Temel bilgiler tek bir adımdadır. Öte yandan, günlük deneyim bize yaşlı insanların, birkaç yıl daha genç olanlara kıyasla daha yavaş ve daha kısa adımlarla yürüdüklerini, bunun yerine daha uzun adımlarla daha hızlı yürüdüklerini gösteriyor. Motor işlevlerini de etkileyen bir beyin rahatsızlığından muzdarip olanlardan bahsetmiyorum bile.
İsrail'deki Tel Aviv Üniversitesi ve Ichilov'un Tel Aviv Sourasky Tıp Merkezi'nden bir grup araştırmacı, kendi gözlerimizle gözlemleyebildiğimiz şeyleri bilimsel olarak keşfetmek için çok disiplinli bir çalışma yürüttü ve yayımlandı. Dijital Tıp Amacı, adım uzunluğunu doğru bir şekilde tahmin edecek bir makine öğrenme sistemi geliştirmekti.
Alzheimer, ilk Avrupa kılavuzları sayesinde daha hızlı teşhis
15 Şubat 2024
Araştırmacılar, çalışmada bu parametrenin, fizyolojik yaşlanma sürecinden Parkinson, multipl skleroz, Alzheimer ve genel olarak nörodejeneratif hastalıklar gibi patolojik durumlara kadar basit sorunlardan ciddi hastalıklara kadar geniş bir yelpazede önlemede önemli olduğunun altını çiziyor.
Arkada bir sensör
Adım uzunluğunu doğru bir şekilde ölçmek için araştırmacılar önce alt sırta takılan giyilebilir bir cihaz geliştirdiler: hastanın günlük hayatındaki adımların sürekli izlenmesini sağlayan bir sensör. “Bugün mevcut olan geleneksel ölçüm cihazları sabit ve hacimlidir, ayak basıncına duyarlı kameralara ve matlara dayanır ve bu nedenle yalnızca uzmanlaşmış merkezlerde mevcuttur,” diye açıklıyor araştırmacılar Asaf ZadkaTel Aviv Üniversitesi Biyomedikal Mühendisliği Bölümü'nden. Sadece bu değil, bu sistemler yalnızca bir kişinin yürüyüşünün anlık bir görüntüsünü sağlar ve bu, gün boyunca yorgunluk seviyesi, ruh hali, ilaç alımı vb. gibi birçok faktörden etkilenebilir.
“Geliştirdiğimiz model – araştırmacıların temin ettiği üzere – hastanın doğal ortamında gün boyunca doğru ölçüm yapılmasına olanak sağlıyor.” Gerçek dünyada yürüme parametrelerini yakalamak için günde 24 saat, haftada 7 gün sürekli izleme.
Algoritma nasıl eğitilir?
Ancak donanıma ek olarak, hastalar tarafından üretilen verileri yorumlamak için büyük miktarda veriyle eğitilmesi gereken bir algoritmaya da ihtiyaç vardı. Bu nedenle araştırma ekibi, neredeyse her cep telefonuna veya akıllı saate takılı olan ve yürüyüşle ilişkili parametreleri ölçen hafif ve nispeten ucuz sensörler olan IMU (eylemsizlik ölçüm birimi) sistemlerinden yararlandı.
Makine öğrenimi algoritması daha sonra Parkinson'lu kişilerden hafif bilişsel bozukluğu olan kişilere, sağlıklı yaşlı kişilerden genç yetişkinlere ve multipl sklerozlu hastalara kadar farklı koşullardaki 472 denekten alınan yürüyüş verileri kullanılarak eğitildi ve 83.569 adımlık bir veri tabanı uygulandı. Araştırmacılar daha sonra modelin sağlamlığını test etmek için tahminlerinin ne kadar doğru olabileceğini görmek için bilinen koşullarda çalıştırdılar.
Denge, iyi sağlığın göstergesidir: Bunu ölçmeyi ve korumayı öğrenelim
Deborah Ameri tarafından
28 Kasım 2022
Kesin ve doğru bir model
Zadka, bu şekilde uygulanan ve eğitilen algoritmanın, adım uzunluğunu tahmin etmek için şu anda kullanılan en gelişmiş biyomekanik modelden 3,5 kat daha doğru olduğunu söylüyor. Adım başına ortalama hata, geleneksel modelin öngördüğü 21'e kıyasla 6 santimetreydi. “Ortalama 10 adımı değerlendirdiğimizde, literatürde 'klinik öneme sahip minimum fark' olarak bilinen ve hastanın durumunda önemli bir iyileşme veya kötüleşme tespit etmemizi sağlayan 5 santimetreden daha az bir hataya ulaştık.”
İtalya da var
Araştırmacılar, Cenova Üniversitesi, Sassari ve Torino Politeknik Üniversitesi'nden araştırma gruplarının da katıldığı multidisipliner ve uluslararası çabanın ümit verici sonuçlara yol açtığını, çünkü bu şekilde toplanan verilerin, örneğin nörodejenerasyona karşı tedavilerin etkinliğini incelemek için klinik çalışmalarda da kullanılabileceğini vurguluyor.
“Şimdi, akıllı saatlerde bulunan sensörlerden gelen verilere dayanarak, deneklerin konforunu daha da artıracak benzer modeller geliştirmenin mümkün olup olmadığını anlamak istiyoruz” diye sonuca varıyor Zadka.
