شمشیر دولبه
تلفن‌ همراه: ابزاری برای پژوهش
وقتی برای نخستین بار به‌منظور جمع‌آوری داده‌‌های سلامتی داوطلبان، در تحقیقات پزشکی از گوشی‌های هوشمند استفاده شد، بسیاری از پزشکان به اعتبار این داده‌‌ها شک داشتند. چند سال بعد چندین تحقیق پزشکی با همین روش انجام شد و از آن به بعد بود که اهمیت استفاده از گوشی‌های هوشمند به‌عنوان یک ابزار کارآمد در مطالعات پزشکی به‌خوبی مشخص شد.

محققان با استفاده از ابزارهای همراه نظیر گوشی‌های هوشمند شمار زیادی از داوطلبان را به‌مدت طولانی در تحقیقات خود شرکت می‌دهند. استفاده هم‌زمان از جمعیت زیاد داوطلبان در یک بازه زمانی به‌نسبت طولانی، فرصتی رؤیایی برای محققان حوزه سلامت است. فرصتی که تا پیش از فراگیر شدن استفاده از ابزارهای همراه، در دسترس نبود. این داده‌ها بدون افشا شدن هویت افراد جمع‌آوری و با استفاده از الگوریتم‌های پیشرفته، طبقه‌بندی و تجزیه و تحلیل می‌شوند. داده‌ها به طور خودکار جمع‌آوری و حتی بدون نیاز به دخالت انسان در سامانه ثبت می‌شوند و محققان قادرند به‌سادگی بر روند تحقیق نظارت کنند. ResearchKit از جمله سکو‌های متن ‌بازی است که شرکت اپل به طور رایگان در اختیار قرار داده است و پزشکان و محققان می‌توانند با کمک آن نرم‌افزارهای موبایل برای جمع‌آوری داده‌‌هایی نظیر وزن و فشار خون بسازند. البته از آنجا که بسیاری از افراد به‌ویژه در مناطق محروم، از گوشی‌های اندروییدی استفاده می‌کنند، نسخه اندروییدی این سکو با عنوان ResearchStack توسط محققان دانشگاه Cornell عرضه شده است. علاقه‌مندان این فرصت را دارند تا با دانلود و نصب نرم‌افزار، در مطالعات پزشکی شرکت کنند. در اغلب این مطالعات هزاران نفر شرکت کرده‌اند که بسیار بیشتر از تعداد شرکت‌کنندگان در روش‌های سنتی است. ری دورتسی از محققان دانشگاه روچستر که بر روی بیماری پارکینسون مطالعه می‌کند، معتقد است با استفاده از آیفون موفق شده‌اند جمعیت قابل ملاحظه‌ای را در مطالعه این بیماری شرکت دهند و با کمک نرم‌افزار موبایلی با نام mPower، چهار آزمون را برای اندازه‌گیری میزان گسترش بیماری اعمال کرده‌اند. داوطلب در این تحقیق باید با بیشترین سرعتی که می‌تواند به صفحه گوشی ضربه بزند و نیز 20 قدم بردارد، برگردد، 30 ثانیه صبر کند و 20 قدم دیگر بردارد. علاوه بر این امکان اجرای آزمون حافظه و آزمون گفتار نیز با این نرم‌افزار فراهم است. این نرم‌افزار با کمک الگوریتمی که دانشگاه آکسفورد توسعه داده است می‌تواند با دقت 98 درصد پارکینسون را از روی یک فایل صوتی دیجیتال تشخیص دهد.


تراشه‌های شرکت Broadcom از جمله تراشه‌های موجود در ابزارهای همراه هستند که امکان نفوذ و حمله به آن‌ها را فراهم می‌کنند.

یکی از چالش‌هایی که در این حوزه وجود دارد، حفظ افرادی است که در سامانه ثبت‌نام می‌کنند و در میانه راه استفاده از نرم‌افزار را کنار می‌گذارند. به عنوان مثال، یوان اشلی از محققان دانشگاه استنفورد می‌گوید در یکی از تحقیقات این دانشگاه، 5 هزار نفر شرکت کردند که این تعداد بیش از پنج برابر تعداد داوطلبان در روش‌های سنتی است. اما 40 هزار نفری که در این تحقیق ثبت نام کردند در میانه کار انصراف دادند. محققان به‌دنبال راهی هستند تا این میزان انصراف را به حداقل برسانند و نرم‌افزارها را طوری طراحی کنند که افراد با رغبت بیشتری از آن استفاده کنند. مثلاً با فراهم کردن امکان مقایسه عملکرد خود با دیگران، کاربر را تشویق کنند مدت بیشتری از نرم‌افزار استفاده و با دیگران در این امر رقابت کند.  

برچسب: