Künstliche Intelligenz und Tragegeräte revolutionieren präventive Gesundheitsversorgung

Kluge Sensoren und intelligenteres Gesundheitsmanagement: Wie KI und tragbare Geräte die präventive Gesundheitsfürsorge revolutionieren Die Kombination aus künstlicher Intelligenz (KI) und tragbaren Geräten schafft neue Möglichkeiten, um die menschliche Gesundheit durch Forschung zu verbessern. Dr. Shravan Aras, stellvertretender Direktor für Sensoranalyse und intelligente Gesundheitsplattformen am Center for Biomedical Informatics and Biostatistics der University of Arizona Health Sciences, möchte helfen, dass seine Wissenschaftskollegen das Beste aus tragbaren Sensoren herausholen. Dabei geht es darum, Sensoren in Forschungsstudien zu integrieren und die Analyse von sensorischen Daten zu optimieren. Die Entwicklung von KI und maschinellem Lernen hat dabei enorme Chancen für Fortschritte in diesem Bereich geschaffen. Dr. Aras, der auch als Assistenzforschungsprofessor tätig ist, erhielt seinen Doktortitel in Informatik von der University of Arizona. Er sieht die Informatik nicht isoliert, sondern als kooperatives Werkzeug, das auf verschiedene Bereiche angewendet wird, um komplizierte und herausfordernde Probleme zu lösen. Dies beinhaltet das Schreiben von Code, die Durchführung von Analysen und die Entwicklung von Hardware, um schließlich Ergebnisse bei Endanwendern zu sehen. Eine der Herausforderungen, die Dr. Aras angeht, ist die genaue Vorhersage des Beginns der Entbindung bei schwangeren Frauen. Geburtstermine werden traditionell durch das Zählen von 40 Wochen ab dem letzten Menstruationszyklus berechnet, obwohl die Schwangerschaftsdauer bei Menschen von 37 bis 42 Wochen variieren kann. Es gibt keine klinischen Tools, die den drohenden Beginn der Wehen präzise vorhersagen können. Daher müssen schwangere Frauen selbst Anzeichen der Entbindung melden, ein Verfahren, das häufig zu Fehlalarmen führt. Um dieses Problem zu lösen, arbeitete Dr. Aras mit Dr. Elise Erickson, einer zertifizierten Hebamme und Associate Professor für Physiologie an der University of Arizona College of Medicine—Tucson sowie Mitglied des BIO5 Institutes, zusammen. Sie nutzten Temperaturenmessungen von Smart Rings und KI, um ein Modell zu entwickeln, das den Beginn der Entbindung vorhersagen kann. Im Gegensatz zu den täglichen Temperaturenmessungen, die bei der Fruchtbarkeits- und Ovulationsverfolgung üblich sind, sammelte das Team kontinuierliche Temperaturdaten, die jede Minute aufgezeichnet wurden. Durch die Anwendung tiefer neuronaler Netze, die das Funktionieren des menschlichen Gehirns simulieren, konnten die Forscher ein Modell entwickeln, das den Beginn der Entbindung innerhalb eines 4,6-Tage-Fensters sieben Tage vor der tatsächlichen Entbindung korrekt vorhersagt. Dies gelang für 79% der spontanen Entbindungen. Das Modell zeigte auch eine Genauigkeit von 7,4 Tagen innerhalb eines 10-Tage-Fensters vor der tatsächlichen Entbindung. Das Team hofft, das Modell in einer größeren Studie zu testen, um dessen klinische Anwendbarkeit weiter zu verfeinern. Ihr langfristiges Ziel ist es, Software zu entwickeln, die in bestehende tragbare Produkte oder medizinische Geräte integriert werden kann. Ein weiteres Forschungsprojekt von Dr. Aras konzentriert sich darauf, die Nutzung von sensorischen Daten zu optimieren. Er war der Hauptautor des Artikels "Is Greener Better? Quantifying