İsrail'deki Tel Aviv Üniversitesi ve Ichilov'un Tel Aviv Sourasky Tıp Merkezi'nden bir grup araştırmacı, kendi gözlerimizle gözlemleyebildiğimiz şeyleri bilimsel olarak keşfetmek için çok disiplinli bir çalışma yürüttü ve yayımlandı. Dijital Tıp Amacı, adım uzunluğunu doğru bir şekilde tahmin edecek bir makine öğrenme sistemi geliştirmekti.
Alzheimer, ilk Avrupa kılavuzları sayesinde daha hızlı teşhis
15 Şubat 2024
![](https://www.repstatic.it/content/contenthub/img/2024/02/14/180640021-3388a901-ebb6-463a-89af-46d0ddcbe96e.jpg)
Araştırmacılar, çalışmada bu parametrenin, fizyolojik yaşlanma sürecinden Parkinson, multipl skleroz, Alzheimer ve genel olarak nörodejeneratif hastalıklar gibi patolojik durumlara kadar basit sorunlardan ciddi hastalıklara kadar geniş bir yelpazede önlemede önemli olduğunun altını çiziyor.
Arkada bir sensör
Adım uzunluğunu doğru bir şekilde ölçmek için araştırmacılar önce alt sırta takılan giyilebilir bir cihaz geliştirdiler: hastanın günlük hayatındaki adımların sürekli izlenmesini sağlayan bir sensör. “Bugün mevcut olan geleneksel ölçüm cihazları sabit ve hacimlidir, ayak basıncına duyarlı kameralara ve matlara dayanır ve bu nedenle yalnızca uzmanlaşmış merkezlerde mevcuttur,” diye açıklıyor araştırmacılar Asaf ZadkaTel Aviv Üniversitesi Biyomedikal Mühendisliği Bölümü'nden. Sadece bu değil, bu sistemler yalnızca bir kişinin yürüyüşünün anlık bir görüntüsünü sağlar ve bu, gün boyunca yorgunluk seviyesi, ruh hali, ilaç alımı vb. gibi birçok faktörden etkilenebilir.
“Geliştirdiğimiz model – araştırmacıların temin ettiği üzere – hastanın doğal ortamında gün boyunca doğru ölçüm yapılmasına olanak sağlıyor.” Gerçek dünyada yürüme parametrelerini yakalamak için günde 24 saat, haftada 7 gün sürekli izleme.
Algoritma nasıl eğitilir?
Ancak donanıma ek olarak, hastalar tarafından üretilen verileri yorumlamak için büyük miktarda veriyle eğitilmesi gereken bir algoritmaya da ihtiyaç vardı. Bu nedenle araştırma ekibi, neredeyse her cep telefonuna veya akıllı saate takılı olan ve yürüyüşle ilişkili parametreleri ölçen hafif ve nispeten ucuz sensörler olan IMU (eylemsizlik ölçüm birimi) sistemlerinden yararlandı.
Makine öğrenimi algoritması daha sonra Parkinson'lu kişilerden hafif bilişsel bozukluğu olan kişilere, sağlıklı yaşlı kişilerden genç yetişkinlere ve multipl sklerozlu hastalara kadar farklı koşullardaki 472 denekten alınan yürüyüş verileri kullanılarak eğitildi ve 83.569 adımlık bir veri tabanı uygulandı. Araştırmacılar daha sonra modelin sağlamlığını test etmek için tahminlerinin ne kadar doğru olabileceğini görmek için bilinen koşullarda çalıştırdılar.
Denge, iyi sağlığın göstergesidir: Bunu ölçmeyi ve korumayı öğrenelim
Deborah Ameri tarafından
28 Kasım 2022
![](https://www.repstatic.it/content/contenthub/img/2022/11/10/162907308-79ca72c4-30ae-4bb2-a980-b426e5b1e8af.jpg)
![](https://www.repstatic.it/content/contenthub/img/2022/11/10/162907308-79ca72c4-30ae-4bb2-a980-b426e5b1e8af.jpg)
Kesin ve doğru bir model
Zadka, bu şekilde uygulanan ve eğitilen algoritmanın, adım uzunluğunu tahmin etmek için şu anda kullanılan en gelişmiş biyomekanik modelden 3,5 kat daha doğru olduğunu söylüyor. Adım başına ortalama hata, geleneksel modelin öngördüğü 21'e kıyasla 6 santimetreydi. “Ortalama 10 adımı değerlendirdiğimizde, literatürde 'klinik öneme sahip minimum fark' olarak bilinen ve hastanın durumunda önemli bir iyileşme veya kötüleşme tespit etmemizi sağlayan 5 santimetreden daha az bir hataya ulaştık.”
İtalya da var
Araştırmacılar, Cenova Üniversitesi, Sassari ve Torino Politeknik Üniversitesi'nden araştırma gruplarının da katıldığı multidisipliner ve uluslararası çabanın ümit verici sonuçlara yol açtığını, çünkü bu şekilde toplanan verilerin, örneğin nörodejenerasyona karşı tedavilerin etkinliğini incelemek için klinik çalışmalarda da kullanılabileceğini vurguluyor.
“Şimdi, akıllı saatlerde bulunan sensörlerden gelen verilere dayanarak, deneklerin konforunu daha da artıracak benzer modeller geliştirmenin mümkün olup olmadığını anlamak istiyoruz” diye sonuca varıyor Zadka.