يعتمد الأطباء على الملاحظات الشخصية والمعدات المتخصصة لقياس التوازن لدى الأفراد الذين يعانون من حالات مثل مرض باركنسون، والإصابات العصبية، والتدهور المرتبط بالعمر. وقد تفتقر هذه الأساليب، وخاصة منها الذاتية، إلى الدقة، ويصعب إدارتها عن بعد، وغالباً ما تكون غير متسقة.
ولمعالجة هذه القيود، طور باحثون من جامعة فلوريدا أتلانتيك نهجاً جديداً باستخدام أجهزة استشعار يمكن ارتداؤها وخوارزميات التعلم الآلي المتقدمة التي يمكن أن تعيد تعريف ممارسات تقييم التوازن.
5 مواقع للاستشعار
استخدم الباحثون أجهزة استشعار وحدة القياس بالقصور الذاتي Inertial (IMU) Measurement Unit القابلة للارتداء التي تم وضعها في خمسة مواقع من الجسم: الكاحل، والفقرات القطنية في أسفل الظهر، وعظم القص، والمعصم، والذراع.
ولدى جمع البيانات اتبع الباحثون بروتوكول الاختبار السريري المعدل للتفاعل الحسي على التوازن (m - CTSIB)، حيث تم اختبار 4 حالات حسية: عندما تكون العينان مفتوحتين ومغلقتين عند الوقوف على الأسطح المستقرة والرغوية. واستغرق كل اختبار نحو 11 ثانية، لمحاكاة سيناريوهات التوازن المستمر.
راصدات الظهر والكاحل
قام العلماء بمعالجة واستخراج الميزات من بيانات المستشعر الأولية، ثم طبقوا 3 خوارزميات التعلم الآلي لتقدير درجات هذا الاختبار. أنتجت أجهزة الاستشعار في الفقرات القطنية والكاحل أعلى أداء في تقدير درجة التوازن.
وخلص الباحثون، الذين نشروا دراستهم في مجلة «Frontiers in Digital Health»، إلى أن «النتائج التي توصلوا إليها تمهد الطريق لإجراء تقييمات أكثر دقة وملاءمة للتوازن». وذكروا أن هذا النهج لديه «إمكانات هائلة لتعزيز تقييم أداء التوازن وإدارته في مختلف البيئات، بما في ذلك البيئات السريرية، وإعادة التأهيل، والمراقبة عن بعد».
