به گزارش خبرگزاری مهر به نقل از پرس اسوسیشن، این فناوری به شخصی سازی درمان و جلوگیری از بستری شدن فرد در بیمارستان کمک می کند. در پژوهش مذکور بیماران روزانه تست ادرار نواری انجام دادند و نتیجه آن را با استفاده از موبایل با کارشناسان به اشتراک گذاشتند.

در مرحله بعد محققان نمونه ادرار ۵۵ فرد با بیماری های مزمن انسدادی ریه(COPD)را تحلیل کردند تا دریابند هنگامیکه نشانگرهای بیماری وخیم تر می شود، مولکول ها چه تغییری می کنند. COPD اصطلاحی گسترده برای گروهی از بیماری های ریه است که به اختلال در تنفس مانند آمفیزم و برونشیت مزمن منجر می شود.

عود کردن بیماری نیز زمانی رخ می دهد که ناگهان نشانگرهای بیماری بدتر می شود و البته بیشتر اوقات این امر در زمستان رخ می دهد. نشانگرهای آن نیز شامل تنفس سخت، خس خس سینه و سرفه مداوم و سینه است.

محققان پس از شناسایی تغییرات در مولکول تستی برای اندازه گیری سطح ۵ نشانگر متفاوت در ادرار را توسعه دادند. حدود ۱۰۵ بیمار مبتلا به COPD هر روز به مدت ۶ ماه تست ادرار نواری انجام دادند و نتایج را به محققان گزارش دادند.

نتایج ۸۵ بیمار با استفاده از شبکه عصبی مصنوعی تحلیل شد. این شبکه نوعی الگوریتم است که از شبکه عصب های مصنوعی برای پردازش داده ها با تقلید از مغز انسان، استفاده می کند.

به گفته محققان این مدل هوش مصنوعی می تواند عود کردن بیماری را تا ۷ روز قبل از ظهور نشانگرها شناسایی کند. پژوهش مذکور در ERJ Open Research منتشر شده است.