city-gold-ad-for-blogger

നിങ്ങൾ അറിയാതെ നിങ്ങളുടെ ശരീരം സംസാരിക്കുന്നു! ഒറ്റ രാത്രിയിലെ ഉറക്കം മതി, നൂറിലധികം രോഗങ്ങളെ മുൻകൂട്ടി പ്രവചിക്കാൻ എഐ വിദ്യ! പുതിയ കണ്ടെത്തലുമായി ശാസ്ത്രജ്ഞർ

Illustration of Artificial Intelligence analyzing human sleep patterns and brain waves.
Representational Image generated by Grok

● പോളിസോമ്‌നോഗ്രാഫി പരിശോധനയിലെ വിവരങ്ങൾ ഉപയോഗിച്ചാണ് രോഗനിർണയം നടത്തുന്നത്.
● ഹൃദയാഘാതം, സ്ട്രോക്ക്, പാർക്കിൻസൺസ്, വിവിധതരം കാൻസറുകൾ എന്നിവ മുൻകൂട്ടി കണ്ടെത്താം.
● നിലവിലുള്ള രീതികളേക്കാൾ 17 ശതമാനം വരെ കൂടുതൽ കൃത്യത ഈ മോഡലിനുണ്ടെന്ന് ഗവേഷകർ.
● ഭാവിയിൽ സ്മാർട്ട് വാച്ചുകളിലൂടെയും മറ്റും വീട്ടിലിരുന്ന് രോഗനിർണയം നടത്താൻ ഇത് സഹായിക്കും.

(KasargodVartha) നമ്മൾ ഓരോ രാത്രിയിലും ആഴത്തിൽ ഉറങ്ങുമ്പോൾ നമ്മുടെ ശരീരം നൂറുകണക്കിന് രഹസ്യങ്ങൾ കൈമാറുന്നുണ്ടെന്ന് നിങ്ങൾക്കറിയാമോ? സ്റ്റാൻഫോർഡ് സർവ്വകലാശാലയിലെ ഗവേഷകർ വികസിപ്പിച്ചെടുത്ത 'സ്ലീപ്-എഫ്എം'  എന്ന ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് മോഡൽ, ഒരാളുടെ ഒറ്റ രാത്രിയിലെ ഉറക്കം വിശകലനം ചെയ്തുകൊണ്ട് ഭാവിയിൽ വരാൻ സാധ്യതയുള്ള നൂറിലധികം രോഗങ്ങളെ പ്രവചിക്കുമെന്ന് കണ്ടെത്തിയിരിക്കുന്നു. 

മെഡിക്കൽ ലോകത്തെ വിസ്മയിപ്പിക്കുന്ന ഈ കണ്ടെത്തൽ 'നേച്ചർ മെഡിസിൻ' എന്ന വിഖ്യാത ജേണലിലാണ് പ്രസിദ്ധീകരിച്ചിരിക്കുന്നത്. സാധാരണയായി ഉപയോഗിക്കുന്ന ചാറ്റ് ജിപിടി ഭാഷകളെ പഠിക്കുന്നതുപോലെ, സ്ലീപ്-എഫ്എം ഉറക്കത്തിന്റെ 'ഭാഷ' പഠിച്ചാണ് ഈ പ്രവചനങ്ങൾ നടത്തുന്നത്. ഏകദേശം 65,000 ആളുകളിൽ നിന്നായി ശേഖരിച്ച ആറ് ലക്ഷത്തോളം മണിക്കൂർ ഉറക്ക വിവരങ്ങൾ വിശകലനം ചെയ്താണ് ഈ അത്ഭുത മോഡൽ പരിശീലിപ്പിക്കപ്പെട്ടിരിക്കുന്നത്.

എങ്ങനെയാണ് പ്രവർത്തിക്കുന്നത്?

പോളിസോമ്‌നോഗ്രാഫി (PSG) എന്ന അത്യാധുനിക പരിശോധനാരീതിയിലൂടെയാണ് ഉറക്കത്തിലെ വിവരങ്ങൾ ശേഖരിക്കുന്നത്. ഒരാൾ ഉറങ്ങുമ്പോൾ തലച്ചോറിലെ തരംഗങ്ങൾ, ഹൃദയമിടിപ്പ്, ശ്വസന രീതികൾ, കണ്ണുകളുടെയും കാലുകളുടെയും ചലനങ്ങൾ എന്നിവ സെൻസറുകൾ വഴി റെക്കോർഡ് ചെയ്യുന്നു. ഈ വിവരങ്ങളെ അഞ്ച് സെക്കൻഡ് ദൈർഘ്യമുള്ള ചെറിയ ഭാഗങ്ങളായി തിരിച്ച് സ്ലീപ്-എഫ്എം വിശകലനം ചെയ്യുന്നു. ഇതിനായി 'ലീവ്-വൺ-ഔട്ട് കോൺട്രാസ്റ്റീവ് ലേണിംഗ്' എന്ന പുതിയ സാങ്കേതികവിദ്യയാണ് ഗവേഷകർ ഉപയോഗിച്ചത്. 

