گوگل در نوشته‌ای در وبلاگ پژوهشیِ خود (۱۴ آبان ۱۴۰۵، ۵ نوامبر ۲۰۲۶) نتیجه‌ی مطالعه‌ای را معرفی کرد که در مجله‌ی Nature چاپ شده: یک شبکه‌ی عصبی با داده‌ی نبض و حرکتِ یک ساعت هوشمندِ معمولی، نشانه‌های فشار خونِ بالا را بدونِ کاف تشخیص می‌دهد. طبق نوشته‌ی Google Research در غربالگری اولیه ۶۵٫۸٪ مبتلایان را شناسایی کرد، در حالی که اندازه‌گیریِ معمولِ مطب ۵۵٫۳٪ را. The Decoder هم روز ۱۶ آبان (۷ نوامبر) آن را گزارش کرد.
روش کار چیست؟
سامانه AI-PPG-ACC-HTN نام دارد و از دو حسگری استفاده می‌کند که در ساعت‌های امروزی هست: حسگر نبض (PPG) و شتاب‌سنج. نیازی به کالیبره‌کردن با کاف فشارسنج نیست. کار در دو مرحله انجام می‌شود:
- یک شبکه‌ی عصبیِ یک‌بعدی با یادگیریِ خودنظارتی روی ۴۹۲٬۳۴۷ ساعت داده‌ی بدونِ برچسب از ۲٬۱۰۹ نفر آموزش دید؛ یعنی یاد گرفت تکه‌های کوتاهِ داده‌ی یک نفر را از دیگران تشخیص دهد و الگوی نبض و ضربان او را بفهمد.
- الگوهای ۱۵ ثانیه‌ای در چند روزِ استفاده میانگین‌گیری می‌شوند و با قد ترکیب می‌شوند تا احتمالِ فشار خونِ بالا به‌دست آید.
عددهای مطالعه
مطالعه چندمرکزی و آینده‌نگر بود: ۱۹۶ نفر در پنج مرکز در آمریکا، بدون بیماریِ قلبیِ شناخته‌شده و بدون مصرفِ داروی فشار خون. معیارِ طلایی، پایشِ ۲۴ ساعته‌ی فشار خون بود. نتایج چنین گزارش شد:
| روش | حساسیت | ویژگی |
|---|---|---|
| ساعت (غربالگری اولیه) | ۶۵٫۸٪ | ۹۰٫۰٪ |
| اندازه‌گیری مطب | ۵۵٫۳٪ | — |
| ساعت (آزمون تأییدی، ۴۸ نفر) | ۷۸٫۴٪ | ۹۰٫۹٪ |
| پایش چندروزه‌ی خانگی | ۸۹٫۲٪ | ۸۱٫۸٪ |
«حساسیت» یعنی چند درصد از افرادِ واقعاً مبتلا شناسایی می‌شوند و «ویژگی» یعنی چند درصد از سالم‌ها درست سالم تشخیص داده می‌شوند. در گروهِ تأییدی فقط ۴۸ نفر بودند؛ پس این رقم‌ها را نباید قطعی دانست.
چرا مهم است؟
گوگل می‌گوید بیش از نیمی از مبتلایان به فشار خونِ بالا نمی‌دانند بیمارند. ساعتی که شبانه‌روز روی مچ است می‌تواند نشانه‌ای بدهد و آدم را به مراجعه به پزشک بکشاند. در نوشته‌ی گوگل آمده این پژوهش به قابلیتِ «روندهای فشار خون» در اپ Google Health کمک کرده؛ ولی همان نوشته تأکید می‌کند روش «کاملاً اکتشافی» است و نشانه‌ی یک محصول یا دستگاهِ تجاریِ موجود یا آینده نیست. این دو جمله با هم کمی ناهم‌خوان‌اند و رابطه‌ی دقیقشان روشن نیست. مقاله‌ی علمی در Nature در دسترس است.
یادگیریِ خودنظارتی یعنی چه؟
در این روش به مدل نمی‌گویند «این آدم فشارش بالاست». به‌جایش بدونِ برچسب به او ساعت‌ها داده‌ی خام می‌دهند و از او می‌خواهند بفهمد کدام تکه‌ها مالِ یک نفرند. برای حل این مسئله مدل مجبور می‌شود ویژگی‌های پایدارِ قلب و رگ‌های آن فرد را یاد بگیرد. بعد یک مدلِ ساده‌ی دوم، با کمکِ معدودی داده‌ی برچسب‌دار، این ویژگی‌ها را به احتمالِ فشار خونِ بالا تبدیل می‌کند. مزیتِ روش این است که به داده‌ی برچسب‌دارِ کمتری نیاز دارد، چون برچسب‌گذاری با کاف و پایشِ ۲۴ ساعته گران و زمان‌بر است.
محدودیت‌ها
- فقط پژوهش است و جایگزینِ فشارسنجِ بازویی یا تشخیصِ پزشک نمی‌شود.
- افرادِ دارای بیماریِ قلبی یا مصرف‌کننده‌ی دارو در مطالعه نبودند.
- زیرگروهِ تأییدی کوچک بود و حساسیتِ غربالگری متوسط است؛ یعنی حدود یک‌سوم مبتلایان را از دست می‌دهد.
- مدلِ ساعت‌های پشتیبانی‌شده اعلام نشده است.
این یعنی چه برای کاربر فارسی‌زبان؟
این خبر ویژگیِ آماده‌ای نیست که بتوانید روی ساعتتان فعال کنید؛ پس اگر نگران فشار خون هستید، همچنان فشارسنجِ معمولی و پزشک مرجع‌اند. اما نشان می‌دهد هوش مصنوعی به سمتِ پایشِ بی‌دردسرِ سلامت می‌رود. برای کارهای روزمره‌ی غیرپزشکی مثل خلاصه‌کردنِ مقاله‌های علمی به فارسی می‌توانید در ابزارهای هوش‌نو با مدل‌های هوش مصنوعی گفت‌وگو کنید. یادآوری: چت‌بات‌ها جایگزین پزشک نیستند. برای آشنایی با مدل‌های گفت‌وگو، مقایسه‌ی مدل‌های ChatGPT و راهنمای ایجنت هوش مصنوعی را ببینید.
سؤالات متداول
آیا ساعتِ من فشار خون را اندازه می‌گیرد؟
خیر. این یک پژوهش است و گوگل تأکید کرده نشانه‌ی عرضه‌ی دستگاه یا قابلیتِ تجاری نیست.
دقتش از کاف بیشتر است؟
در غربالگری اولیه بیشتر مبتلایان را شناسایی کرد (۶۵٫۸٪ در برابر ۵۵٫۳٪ در مطب)، اما هنوز جایگزینِ تشخیص نیست.
چند نفر در مطالعه بودند؟
۱۹۶ نفر در پنج مرکز آمریکا؛ مدل با داده‌ی ۲٬۱۰۹ نفر پیش‌آموزش دیده بود.
