Исследователи из Университета Дьюка разработали способ использования данных, собранных с носимых устройств, таких как смарт-часы, для выявления людей с возможной инфекцией COVID-19.
Эти знания позволят медицинским работникам проводить тестирование более эффективно, поскольку они смогут выявлять больше положительных случаев с помощью меньшего количества тестов и за меньшее время. Такое повышение эффективности может помочь решить проблему нехватки тестирования во время вспышек новых вариантов и заболеваний, а также в условиях нехватки ресурсов для тестирования.
Исследование появилось 1 сентября в журнале npj Digital Medicine.
Во время вспышки заболевания специалисты в области общественного здравоохранения проводят контрольное тестирование для изучения и контроля распространения болезни среди населения. Наблюдательное тестирование может помочь поймать инфекции до того, как они распространятся дальше, что ограничивает масштабы вспышек заболеваний.
Но, как показала общественность во время пандемии COVID-19, этот процесс может быть затруднен, когда не хватает тестов.
“Тестирование в рамках эпиднадзора – отличный инструмент, если у вас достаточно тестов, но если их не хватает, вам нужно стратегически подходить к их использованию”, – говорит Мд Мобашир Хасан Шанди, постдокторский научный сотрудник в Дьюке. Было ясно, что в начале пандемии у нас не было достаточно тестов, и эта нехватка сохраняется во всем мире”. А когда в июле прошлого года появился вариант Delta, ежедневный спрос на тесты вырос с 250 тысяч до 1,5 миллионов за два месяца, и мощности по тестированию не смогли удовлетворить внезапный спрос”.
Для решения этой проблемы Джессилин Данн, доцент кафедры биомедицинской инженерии в Дьюке, и члены ее лаборатории, включая Шанди, Питера Чо и Али Роганизада, разработали метод интеллектуального распределения тестов (ITA), проанализировав данные о состоянии здоровья, собранные в ходе исследования COVIDentify.
Добровольцы в исследовании COVIDentify регулярно заполняли опросники симптомов, сдавали диагностические тесты и синхронизировали свои смарт-часы с приложением COVIDentify или передавали данные непосредственно команде. Затем программа проанализировала биометрические данные с носимых устройств, в частности, уровень активности участников, уровень сна и частоту сердечных сокращений, и изучила соответствие этих данных симптомам, которые могут указывать на инфекцию COVID-19.
Чтобы убедиться, что они работают с надежным набором данных, группа расширила сферу своего исследования, включив в него исследование MyPhD Стэнфордского университета, в котором участники также должны были поделиться данными своих смарт-часов для отслеживания симптомов и диагностики COVID-19.
Проанализировав данные, Данн и ее коллеги заметили, что многие пациенты, сообщившие о положительном тесте на COVID, имели повышенную частоту сердечных сокращений в покое (ЧСС) в дни, предшествовавшие постановке диагноза. Они также заметили, что многие участники делали меньше шагов в течение нескольких дней до положительного теста.
“Мы разработали алгоритм машинного обучения и обучили его использовать эти биомаркеры для выявления потенциальных инфекций COVID-19”, – говорит Роганизад, постдокторант в лаборатории Данна. “Изначально мы думали, что включение в алгоритм данных об уровне активности и частоте сердечных сокращений сделает его более точным, но только выявление стойких изменений в частоте сердечных сокращений в состоянии покоя оказалось гораздо более точным прогностическим показателем инфекции, поскольку она меняется на более ранних этапах развития инфекции”.
Используя свой алгоритм, исследователи разработали свой метод ITA для выявления и тестирования наиболее вероятных случаев COVID-19. Их подход привел к 6,5-кратному увеличению числа положительных результатов по сравнению со стандартным методом тестирования со случайным распределением.
“Наш метод ITA значительно увеличил процент позитивности, что означает гораздо больше пойманных инфекций”, – сказал Чо, аспирант в лаборатории Данна. “Изменение частоты сердечных сокращений в состоянии покоя не всегда указывало на наличие инфекции COVID, но мы показали, что это очень хороший ориентир, особенно когда вы работаете с ограниченными ресурсами”.
Команда продолжит анализировать данные исследования COVIDentify, чтобы разработать дополнительные цифровые биомаркеры для COVID-19. В конечном итоге, они хотели бы разработать способ использования данных носимых устройств для выявления и диагностики инфекций COVID-19 как можно быстрее, насколько это физиологически возможно (например, в течение 24 часов после воздействия патогена). Они также надеются расширить свою модель, чтобы ее можно было применять к другим респираторным заболеваниям, таким как грипп.
“Мы видели, как неэффективное диагностическое тестирование может усугубить вспышки заболеваний и нанести ущерб сообществам, и еще более свежий пример – оспа обезьян, чем COVID-19”, – говорит Данн. “Наш подход позволяет сделать шаг вперед в улучшении контрольного тестирования для выявления инфекций, которые в противном случае привели бы к распространению болезни, и помогает людям получить необходимую помощь и информацию в нужное время”.
Ещё на этих выходных про модные тенденции в фотографиях на https://o-tendencii.com/ почитал, думаю это должно заинтересовать достаточно большое количество людей. Заходите не пожалеете.