التقييم المستمر للمشي اليومي باستخدام التعلم الذاتي للبيانات من مسرِّع معصم

لماذا قد يتابع ساعتك أداء مشيتك في المستقبل

كثير من الناس يرتدون بالفعل ساعات لياقة تقيس الخطوات أو تتعقّب التمارين. ولكن بالنسبة لكبار السن، فإن صفات المشي—مثل السرعة والإيقاع والثبات—يمكن أن تكشف عن علامات مبكرة لمشكلات صحية، من الهشاشة إلى الخرف. تُظهر هذه الدراسة أن مستشعرًا واحدًا يُرتدى على المعصم، مقترنًا بنظام ذكاء اصطناعي متقدّم يسمى ElderNet، يمكنه تحويل بيانات الحركة اليومية إلى مقاييس مفصّلة لجودة المشي، مما قد يحوّل جهازًا شائعًا إلى مراقب صحي قوي.

من عدّ الخطوات البسيط إلى دلائل المشي الغنية

تُقدّر معظم الأجهزة المحمولة اليوم مدى نشاطك بشكل عام: كم تجلس، كم تتحرّك، أو عدد الخطوات التي تخطوها. وعلى الرغم من فائدتها، فإن هذه الملخّصات تُمزج أنماطًا متعددة من الحركة وتفتقد التفاصيل الدقيقة للمشي نفسه. يهتم الأطباء والباحثون بميزات مشي محددة—مثل سرعة المشي، عدد الخطوات في الدقيقة، طول الخطوة، وانتظام الخطوات—لأنها مؤشرات قوية على الشيخوخة الصحية وخطر الإعاقة والسقوط وتدهور الوظائف الإدراكية. تقليديًا، تأتي هذه المقاييس من اختبارات قصيرة في العيادات أو المختبرات، غالبًا باستخدام حسّاسات على أسفل الظهر أو ممشى خاص. هذه التجهيزات دقيقة لكنها غير مريحة وتلتقط لقطات قصيرة فقط من حركة الشخص.

تعليم نموذج لقراءة المشي من المعصم

سعى فريق ElderNet إلى استخراج معلومات المشي الكاملة من حسّاسات المعصم المرتداة خلال الحياة اليومية المعتادة، رغم أن المعصم يتحرك بطرق معقّدة تمزج تأرجح الذراع مع أنشطة أخرى. بنوا على نهج التعلم الذاتي، حيث يعلّم الشبكة العميقة نفسها أولًا التعرف على الأنماط في كميات هائلة من بيانات المعصم غير الموسومة من أكثر من 100,000 شخص في UK Biobank. بعد ذلك، تم تكييف النموذج باستخدام تسجيلات متعددة الأيام من أكثر من 800 من كبار السن جدًا في مشروع Rush للذاكرة والشيخوخة، ليصبح مخصّصًا أكثر لأنماط الحركة لدى الفئات العمرية المتقدمة. أخيرًا، جرى ضبط النظام بدقّة على مجموعة بيانات أصغر لكن معنونة بعناية، Mobilise‑D، حيث ارتدى المشاركون حسّاسات معصم ونظام مرجعي غني قياس المشي بدقة في ظروف العالم الحقيقي. تتيح هذه الخطوة لـ ElderNet تعلّم ترجمة حركات المعصم المعقّدة إلى مقاييس مشي محددة لكل فترة مشي مكتشفة.

مدى دقة النظام في قياس المشي

عند اختباره على كبار السن ومرضى حالات مثل فشل القلب وأمراض الرئة وباركنسون وكسور الورك والتصلّب المتعدّد، قدّر ElderNet سرعة المشي بخطأ وسطي يبلغ نحو 8.8 سنتيمترًا في الثانية وأظهر توافقًا قويًا مع نظام المرجع القياسي. كما تفوق على طريقة بيوميكانيكية رائدة قائمة على ميزات مصمّمة يدويًا ونموذج مشابه تم تدريبه دون تهيئة ذاتية. ووسع الباحثون قدرات ElderNet لتقدير ميزات مشي إضافية مثل التواتر (القدرة على العدو)، وطول الشوط، وانتظام الخطوات؛ وبصفة خاصة للتواتر وطول الشوط، تفوّق الإصدار المعتمد على التعلم الذاتي بوضوح على الأساس المكلَّف بالكامل. ومن المهم أن الأداء ظل مرتفعًا في مجموعة مستقلة من البالغين الأصغر سنًا والأصحاء، ما يشير إلى أن النهج يعمّم خارج عيّنة التدريب الأصلية، رغم أنه مُحسن لسكان أكبر سنًا.

المشي اليومي يروي قصة مختلفة عن اختبارات العيادة

لاستكشاف الفائدة السريرية، طبّق المؤلفون ElderNet على نحو عشرة أيام من بيانات المعصم لكل شخص من مئات كبار السن المقيمين في المجتمع. قارَنوا ثلاث طرق لتحديد من أبلغ عن إعاقات في الحركة: اختبارات المشي القصيرة الخاضعة للإشراف؛ ملخّصات النشاط البدني العامة من المعصم؛ وقياسات المشي المتعددة الأيام المفصّلة المقدّرة بواسطة ElderNet. بينما قدّمت مقاييس المشي المختبرية ومستويات النشاط العامة تمييزًا متواضعًا فقط، أدّت ميزات المشي الحقيقية والغنية أداءً أفضل بكثير في فصل الأشخاص ذوي مشكلات الحركة عن غيرهم. ومن المثير للاهتمام أن أنماط المشي المرصودة في الحياة اليومية كانت مرتبطة بشكل ضعيف بتلك المقاسة في المشاوير السريعة في العيادة، مما يوحي بأن كيفية تحرّك الأشخاص في بيئاتهم الخاصة تلتقط جوانب من الوظيفة تغفل عنها الاختبارات التقليدية.

ماذا قد يعني هذا للشيخوخة الصحية

تُبيّن الدراسة أن جهازًا شائعًا ومريحًا يُرتدى على المعصم يمكنه، مع الخوارزميات المناسبة، تقديم رؤى بمستوى العيادة حول كيفية مشي الناس في حياتهم اليومية. دقّة ElderNet ضمن نطاق التغيرات المهمة سريريًا لسرعة المشي، وقياساته متعددة الأيام تميّز كبار السن الذين يعانون صعوبات في الحركة أفضل من الاختبارات القياسية أو عدادات النشاط البسيطة. مع مزيد من التحقق في مجموعات أكثر تنوعًا وعلى فترات أطول، قد يساعد هذا النهج في اكتشاف التدهورات الطفيفة مبكرًا، ومراقبة تقدّم المرض أو التعافي، وتوجيه تدخلات أكثر تخصيصًا، وكل ذلك باستخدام بيانات تُجمع بهدوء من جهاز شبيه بالساعة.

الاستشهاد: Brand, Y.E., Buchman, A.S., Kluge, F. et al. Continuous assessment of daily-living gait using self-supervised learning of wrist-worn accelerometer data. npj Digit. Med. 9, 338 (2026). https://doi.org/10.1038/s41746-026-02528-2

الكلمات المفتاحية: مراقبة المشي, مسرِّع المعصم, الشيخوخة الصحية, التعلم الذاتي, المؤشرات الحيوية الرقمية