پنج‌شنبه 19 نوامبر 2026
سلامتی

هوش مصنوعی الگوهای حرکتی بدن را رمزگشایی می‌کند: راه رفتن آیینه‌ای برای سلامت کبد و خواب

مریم یزدانی 1 روز پیش 17 نوامبر 2026 - 13:20
هوش مصنوعی الگوهای حرکتی بدن را رمزگشایی می‌کند: راه رفتن آیینه‌ای برای سلامت کبد و خواب

به گزارش آفتاب شرق، پژوهشی پیشرو در مؤسسه علوم وایزمن اسرائیل پرده از لایه‌های پنهان حرکات روزمره برمی‌دارد.

تحقیق منتشرشده در نیچر مدیسین بر پایه داده‌های سه‌هزار و سیصد و بیست و هشت بزرگسال استوار شده که هر یک پنج وظیفه حرکتی متفاوت را در حضور دوربین سه‌بعدی انجام دادند. سیستم هوشمند پس از ثبت موقعیت مفاصل، الگو‌های بدست‌آمده را با پرونده‌های پزشکی، نتایج آزمایش‌های خون، اندازه‌گیری‌های بدنی و سوابق بیماری مقایسه کرد.

نماینده‌ی شگفت‌انگیز این کار، توانایی مدل در پیش‌بینی سفتی کبد تنها از خلال تحلیل حرکات بدنه است. دقت این روش در برآورد فیبروز کبد، سطح اطلاعاتی را فراهم می‌آورد که تا کنون تنها با بیوبتسی یا آزمایش‌های آنزیمی کبد ممکن بود. هم‌زمان، الگو‌های حرکتی بالاتنه ــ ناحیه میان شانه‌ها و لگن ــ با کیفیت خواب، آپنه، بی‌خوابی و مدت خواب شبانه همبستگی معنی‌دار نشان دادند.

نکته‌ی قابل تأمل در این میان، تأثیرگذاری دوچندان کیفیت خواب بر بافت حرکتی بدن است که فرا‌تر از پیش‌بینی‌های اولیه محققان قرار گرفته است. ادغام داده‌های حرکتی با متغیر‌های کلاسیکمانند سن، شاخص توده بدنی، چربی احشایی و قد، قدرت پیش‌بینی دیابت، افسردگی و اختلال خواب را به‌مراتب تقویت می‌کند.

از منظر بالینی، این رویکرد مسیر جدیدی برای رینینگ غیرت‌هاجمی گشوده است. پزشکان در آینده‌ی نه‌چندان‌دور می‌توانند بدون سوزن و کنی، از طریق یک جلسه‌ی کوتاه تحلیل حرکتی، سیگنال‌های هشداردهنده‌ی اختلالات متابولیک یا عصبی را دریافت کنند. با این حال، ارتباط علی و معلول همچنان در ابهام است؛ تغییر الگوی راه رفتن می‌تواند پیامد بیماری باشد یا پیش‌درآمد آن.

محدودیت جغرافیایی و جمعیتی مشارکت‌کنندگان ــ اکثرا افراد سالم از یک جامعه خاص در اسرائیل ــ ضرورت تأیید در طیف‌های نژادی، سنی و بیماری متفاوت را اجتناب‌ناپذیر می‌سازد. محققان اکنون بر طراحی مطالعات طولی تمرکز کرده‌اند تا مشخص کنند آیا انحرافات حرکتی می‌توانند ماه‌ها یا سال‌ها پیش از بروز علائم بالینی، زنگ خطر را به صدا در آورند یا خیر.

آدام گابت، یکی از نویسندگان اصلی مطالعه، بر ضرورت اعتبار‌سنجی مستقل این مدل در مشتقات جمعیتی متنوع تأکید داشت. او گفت دقت پیش‌بینی در گروه‌های سنی بالا، افراد با اختلالات حرکتی عصبی-عضلانی و بیمارانی که تحت درمان‌های دارویی طولانی‌مدت قرار دارند، هنوز چالش‌برانگیز باقی مانده است.

تحلیل‌های جانبی نشان داد که ترکیب داده‌های حرکتی با وره‌ای الت‌هابی خون، نظیر سی-راکتین پروتئین و فیبرینوژن، توانایی تفکیک الت‌هاب کم‌گرد کبد از فیبروز پیشرفته را تقویت می‌کند. این یافتن، راه را برای طراحی الگوریتم‌های چندمرحله‌ای باز می‌کند که ابتدا از طریق حرکت غربالگری انجام می‌شوند و در صورت مثبت بودن، به تست‌های هدفمند هدایت می‌شوند.

از دیدگاه اقتصاد سلامت، پیاده‌سازی این فناوری در مراجع اولیه می‌تواند هزینه‌های ناشی از بیوبتسی‌های غیر‌ضروری و تصویربرداری‌های تکراری را به‌مراتب کاهش دهد. محققان برآورد می‌کنند که با گسترش پایگاه داده به ده‌ها هزار مشارکت‌کننده از قاره‌های مختلف، حساسیت و نوعیتی مدل به آستانه‌ی استاندارد‌های بالینی برای تشخیص پیشین دیابت نوع ۲ و استاتوز کبد غیر‌الکلسیکی خواهد رسید.

گام بعدی تیم وایزمن، راه‌اندازی یک آزمایش کنترل‌شده تصادفی است که در آن شرکت‌کنندگان با پروفایل‌های حرکتی پرخطر، تحت سی طولی قرار می‌گیرند تا تعیین شود آیا مداخله‌های تمرینی هدفمند می‌تواند الگو‌های حرکتی را نرمال‌سازی و پیشرفت بیماری را کند کند یا خیر. نتایج این فاز، مصداقیت بالینی حرکت به عنوان بیومارکر را در سطح جهانی تثبیت خواهد کرد.