ഉദാഹരണത്തിന്, ഹൃദയമിടിപ്പിന്റെ വിവരങ്ങൾ മാറ്റിനിർത്തിക്കൊണ്ട് മറ്റ് ശരീര സൂചനകളിൽ നിന്ന് ഹൃദയമിടിപ്പ് എങ്ങനെയായിരിക്കുമെന്ന് പ്രവചിക്കാൻ ഈ എഐ മോഡലിനെ പരിശീലിപ്പിച്ചു. ഇത്തരത്തിൽ ശരീരത്തിലെ വിവിധ അവയവങ്ങൾ ഉറക്കത്തിൽ എങ്ങനെ പരസ്പരം ബന്ധപ്പെട്ടിരിക്കുന്നു എന്ന് ഈ മോഡൽ മനസ്സിലാക്കുന്നു.

ഉറക്കത്തിൽ ഒളിഞ്ഞിരിക്കുന്ന രോഗലക്ഷണങ്ങൾ

ഗവേഷണത്തിന്റെ ഭാഗമായി പതിനായിരക്കണക്കിന് ആളുകളുടെ കഴിഞ്ഞ 25 വർഷത്തെ ആരോഗ്യ വിവരങ്ങൾ സ്ലീപ്-എഫ്എം പരിശോധിച്ചു. ഇതിലൂടെ ഏതാണ്ട് 130-ഓളം രോഗങ്ങൾ വളരെ കൃത്യതയോടെ പ്രവചിക്കാൻ ഈ സംവിധാനത്തിന് സാധിക്കുമെന്ന് തെളിഞ്ഞു. പ്രധാനമായും മറവിരോഗം, പാർക്കിൻസൺസ് രോഗം, ഹൃദയാഘാതം, സ്ട്രോക്ക്, വൃക്കരോഗങ്ങൾ, വിവിധതരം കാൻസറുകൾ എന്നിവ ഇതിൽ ഉൾപ്പെടുന്നു. 

stanford ai sleep fm predicts diseases sleep analysis

ഒരാളുടെ തലച്ചോറ് ഉറക്കത്തിലാണെന്ന് തോന്നിപ്പിക്കുകയും എന്നാൽ ഹൃദയം ഉണർന്നിരിക്കുന്നതുപോലെ പ്രവർത്തിക്കുകയും ചെയ്യുന്ന അവസ്ഥ പലപ്പോഴും മാരകമായ രോഗങ്ങളുടെ മുൻകൂർ ലക്ഷണമാകാം എന്ന് ഗവേഷകർ വ്യക്തമാക്കുന്നു. രോഗങ്ങൾ വരുന്നതിന് വർഷങ്ങൾക്ക് മുൻപേ അവയുടെ ചെറിയ സൂചനകൾ നമ്മുടെ ഉറക്കത്തിൽ പ്രതിഫലിക്കുമെന്നാണ് ഈ പഠനം അടിവരയിടുന്നത്.

ആരോഗ്യരംഗത്തെ വിപ്ലവകരമായ മാറ്റം

നിലവിലുള്ള രോഗനിർണയ രീതികളേക്കാൾ അഞ്ച് മുതൽ പതിനേഴ് ശതമാനം വരെ കൂടുതൽ കൃത്യത സ്ലീപ്-എഫ്എം വാഗ്ദാനം ചെയ്യുന്നു. പല രോഗങ്ങളും അവയുടെ സങ്കീർണ്ണാവസ്ഥയിൽ എത്തുന്നതിന് മുൻപേ കണ്ടെത്താൻ സാധിക്കുന്നത് ചികിത്സാ രംഗത്ത് വലിയ മാറ്റങ്ങൾ കൊണ്ടുവരും. ഭാവിയിൽ സ്മാർട്ട് വാച്ചുകളോ മറ്റ് ധരിക്കാവുന്ന ഉപകരണങ്ങളോ ഉപയോഗിച്ച് വീട്ടിലിരുന്നുതന്നെ നമ്മുടെ ഉറക്കം നിരീക്ഷിക്കാനും ആരോഗ്യപ്രശ്നങ്ങൾ മുൻകൂട്ടി തിരിച്ചറിയാനും ഈ സാങ്കേതികവിദ്യ സഹായിച്ചേക്കാം. 

എന്നിരുന്നാലും, ഇതൊരു പ്രാഥമിക രോഗനിർണയ ഉപാധി മാത്രമാണെന്നും പൂർണമായ ചികിത്സാ തീരുമാനങ്ങൾക്ക് ഡോക്ടർമാരുടെ പരിശോധന അത്യാവശ്യമാണെന്നും ഗവേഷകർ ഓർമ്മിപ്പിക്കുന്നു. ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് മനുഷ്യന്റെ ജീവൻ രക്ഷിക്കാൻ എങ്ങനെ ക്രിയാത്മകമായി ഉപയോഗിക്കാം എന്നതിന്റെ ഉത്തമ ഉദാഹരണമാണ് ഈ കണ്ടെത്തൽ.

ഈ വാർത്ത ഷെയർ ചെയ്യൂ. നിങ്ങളുടെ അഭിപ്രായങ്ങൾ കമൻ്റ് ചെയ്യുക.

Article Summary: Stanford researchers have developed 'Sleep-FM', an AI model that can predict over 100 diseases by analyzing just one night's sleep data using Polysomnography.

#HealthTech #AI #StanfordUniversity #SleepFM #MedicalScience #SleepStudy

Share this story

google news
Local News
Kasargodvartha android application
UNITED MEDICAL CENTER 01/02/2022
wellfitindia

wellfitindia