تعد الأجهزة الصحية القابلة للارتداء جزءاً متزايد السرعة من إنترنت الأشياء (IoT)، حيث تعتمد العديد من الخدمات الصحية الآلية على إشارات بيولوجية هامة مثل تخطيط القلب (ECG) وتخطيط الدماغ (EEG). ولطالما كانت الشبكات العصبية العميقة (Deep Neural Networks) هي الخيار الأول لمعالجة هذه الإشارات وتحليلها، ولكن التحديات المتعلقة بالطاقة والقدرة الحاسوبية في هذه الأجهزة لا تتناسب مع متطلبات النماذج العميقة، مما يعيق استخدامها في تطبيقات عملية.

في دراسة جديدة، تم استكشاف إمكانية استخدام نماذج الشبكات العصبية العميقة المتطورة في الأجهزة القابلة للارتداء التي تعاني من قيود في الموارد. وركز البحث على تحليل الإشارات الكهربائية للدماغ وخصوصاً في الكشف عن نوبات الصرع.

تمثل هذه الدراسة خطوة مبتكرة نحو استدامة الخدمات الصحية التكنولوجية؛ حيث استطاعت تبسيط النماذج وتقليل تعقيدها عبر تقنيات تقليل بيانات المعامل (parameter quantization) وتقليل عدد الأقطاب الكهربائية (electrode reduction). نتائج البحث تشير إلى أنه يُمكن تحقيق توازن ملحوظ بين الدقة وتقليل التعقيد، مما يفتح المجال لتطبيقات أكثر كفاءة في هذا المجال.