מודל למידת מכונה לפגיעות המבוסס על מדידות ממכשיר לביש

מדוע התנועה היומיומית בגיל מבוגר חשובה

ככל שיותר אנשים מגיעים לגיל 70, 80 ומעלה, רופאים מחפשים דרכים טובות יותר לזהות מי בסיכון להיחלש, לאבד עצמאות או להזדקק לטיפול חירום. המונח הרפואי לפגיעות זו הוא שבריריות, אך הבדיקות הקיימות כיום איטיות, לעתים סובייקטיביות וקשה לשחזר אותן באופן קבוע. מחקר זה בוחן האם נתוני תנועה פשוטים משעון פעילות המונח על פרק כף היד יכולים להחליף את הבדיקות הללו ואף לשפר את יכולת הרופאים לצפות תוצאות חמורות כמו אשפוז ומוות.

מקלפיות לרצועות יד

ציון השבריריות המסורתי שואל על עייפות ואובדן משקל, מודד מהירות הליכה וכוח אחיזה, ומסכם תחלואות רבות. הכלים האלה מועילים אך גוזלים זמן, וחלקם תלויים בזיכרונה של אדם או בשיפוטו של רופא עסוק. החוקרים בעבודה זו תהו האם חלון אובייקטיבי יותר לחיי היומיום — כמה אנשים למעשה זזים, יושבים וישנים — יכול ללכוד את אותה מידע בצורה יעילה יותר. באמצעות מכשיר דומה לשעון חכם הנקרא מואץ (אקסלרומטר), הם הקליטו כל צעד, הפסקה ופרץ פעילות אצל קשישים לאורך שבוע.

שבוע תנועה שהופך לציוני סיכון

הצוות השתמש בנתוני מחקר טולדו להזדקנות בריאה בספרד, שעוקב אחר מאות מבוגרים מעל גיל 65. אחרי ראיונות, בדיקות גופניות, בדיקות דם וסריקות גוף, התבקשו 437 משתתפים ללבוש את מכשיר הפעילות במשך שבעה ימים. תוכנה מתמחה המירה את אותות התנועה הגולמיים לתכונות מספריות כמו סך הצעדים, משכי תנועה ערה, תקופות ישיבה ארוכות וכן דפוסים הקשורים לשינה וערות. התכונות הללו הוכנסו לאחר מכן למודל למידת מכונה — תוכנית מחשב שלומדת דפוסים מתוך נתונים — כדי לבדוק האם ניתן לשחזר מספר סולמות שבריריות מבוססים ושל גורמי סיכון בריאותיים קשורים.

ללמד מחשב לזהות שבריריות

החוקרים השתמשו בגישה הנקראת עצי החלטה מחוזקים בגרדיאנט (gradient-boosted decision trees), שמאחדת חוקים פשוטים רבים למנבא חזק. הם חילקו את מסד הנתונים שלהם שוב ושוב לשני חצאים, אימנו את המודל על חצי ובדקו אותו על החצי השני, כדי לוודא שהתוצאות יחזיקו גם באנשים שלא נראו בעבר. המודל הצליח לאמוד ציון שבריריות מפורט, הידוע כסולם תכונות השבריריות (Frailty Trait Scale), בדיוק טוב בהתבסס אך ורק על דפוסי הפעילות. הצלחה דומה נצפתה גם עבור מדדי שבריריות אחרים ועבור גורמי סיכון בודדים הקשורים להזדקנות, כגון תוצאות בדיקות דם וכוח אחיזה. באופן בולט, נתונים משני ימים — כ-48 שעות — שנבחרו בקפידה היו כמעט אינפורמטיביים כמו כל השבוע, מה שמרמז שניטור קצר וממוקד עשוי להספיק.

מבט קדימה לאשפוזים והישרדות

מעבר להתאמה לסולמות שבריריות קיימים, המודל המבוסס על פעילות נבחן גם במשתנים שחשובים מאוד למטופלים ולמשפחותיהם: קבלה לבית חולים וסיכון למוות לאורך זמן. כאן, תחזיות המבוססות על תנועה לעיתים עלו על סולמות השבריריות המסורתיים עצמם. במילים אחרות, הדרך שאדם נע ונוחת בחיי היומיום סיפקה איתות ברור יותר לבעיות קרובות מאשר בדיקות קליניות נקודתיות בלבד. ממצא זה מרמז שנשאים לבישים יכולים לסייע לרופאים לזהות חולים בסיכון גבוה מוקדם יותר ולהתאים מעקב או שירותי תמיכה לפני שיתרחשו משברים.

מה זה יכול להתכוון להזדקנות בריאה

המחקר מציע שתקופות ניטור קצרות עם מכשיר פרק כף יד פשוט יכולות לספק תחליף יעיל ואובייקטיבי לבחינות שבריריות מורכבות, ובו בזמן לחדד את התחזיות לאירועים בריאותיים חמורים. עבור קשישים, זה עשוי בסופו של דבר להוביל לפחות ביקורים ממושכים במרפאה ויותר תובנה רציפה בבית לגבי שינויים במצב הבריאותי שלהם. עבור מערכות בריאות, זה פותח את הדלת למעקב אחרי שבריריות באוכלוסיות גדולות ולהכוונת משאבים מוגבלים לאלה שהכי זקוקים להם. המחברים מזהירים כי יש צורך בקבוצות מגוונות יותר ובמדידות ביולוגיות נוספות לבניית תמונה מלאה יותר של ההזדקנות. עם זאת, תוצאותיהם מצביעות לעתיד שבו תנועת היומיום, המוקלטת בשקט, הופכת לכלי עוצמתי לשמירה על עצמאות ולהארכת שנות חיים בריאות.

ציטוט: Culos, A., Manas, A., Shidara, K. et al. A machine learning model for frailty based on wearable device measurements. Commun Med 6, 173 (2026). https://doi.org/10.1038/s43856-026-01419-7

מילות מפתח: שבריריות, חיישנים לבישים, קשישים, למידת מכונה, הזדקנות בריאה