خب بیا یه موضوع جالب رو با هم بررسی کنیم: اینکه چطور می‌شه با استفاده از هوش مصنوعی و چندتا ابزار ساده ترکیب بدنِ آدم‌ها رو خیلی دقیق‌تر اندازه‌گیری کرد، مخصوصاً برای آدم‌های هند! اول بذار بگم ترکیب بدن یا Body Composition اصلاً یعنی چی؟ یعنی اینکه مثلاً چقدر چربی، چقدر عضله، چقدر استخوان و غیره تو بدن داری. خب مشخصه، اینکه چربی بدنت چقدره یا چند کیلو وزن خشک و عضله داری، کلی قضیه مهمیه، مخصوصاً برای سلامتی.
حالا همیشه اندازه‌گیری درستش یه چالش بوده، چون روش‌های دقیق مثل اسکن DXA (که معادل فارسیش می‌شه: سنجش جذب‌سنجی پرتوی دوگانه چگالی – یه جور دستگاه خیلی پیشرفته برای اندازه‌گیری چربی و عضله است) هزینۀ بالایی داره و دم‌دست هم نیست. به خاطر همین خیلی وقت‌ها از BIA یا Bioelectrical Impedance Analysis استفاده می‌کنن – این همون دستگاه‌های ارزون‌تریه که از طریق رد کردن یه جریان برق خیلی خفیف تو بدن، تخمینی از میزان چربی و عضله رو بهت می‌ده. مثلاً همون ترازوی هوشمندهای TANITA که تو خونه‌هاتون دیدین.
اما نکته اینجاست که فرمول‌هایی که این دستگاها واسه محاسبه استفاده می‌کنن، برای همه‌ی آدم‌ها دقیق نیست. مثلاً اون فرمول‌هایی که روی مردم اروپا یا آمریکا جواب می‌ده، لزوماً برای هندی‌ها (که ساختار بدنشون فرق داره) کار نمی‌کنه.
یه تیم محقق (یعنی گروه دانشمندها)، اومدن یه ایده خفن دادن! اونا گفتن بیایم فقط به BIA بسنده نکنیم، بلکه اطلاعات دیگه مثل ضخامت چین پوستی، اندازه دور کمر و عضلات (بهشون می‌گن Body circumferences) و حتی قدرت دست یا Grip Strength رو هم بگیریم. اینطوری می‌شه داده‌های بیشتری داشت و ازشون یه مدل حسابی‌تر ساخت.
حالا کاری که این بچه‌ها کردن اینه که با کمک ماشین لرنینگ – یا همون یادگیری ماشین (یه شاخه از هوش مصنوعیه که با داده‌ها خودش مدل یادگیری می‌سازه!) – یه سری فرمول (یا معادله) درست کردن که بتونه با ترکیب همه این داده‌ها، ترکیب بدن رو خیلی دقیق‌تر، تقریبا مثل دستگاه DXA، پیش‌بینی کنه. بیخودی هم نگفته بودن؛ واقعاً هم کار کرد!
توی تحقیقی که کردن، ۲۵۰۰ آدم هندی بزرگسال رو ورداشتن، که البته این جمعیت رو به دو گروه تقسیم کردن: ۸۰٪ برای آموزش مدل (آقا: ۱۲۹۷ نفر، خانم: ۱۱۳۳ نفر) و ۲۰٪ برای تست مدل (آقا: ۳۱۸ نفر، خانم: ۲۸۹ نفر). بعد اومدن دقیقاً ترکیب بدنشون رو با همون DXA هم گرفتن (تا بدونن جواب درست کدومه) و بعد فرمول‌های جدیدشون رو آموزش دادن و تست کردن.
چیا رو پیش‌بینی کردن؟ شش تا آیتم مهم ترکیب بدن که هر کدوم رو هم برای مردا و هم زن‌ها جدا حساب کردن:
۱. وزن کل چربی بدن (Total Body Fat Mass)
۲. وزن کل توده بدون چربی (Total Body Lean Mass)
۳. درصد چربی بدن نسبت به کل بدن (Total Body Fat Percentage)
۴. درصد چربی تنه (Trunk Fat Percentage) — یعنی چقدر چربی تو ناحیه وسط بدن.
۵. درصد چربی بین مهره‌های L1 تا L4 (یعنی بخش خاصی از ستون فقرات)
۶. وزن کل عضلات اندام‌ها (Total Appendicular Lean Mass) – یعنی عضله‌های دسته و پاها.
نتیجه چی شد؟
فرمول‌های جدیدشون واقعاً سنگ تموم گذاشت! مثلاً خطای تخمینی (که بهش Mean Absolute Error می‌گن – یعنی میانگین فاصله پیش‌بینی با واقعیت، هر چی کمتر باشه یعنی مدل دقیق‌تره) واسه مورد وزن کل چربی بدن اینجوری شد:
– دستگاه TANITA به‌تنهایی: خطا برای مردا ۱.۸ کیلوگرم، برای خانما ۲.۰۵ کیلوگرم
– فرمول قدیمی Durnin-Womersley (اینم یه مدل قدیمی برای تخمین چربی بدن با ضخامت چین پوستی): برای مردا ۲.۱۰ کیلوگرم، برای خانما ۲.۹۹ کیلوگرم
– فرمول جدید ماشین لرنینی خودشون: برای مردا فقط ۰.۹۳ کیلوگرم، برای خانما ۰.۹۷ کیلوگرم!
یعنی تقریـباً نصف خطای مدل‌های قبلی که فوق‌العاده‌ست! جالب اینکه این دقت بالاتر فقط با همین چندتا ابزار ساده (مثلاً اندازه‌گیری دور بازو و قدرت دست) قابل رسیدنه و نیاز به دستگاه خیلی گرون نیست.
تحقیقاتشون نشون داد اگه اطلاعات تکمیلی (این چندتا شاخص ساده) رو از بدن بگیری و بدی دست یه مدل هوشمند یادگیری ماشین، می‌تونی خیلی بهتر از قبل تخمین بزنی که توی بدن چی به چیه. این داستان نه فقط برای مردم هند، بلکه برای کشورها و جمعیت‌های دیگه هم قابل اجراست. اگه برندها و شرکت‌های تولید ابزار BIA بیان با این شیوه و مدل‌ها کار کنن، می‌شه دستگاه‌ها رو تو کل دنیا دقیق‌تر و مفیدتر کرد.
بهترین بخشش هم اینه که معادلات جدید رو رایگان دادن دست محقق‌های دیگه، تا هر کس بخواد، بتونه روشون تحقیق کنه یا اسکرینینگ‌های بهتری برای سلامت انجام بده.
در مجموع، این کار به پزشک‌ها و آدم‌هایی که دنبال روش‌های ساده و ارزون واسه تخمین دقیق ترکیب بدن هستن یه خبر عالیه. خلاصه اینکه هوش مصنوعی (ماشین لرنینگ!) اومده که حتی تو کوچیک‌ترین چیزای سلامتی ما هم حسابی موثر بشه!
منبع: +
