Un nuovo studio condotto da ricercatori di apprendimento automatico presso l’Università di Stanford ha dimostrato il potenziale dei dispositivi indossabili e dell’apprendimento automatico nella comprensione delle cause della nascita prematura. I ricercatori hanno analizzato i dati provenienti dai dispositivi indossabili per monitorare l’attività e il sonno indossati dalle partecipanti in gravidanza, utilizzando un modello di apprendimento profondo per identificare i modelli. Lo studio, pubblicato su npj Digital Medicine, ha coinvolto un gruppo diversificato di oltre 1.000 donne, di cui più della metà erano di origine afroamericana, che sono state seguite durante tutta la gravidanza.
I ricercatori hanno scoperto che la qualità del sonno e i livelli di attività delle donne in gravidanza tendevano a peggiorare man mano che avanzava la gravidanza. Tuttavia, hanno anche scoperto che c’erano partecipanti i cui profili dati non corrispondevano alla fase di gravidanza, e queste gravidanze avevano maggiori probabilità di portare a una nascita prematura. La nascita prematura è una delle principali cause di mortalità infantile al di sotto dei cinque anni in tutto il mondo, e il tasso di nascite premature sta aumentando negli Stati Uniti.
Sebbene lo studio non stabilisca una relazione causale, fornisce un’ipotesi per ulteriori ricerche sul ruolo dell’attività e del sonno nella nascita prematura. Analizzando i dati dei dispositivi indossabili, i ricercatori potrebbero essere in grado di generare avvisi che indicano che la gravidanza di una donna potrebbe portare a una nascita prematura. Questa precoce intromissione potrebbe potenzialmente aiutare ad individuare alcuni casi di nascita prematura.
Lo studio ha anche implicazioni per la comprensione delle disparità razziali nella nascita prematura. Le donne afroamericane hanno un rischio maggiore di partorire in modo prematuro rispetto alle donne bianche, ma le cause di questa disparità restano poco chiare. I dispositivi indossabili e gli algoritmi di apprendimento automatico potrebbero aiutare ad identificare eventuali fattori ambientali e sociali che contribuiscono a risultati peggiori per le donne afroamericane durante la gravidanza.
Complessivamente, questa ricerca dimostra il potenziale dei dispositivi indossabili e dell’apprendimento automatico nel svelare i misteri della nascita prematura. Raccogliendo ed analizzando dati continui dai dispositivi indossabili, i ricercatori possono scoprire modelli e segnali sulla salute che potrebbero non essere immediatamente evidenti. Questo approccio imparziale offre nuove possibilità per comprendere e affrontare le complicazioni durante la gravidanza.
Fonti:
– Articolo originale: [fonte dell’articolo]
– npj Digital Medicine: [fonte della rivista]