندازه گیری میکند. چنین سیستمهایی میتوانند الگوهای تنفس را از نظر فرکانس تنفس و شکل موج تجزیه و تحلیل کرده و بازخورد زیستی را در اختیار کاربر قرار دهند.
در نوزادان نیز، MonBaby یک گیره است که روی لباس کودک چسبانده و اطلاعات مربوط به تنفس، حرکت و وضعیت خواب را در تلفن هوشمند نشان میدهد.
منبع: Breathtaking: The Future Of Respiratory Care And Pulmonology
پژوهشگر: علیرضا امین