به نقل از ساینس دیلی، «جینگهوآ لی»(Jinghua Li) دانشیار علوم و مهندسی مواد در «دانشگاه ایالتی اوهایو»(OSU) و از پژوهشگران این پروژه گفت: داده‌های پیچیده پیرامون سلامت شخصی را می‌توان از طریق بلوتوث به تلفن همراه هوشمند منتقل کرد تا با سرعت و دقت تحلیل شوند. بدن ما حاوی اطلاعات سومند بسیاری است که ما از آنها بی‌خبر هستیم. این اطلاعات به مرور زمان تغییر می‌کنند. بنابراین، هدف ما استفاده از تجهیزات الکترونیکی برای استخراج و رمزگشایی سیگنال‌ها به منظور بهبود بررسی‌های مراقبت از خود است.

تخمین زده می‌شود که حداقل هفت درصد از آمریکایی‌ها از بروز مشکل در فعالیت‌هایی رنج می‌برند که راه رفتن، دویدن یا بالا رفتن از پله‌ها را شامل می‌شود. اگرچه در سال‌های اخیر تلاش‌ها برای ساخت یک سیستم مبتنی بر کفی پوشیدنی افزایش یافته‌اند اما بسیاری از نمونه‌های اولیه پیشین با محدودیت‌های انرژی و عملکرد ناپایدار همراه بودند.

لی و «چی وانگ»(Qi Wang) دانشجوی مقطع دکتری علوم و مهندسی مواد در دانشگاه ایالتی اوهایو و پژوهشگر ارشد این پروژه برای غلبه بر چالش‌ها به دنبال اطمینان از دوام فناوری پوشیدنی خود، دقت بالایی را هنگام جمع‌آوری و تحلیل داده‌ها و ارائه قدرت ثابت و قابل اعتماد در پیش گرفتند.

فناوری این گروه پژوهشی با استفاده از هوش مصنوعی، منحصربه‌فرد شده است. این کفی هوشمند با استفاده از یک مدل پیشرفته یادگیری ماشینی می‌تواند هشت حالت گوناگون حرکتی را از جمله حالت‌های ایستا مانند نشستن و ایستادن تا حرکات پویاتر مانند دویدن و چمباتمه زدن تشخیص دهد.

از آنجا که مواد سازنده کفی انعطاف‌پذیر و ایمن هستند، این کفی مانند ساعت هوشمند، کم‌خطر و برای استفاده مداوم ایمن است. برای مثال، پس از تبدیل نور خورشید به انرژی توسط سلول‌های خورشیدی، این نیرو در باتری‌های لیتیومی کوچک ذخیره می‌شود که به کاربر آسیبی نمی‌رساند یا بر فعالیت‌های روزانه تأثیر نمی‌گذارد.

به دلیل توزیع حسگرها از انگشت پا تا پاشنه، پژوهشگران می‌توانند ببینند که چگونه فشار روی قسمت‌هایی از پا در فعالیت‌هایی مانند راه رفتن و دویدن متفاوت است. هنگام راه رفتن، فشار به صورت متوالی از پاشنه تا انگشتان پا اعمال می‌شود. این در حالی است که هنگام دویدن تقریبا همه حسگرها به طور هم‌زمان تحت فشار قرار می‌گیرند. هنگام پیاده‌روی، زمان اعمال فشار حدود نیمی از کل زمان را تشکیل می‌دهد. این در حالی است که زمان اعمال فشار هنگام دویدن فقط حدود یک چهارم زمان را شامل می‌شود.

در حوزه مراقبت‌های بهداشتی، کفی‌های هوشمند می‌توانند از تحلیل راه رفتن برای تشخیص ناهنجاری‌های اولیه ناشی از بیماری‌های مرتبط با فشار پا مانند زخم پای دیابتی، اختلالات اسکلتی-عضلانی مانند درد پاشنه کف پا و بیماری‌های عصبی مانند پارکینسون پشتیبانی کنند.

این فناوری جدید از یادگیری ماشینی برای یادگیری و طبقه‌بندی انواع گوناگون حرکت استفاده می‌کند. این کار، فرصت‌هایی را برای مدیریت شخصی‌سازی‌شده سلامت از جمله تصحیح در لحظه وضعیت بدن، پیشگیری از آسیب و نظارت بر توان‌بخشی فراهم می‌کند. به گفته پژوهشگران، تمرین‌های شخصی‌سازی‌شده تناسب اندام نیز ممکن است در آینده مورد استفاده قرار بگیرند.

به گفته پژوهشگران، این کفی‌های هوشمند پس از ۱۸۰ هزار چرخه فشرده‌سازی و رفع فشار، هیچ کاهش قابل ‌توجهی را در عملکرد خود نشان ندادند و این دوام بلندمدت آنها را نشان می‌دهد. لی گفت: رابط کفی، انعطاف‌پذیر و نازک است و به همین دلیل، حتی هنگام تغییر شکل مکرر نیز می‌تواند کارآمد باقی بماند. ترکیب نرم‌افزار و سخت‌افزار به این معناست که چندان هم محدود نیست.

پژوهشگران انتظار دارند که این فناوری طی سه تا پنج سال آینده به صورت تجاری در دسترس قرار بگیرد. گام‌های بعدی برای پیشبرد کار با هدف بهبود توانایی‌های تشخیص ژست‌های کفی خواهد بود که به گفته لی، احتمالا با آزمایش‌های بیشتر روی جمعیت‌های متنوع‌تر محقق خواهد شد. لی گفت: تنوع زیادی بین افراد وجود دارد. بنابراین، به نمایش درآوردن و آموزش دادن این قابلیت‌های خارق‌العاده در جمعیت‌های گوناگون همان چیزی است که باید بیشتر به آن توجه کنیم.

این پژوهش در مجله «Science Advances» به چاپ رسید.