the Impact of a Nature Walk on Stress Reduction Using HRV and Saliva Cortisol Biomarkers", der im International Journal of Environmental Research and Public Health veröffentlicht wurde. Die Studie nutzte Daten, die vor acht Jahren am Walter Reed National Military Medical Center in Bethesda gesammelt wurden, wo der "Green Road" gebaut wurde. Der Green Road ist ein zweieinhalbstündiger Waldweg in einem acht Hektar großen Waldtal mit einem natürlichen Bachlauf, einer der größten Wildnisparks für Heilung in den USA. Die Teilnehmer gingen an zwei verschiedenen Tagen 20 Minuten auf dem Green Road, der von vielen Bäumen und grünem Laub umgeben ist, und auf einem gewöhnlichen städtischen Weg, der von Beton, Gebäuden, Parkgaragen, Schildern und einigen kleinen Grasflächen und Bäumen umgeben war. Forscher der Uniformed Services University sammelten Metriken zur Herzfrequenzvariabilität (HRV) von einem tragbaren Sensor, Cortisolwerte aus Speichelproben und selbstberichtete Stimmungs- und Achtsamkeitsmaßstäbe. Die Analyse des Teams zeigte, dass ein Spaziergang auf dem Green Road einen signifikant positiven Einfluss auf die Stressreaktion hatte, verglichen mit einem Spaziergang auf einem städtischen Weg. Für alle Teilnehmer half das Gehen, den Cortisolspiegel zu senken, und der Spaziergang auf dem Green Road führte zu einer höheren Reduktion des Cortisolspiegels. Die HRV-Metriken waren jedoch komplexer. Es gab erhebliche individuelle Unterschiede in der Stressreaktion des autonomen Nervensystems, wie durch HRV gemessen. Einige Teilnehmer zeigten einen stark positiven Einfluss, während andere kaum oder keinen zeigten. Dr. Aras betonte, dass individuelle Erfahrungen, wie zum Beispiel der Anblick einer Schlange, die HRV erheblich beeinflussen können. Diese Faktoren sind jedoch schwer zu kontrollieren. Trotzdem plant das Team, in einer laufenden Studie mit Dr. Esther Sternberg, Mitglied des BIO5 Institutes, und Dr. J. Ray Runyon, KI zu verwenden, um die Stressreaktion über digitale, schwitzbasierte Biomarker zu bewerten. Die Ergebnisse sollen diesen Sommer veröffentlicht werden. Diese beiden Projekte sind erst der Anfang, was die Nutzung von KI für Gesundheitsforschung betrifft. Dr. Aras betont, dass KI Forschern ermöglicht, viel mehr Daten schneller und zugänglicher zu sammeln und zu verarbeiten. Die Kombination von KI und tragbaren Sensoren bietet nach seiner Meinung enorme Chancen, um die menschliche Gesundheit zu verbessern. "Was KI uns ermöglicht, sind optimierte und effiziente Modelle, die autonom lernen und unterschiedliche Schlussfolgerungen ziehen können," sagte Dr. Aras. "Mich interessiert, wie man diese verschiedenen Sensoren nutzen kann, die fast jeder trägt. Mein Ziel ist es, nonsymptomatische Zustände vorauszusagen und dies proaktiv anstelle von reaktiv zu tun, wo man immer nur Symptome behandeln muss. Ich möchte voraussagen können, dass etwas bevorsteht, indem ich Sensoren nutze." Branchenkenner loben die fortschrittliche Anwendung von KI und tragbaren Sensoren in der Gesundheitsforschung. Das University of Arizona Health Sciences Center ist bekannt für seine innovative Arbeit in der Biomedizinischen Informatik und Biostatistik. Die Zusammenarbeit zwischen verschiedenen Disziplinen, wie Informatik, Physiologie und Umweltforschung, zeigt, wie interdisziplinäre Ansätze zu bedeutenden Fortschritten in der Präventivmedizin führen können.