في عالم يتزايد فيه الاعتماد على التكنولوجيا لرصد الصحة، تظهر دراسة حديثة مبتكرة تحمل اسم DeMMO، وهي اختصار لـ"Longitudinal and Cross-Disease Modelling of Digital Mobility Outcomes via Multi-Task Learning". يهتم هذا الإطار المبتكر بشكل خاص بنتائج التنقل الرقمي (Digital Mobility Outcomes - DMOs) التي تستخلص من أجهزة الاستشعار القابلة للارتداء، حيث يساهم في تقييم حركة الأفراد في حياتهم اليومية.

ما يميز DeMMO عن الدراسات السابقة هو التركيز على الأمراض المتعددة خلال فترات زمنية مختلفة بدلاً من التركيز على مرض واحد أو زيارة واحدة فقط. إن هذه الإضافة تعتبر خطوة جوهرية لرصد تقدم الأمراض وتقديم معلومات دقيقة حول حالة المرضى.

يستخدم DeMMO إطاراً واضحاً يتم من خلاله تمثيل أهداف الأمراض المختلفة استناداً إلى مصفوفة معامل نتائج التنقل الرقمي، كما يجمع بين التنظيم الزمني والاختيار المستقر للميزات وفقاً للزيارات.

الجانب الفني الأهم في DeMMO هو آلية تعلم العلاقات عبر الأمراض المختلفة، مما يمكّن من استنتاج العلاقات المباشرة دون الحاجة لمشاركين مرتبطين. هذا يتيح تبادل المعلومات بشكل انتقائي بين المجموعات المختلفة.

تم تقييم DeMMO باستخدام مجموعة بيانات Mobilise-D، التي تضم أربعة مجموعات من المشاركين تمثل أمراضاً مختلفة تؤثر على التنقل. وقد أظهرت النتائج أن DeMMO يتفوق على العديد من النماذج الأخرى التقليدية والعميقة في الأداء التنبؤي، مما يعكس قوته كأداة للرصد السريري.

للمزيد من المعلومات، يمكنكم الاطلاع على كود التطبيق المتاح على رابط GitHub.

ما رأيكم في هذه الابتكارات في مجال الذكاء الاصطناعي والرصد الصحي؟ شاركونا آراءكم في التعليقات!