→ العودة إلى الصفحة الرئيسية

كم من المعلومات الصحية تكشفها طريقة المشي؟ دراسة بالذكاء الاصطناعي تربط الحركة بمؤشرات تخص 18 فئة من أجهزة الجسم

وجدت دراسة شملت 3,328 بالغًا أن أنماط حركة مفاصل الجسم بأكمله يمكن أن تضيف معلومات عن فروق صحية لا تفسرها بيانات العمر ودهون الجسم. وقد يجعل ذلك تحليل الحركة أداة جديدة للبحوث السريرية، لكن استخدامه للتحري عن الأمراض وتشخيصها لا يزال يتطلب تحققًا من خلال دراسات مستقبلية.

By SURL BioNews

قد تكشف مراقبة شخص يمشي أكثر من مجرد توازنه وقوته العضلية. فالخطوات، وتأرجح الجذع، والتنسيق بين المفاصل قد تعكس أيضًا فروقًا صحية تتعلق بالأيض والنوم وغيرهما. وحاولت دراسة نُشرت إلكترونيًا في 6 نوفمبر في مجلة Nature Medicine استخدام الذكاء الاصطناعي لقراءة هذه التفاصيل: إذ أظهرت بيانات الحركة لدى 3,328 بالغًا قدرة على التنبؤ بفئات متعددة من المؤشرات الصحية، ما يفتح مسارًا بحثيًا لتقييم صحي قليل الأعباء.

استخدمت الدراسة بيانات أتراب Human Phenotype Project، وسجّلت حركة الهيكل العظمي ثلاثية الأبعاد للمشاركين أثناء أدائهم خمس مهام حركية باستخدام كاميرا عمق واحدة. ووفقًا للمعلومات التي نشرتها Newton Tech، حلّل الفريق ما مجموعه 17,589 تسلسلًا حركيًا، استُخرجت وعولجت باستخدام نظام Movement Lab التابع للشركة. وما جرى تحليله هنا هو ديناميكيات الهيكل العظمي أثناء مهام موحّدة، ولا يعني ذلك أن تصوير مقطع عابر من الحياة اليومية يكفي للحصول على تقييم صحي.

غالبًا ما يختزل تحليل المشية التقليدي الحركة في قيم مثل وتيرة الخطوات وطول الخطوة؛ أما النموذج التأسيسي في هذه الدراسة فيحوّل أنماط الحركة المشتركة لمفاصل الجسم بأكمله عبر الزمن إلى مجموعة من التمثيلات العددية. وبلغت معاملات الارتباط لتنبؤات النموذج بالعمر، ومؤشر كتلة الجسم (BMI)، ومساحة الدهون الحشوية 0.69 و0.91 و0.83 على التوالي، متفوقةً على خصائص المشية التقليدية التي قارنتها الدراسة. وتصف هذه الأرقام مدى الارتباط بين القيم المتنبأ بها والقيم المقاسة فعليًا، ولا يمكن تفسيرها على أنها معدلات دقة لتشخيص الأمراض.

من بين 3,210 أنماط ظاهرية صحية خضعت للاختبار، أظهر النموذج قدرة تنبؤية ذات دلالة إحصائية في 1,887 منها. والأهم أنه بعد بناء نموذج مرجعي يعتمد على العمر ومؤشر كتلة الجسم والدهون الحشوية والطول، ظلت إضافة التمثيلات الحركية تحسّن التنبؤات في جميع فئات أجهزة الجسم الـ18 لدى الرجال، وفي 17 فئة منها لدى النساء. وهذا يعني أن الحركة وفّرت معلومات تتجاوز تركيب الجسم، لكنه لا يعني أن كل مؤشر بلغ بالفعل مستوى من الدقة يتيح استخدامه سريريًا.

ولم تكن هذه المعلومات موزعة بالتساوي على أنحاء الجسم. فبعد استبعاد المعلومات الخاصة بأجزاء مختلفة من الجسم، وجد الباحثون أن ديناميكيات الساقين كانت أكثر أهمية للتنبؤات المرتبطة بالأيض والوهن، بينما حملت ديناميكيات الجذع دلائل تتعلق بالنوم ونمط الحياة. ويساعد ذلك على استقصاء ما يقرأه النموذج تحديدًا، لكن الارتباط وحده لا يكفي لتحديد كيف تتسبب حالة صحية معينة في تغير حركي محدد.

أما في التجارب السريرية، فيتمثل الاستخدام المحتمل في الاحتفاظ بمزيد من التفاصيل عند تقييم الوظائف: فإلى جانب الوقت اللازم لإتمام المهمة، يمكن أيضًا فحص ما إذا كان التنسيق بين المفاصل وطريقة الحركة قد تغيّرا. وطرحت Newton Tech إمكانية استخدام هذا النوع من التحليل في تقسيم المشاركين إلى طبقات، ونقاط النهاية الاستكشافية، وتقييم الاستجابة للعلاج. ومع ذلك، فإن القدرة على التنبؤ بالفروق الصحية القائمة والقدرة على تتبع آثار الأدوية بصورة موثوقة مسألتان تتطلب كل منهما تحققًا مستقلًا.

وينبغي أيضًا قراءة النتائج في ضوء علاقة الباحثين بمورّد الأجهزة: فقد أفصحت الورقة عن أن ثلاثة من المؤلفين يعملون لدى Newton VR Ltd.، التي طوّرت نظام التسجيل، وأن مؤلفين آخرين يعملان مستشارين مدفوعي الأجر لدى Pheno.AI. كما أوضح البيان الصحفي للشركة صراحةً أن استخدامات التحري والتشخيص لا تزال في المرحلة البحثية، وتتطلب تحققًا من خلال دراسات مستقبلية وفئات سكانية أكثر تنوعًا. ويتمثل الإنجاز الحالي في تحديد إشارة حيوية قد تكمّل التقييم الصحي؛ أما ما إذا كان يمكن استخدامها لتحسين القرارات الطبية، فلا يزال سؤالًا تنتظر إجابته أبحاث لاحقة.

References

  1. Medical Xpress / Newton Tech
  2. PubMed / Nature Medicine
  3. Newton Tech press release via BrightSurf