Verily представила умные часы для клинических исследований
Verily Life Sciences — биомедицинский филиал Alphabet — представила умные часы, предназначенные для сбора данных при проведении исследований, говорится в блоге компании.
Длительный пассивный (без специальных действий со стороны ученых и участников) сбор биологической информации значительно облегчает проведение клинических исследований. При этом его возможности с использованием имеющихся на рынке устройств ограниченны, а различия платформ затрудняют стандартизацию и унификацию собранных данных.
Чтобы расширить возможности по сбору и обработке клинической информации, Verily разработала умные часы, получившие название Study Watch. При их создании учитывались мнения ученых, клиницистов и пользователей, говорится в сообщении.
Устройство оснащено многочисленными датчиками, регистрирующими как физиологические параметры (например, ЭКГ, частоту пульса, электропроводность кожи, двигательную активность), так и условия окружающей среды. Как пишут разработчики, мощности процессора Study Watch достаточно для алгоритмической обработки данных в реальном времени, а размер хранилища и сжатие информации позволяют хранить необработанную информацию неделями без нужды в частой синхронизации с сервером. Емкости аккумулятора хватает на неделю автономной работы. Конкретные параметры устройства в сообщении не приводятся.
Verily Study Watch созданы только для проведения биомедицинских исследований и не предназначены для продажи. Пользователю демонстрируются только текущее время и набор инструкций. Данные хранятся в зашифрованном виде и обрабатываются в облачном сервисе с помощью алгоритмов машинного обучения. Подобный подход легко масштабируется для проведения популяционных, лонгитудинальных и других крупномасштабных исследований. Он также позволяет структурировать и унифицировать коллекции данных для проведения метаанализа.
Как отмечается в сообщении, аппаратная часть устройства приспособлена к будущим расширениям и обновлениям, касающимся алгоритмов и интерфейса для решения задач конкретных исследований.
В настоящее время Verily Study Watch планируется задействовать при проведении партнерских обсервационных исследований, в частности Personalized Parkinson’s Project посвященного персонализации терапии болезни Паркинсона, Baseline study, призванного создать генетический и молекулярный портрет здорового человека, и других.
Одно из наиболее доработанных на сегодняшний день созданий Verily — контактные линзы, которые способны мониторировать уровень глюкозы и других биохимических показателей в слезной жидкости. Также компания разрабатывает ложку, компенсирующую тремор при паркинсонизме; браслет, отслеживающий физиологические параметры и работающую с ним диагностическую платформу Tricorder на основе наночастиц. Совместно с Johnson & Johnson она занимается совершенствованием хирургических роботов, а с GlaxoSmithKline — разработками в области биоэлектронной медицины.
Олег Лищук
Также алгоритм может быть полезен при стихийных бедствиях
Ученые разработали датчик, способный распознавать диарею по звукам дефекации, и представили его на 183-м заседании Акустического общества Америки. Предполагается, что устройство поможет предсказывать вспышки инфекционных заболеваний. Диарея может иметь вполне безобидное происхождение: например, быть побочным эффектом лекарства или реакцией организма на что-то несвежее. Однако нередко диарея сопровождает инфекционные заболевания, многие из которых до сих пор представляют серьезную опасность — например, холеру, уносящую около 150000 жизней в год. С этой точки зрения мониторинг звуков диареи может быть полезен для того, чтобы предсказать вспышку инфекции и остановить ее стремительное распространение. Группа ученых из Технологического института Джорджии под руководством инженера-исследователя Майи Гатлин (Maia Gatlin) разработала прототип устройства для мониторинга диареи. Датчик использует микрофон и алгоритм машинного обучения, работающий на встроенном микропроцессоре и умеющий анализировать звуки, которые издают посетители туалетов. Авторы изделия рассказывают о работе алгоритма в общих чертах, не сообщая об архитектуре нейросети, размере и составе датасета для обучения. Известно, что первоначально исследователи обучили алгоритм на звуках, которые удалось собрать из онлайн-источников. Каждый из этих образцов устройство преобразовывало в спектрограмму. Сперва алгоритм научили распознавать, какие характерные особенности спектрограммы сопровождают те или иные виды выделений. Для обучения использовались различные звуки естественных отправлений человека: как нормальные, вроде мочеиспускания, метеоризма и обычной, здоровой дефекации, так и патологические. Так, для диареи характерны определенные движения кишечника, рыхлые и водянистые, и сопровождаются они определенными звуками. Затем алгоритму дали послушать другие образцы звуков, и он смог распознать тип события с точностью до 98,1 процента. Авторы датчика предполагают, что устройство может быть полезно в различных сферах: например, для отслеживания состояния кишечника у пациентов в хосписах или тех, кто страдает от болезни Крона. Также детектор будет полезен в зонах стихийных бедствий — там, где загрязнение воды приводит к распространению болезнетворных микроорганизмов. Кроме того, не исключено, что в будущем эту технологию можно будет применять в экосистеме умного дома. Исследования того, что происходит в туалете и после него, помогают предсказать вспышки многих инфекционных заболеваний, не только холеры. Подробно о том, какую информацию можно получить, исследуя стоки, N+1 рассказывал в материале «Смытые данные».