HEAL: LoRaWAN אדפטיבי משופר לבריאות לניטור חיילים בזמן אמת וחיזוי מצב מבוסס בינה מלאכותית

מדוע מעקב מרחוק אחר בריאות החיילים חשוב

בשדות הקרב של היום חיילים עלולים לפעול הרחק מרופאים, בארצות קשות לתנועה שבהן התקשורת מקוטעת והסוללות חייבות להחזיק ימים. המחקר בוחן כיצד חיישני בריאות לבישים, קישורים רדיו חסכוניים בצריכת חשמל ובינה מלאכותית יכולים לפעול יחד כדי להשגיח בשקט ובעקביות על סימני החיים של החיילים. המטרה היא לזהות סימני אזהרה מוקדמים של חום יתר, חוסר חמצן או בעיות אחרות ולהתריע לצוות הרפואה בזמן, גם כאשר החיבור האלחוטי אינו מהימן.

מדי חכמה וחבל הצלה מרוחק

ההתפתחויות האחרונות באינטרנט של הדברים הרפואיים אפשרו לשזור חיישנים לתוך מדים, צמידים או רצועות חזה שמנטרים דופק, טמפרטורה, רמת חמצן ועוד. מערכות מוקדמות הסתמכו לעתים על קישורים קצרים כמו Bluetooth או Wi‑Fi, שעובדים היטב בסמוך לתחנת בסיס אך מתקשים בחציית גבעות, יערות או שיירות נעות. המחקר מתמקד ב‑LoRaWAN, טכנולוגיית רדיו לטווח ארוך וחסכונית באנרגיה שיכולה לשדר חבילות נתונים קטנות למאות מטרים ואפילו לקילומטרים. האתגר הוא שקישור זה עלול לאבד חבילות, להכניס עיכובים ולהגביל את כמות הנתונים שניתן לשלוח — כל אלה עלולים לבלבל מודלי בינה מלאכותית שמצפים לקריאות נקיות וסדירות.

מסגרת בשם HEAL

המחברים מציעים את HEAL, מסגרת Health‑Enhanced Adaptive LoRaWAN שמחברת חיישנים לבישים, רשת LoRaWAN ומודלים של בינה מלאכותית למערכת מקצה‑אל‑מקצה. כל חייל נושא חיישנים קטנים ששולחים סימנים חיוניים נבחרים דרך שער LoRaWAN אל שרת מרכזי, שם הבינה בוחנת חלונות זמן קצרים של קריאות ומסווגת את המצב הבריאותי כ: בריא, מדאיג או קריטי. "אדפטיבי" כאן מתייחס לבחירה וכיול של המודל כך שישמור על דיוק גם כאשר הנתונים מגיעים באיחור, חסרים לעתים, או כוללים פחות מדידות ממה שהייתה העדיפה — מצב המשקף את המציאות ברשת שדה חסכונית בחשמל.

להדריך בינה מלאכותית לקריאת סימני חיים

להכשרה ובדיקה של הבינה המלאכותית השתמשו החוקרים במאגר ציבורי גדול של סימני חיים במקום בנתוני קרב אמיתיים. מאחר שמאגר הנתונים לא הכיל תוויות בריאות, ביקשו החוקרים ממספר מודלי שפה גדולים לשמש כ"עוזרי תיוג" אוטומטיים, ולסווג כל רשומה כבריאה, מדאיגה או קריטית על סמך שילובים של דופק, טמפרטורה, רמת חמצן, לחץ דם, קצב נשימה וסוכר בדם. סכמת חוקים פשוטה המבוססת על הנחיות רפואיות שימשה לבדיקה ובקרת בטיחות של התוויות. הצוות נקה ואיזן את הנתונים כך שכל מחלקת מצב בריאותי תהיה מיוצגת היטב, ולאחר מכן אימנו והשוו 13 מודלים עמוקים שונים שמעבדים סדרות זמן של סימני חיים, כגון רשתות LSTM ו‑GRU. מודל LSTM דו‑כיווני שיצר ניתוח של חלונות קצרים של שלושה אותות מרכזיים (דופק, טמפרטורה ורמת חמצן) הושג בקירוב דיוק של 94% וציון F1 מאקרו של 95%, כלומר הוא טיפל במצבי בריאות שכיחים ונדירים באופן אמין.

להטמיע בינה מלאכותית בתוך קישור רדיו שביר

בהמשך נבדקה HEAL בתוך סימולטור LoRaWAN מפורט שמחקה כיצד חבילות נעות, מתנגשות או אובדות בין חיילים נעים לשער. המודל הטוב ביותר הוטמע בשרת היישום המדומה, שקיבל את כל החבילות שעברו ויצר חיזויי בריאות בזמן אמת. המחקר שינה את המרחק בין החיילים לשער (200 עד 1000 מטר) ואת גורם ההפצה (spreading factor) של הרדיו, שמקור המציין את המסחר בין זמן שידור לטווח ואמינות. בתנאים נוחים, במרחקים מתונים של 200–400 מטר ובגורמי הפצה נמוכים יותר, הרשת סיפקה עד 91% מהחבילות בעוד שהבינה עדיין השיגה כ‑93% דיוק. בטווחים ארוכים יותר או בגורמי הפצה גבוהים יותר, שיעור המסירה והתפוקה ירדו והאנרגיה לכל הודעה מוצלחת עלתה, מה שמדגיש את הפשרה הברורה בין טווח, אמינות וחיי סוללה.

ממודלים מעבדתיים למשימות אמיתיות

החוקרים בדקו גם עד כמה המודלים שלהם עוברים ממידע נקי במעבדה לנתוני שדה פחות סדירים המדמים אובדן חבילות וזמני הגעה לא סדירים. כאשר יושמו ישירות, הדיוק של המודל ירד לאזור של אמצע שנות ה‑70 באחוזים, אך כוונון עדין על נתונים בסגנון LoRaWAN השיב את הביצועים ליותר מ‑92%. זה מראה שהכשרת בינה מלאכותית עם דוגמאות המודעות לתקשורת חיונית אם רוצים שהיא תעבוד באופן מהימן בפריסות ממשיות, לא רק במאגרי נתונים מבוקרים.

מה זה אומר לטיפול בחיילים בעתיד

באופן פשוט, עבודה זו מציעה כי ניתן להשגיח בעשייה רציפה על בריאות החיילים באמצעות מכשירים לבישים חסכוניים וקישורים אלחוטיים לטווח ארוך — בתנאי שהבינה המלאכותית והרשת מתוכננות יחד. מודל בינה מתוכנן בקפידה, מאומן על נתונים מתוייגים היטב ומותאם לאי‑סדירות של ערוץ הרדיו, יכול עדיין לזהות מתי חייל מתדרדר מבריא למצב מדאיג או קריטי גם כאשר חלק מהמדידות חסרות. HEAL מציעה מתווה שיכול לכוון מערכות עתידיות ליחידות צבאיות, אנשי תגובה לאסון או עובדים מרוחקים, שם המידע הממוקד בזמן על מצב בריאות חייב להיות מאוזן מול רוחב פס, אנרגיה וקישוריות מוגבלים.

ציטוט: Alghamdi, A., Alotaibi, R. & Alahmadi, H. HEAL: health-enhanced adaptive LoRaWAN for AI-based real-time soldier monitoring and status prediction. Sci Rep 16, 15213 (2026). https://doi.org/10.1038/s41598-026-44274-1

מילות מפתח: ניטור בריאות חיילים, LoRaWAN, חיישנים לבישים, חיזוי בריאות בעזרת בינה מלאכותית, אינטרנט של דברים רפואיים