توسط داگلاس یونگ -27 دسامبر 2022
افرادی که از ساعت هوشمند و دستگاه های تلفن همراه هوشمند برای ردیابی سلامت و تناسب اندام استفاده می کنند، تصویر توسط Wanlee Prachyapanaprai/Getty Images
بازاریابی اپل واچ همه چیز می گوید: “یک جهش سالم به جلو.” “اینجا شما سالم تر هستید.” “آینده سلامت هرگز به این خوبی به نظر نمی رسید.” اپل واچ، مانند تعداد بی‌شماری دیگر برنامه‌ها و پوشیدنی‌های سلامت دیجیتال، خود را با وعده ضمنی توانمندسازی فردی به فروش می‌رساند: اینکه ما می‌توانیم از این اطلاعات سلامتی برای انجام اقدامات خاصی استفاده کنیم – مثلاً به گونه‌ای ورزش کنید که ضربان قلب شما به یک آستانه بالا برسد. – که منجر به سلامتی بهتر می شود.
اما شرکت‌هایی که اپلیکیشن‌ها و پوشیدنی‌ها را تولید می‌کنند و مشتریانی که آنها را می‌خرند، در ارائه سلامتی و نوید دادن به آنها، روی درختان تمرکز می‌کنند و بقیه جنگل را از دست می‌دهند.
در حقیقت، ما کمتر از آن چیزی که دوست داریم فکر کنیم، بر سلامت خود کنترل داریم. در واقع، سلامتی ما به شدت تحت تأثیر محیط اطرافمان است – از جمله سلامت افراد اطرافمان. آنچه که این ممکن است برای بازار روزافزون پوشیدنی ها معنی داشته باشد، تمرکز جدیدی فراتر از افراد، به افراد خانواده، دوستان و حتی کل جامعه آنهاست.
با ترکیب عوامل اجتماعی و محیطی، محصولات سلامت دیجیتال بهتر می‌توانند آنچه را که به سلامت عمومی وارد می‌شود به تصویر بکشند. داده‌های کل جامعه از ردیاب‌های تناسب اندام و سایر داده‌های دیجیتال قبلاً به برخی از مدل‌های بهداشت عمومی وارد می‌شوند.با ترکیب عوامل اجتماعی، محصولات سلامت دیجیتال بهتر می‌توانند آنچه را که به سلامت عمومی وارد می‌شود به تصویر بکشند.
Fitbit گزارش هایی را منتشر می کند که به عنوان مثال، جوامعی را نشان می دهد که در آن افراد بیشتر ورزش می کنند. داده های موقعیت مکانی تلفن همراه گاهی اوقات برای نقشه برداری از شیوع بیماری استفاده می شود. این مدل‌ها و مجموعه داده‌های زیربنایی آنها می‌توانند برای آن افراد و سازمان‌هایی که مسئول محافظت و بهبود سلامتی ما هستند، یک موهبت باشد.
داده‌های سلامت جمع‌آوری‌شده که عواملی در سطح جامعه را منعکس می‌کند، قرن‌هاست که به پزشکان بهداشت عمومی کمک می‌کند و به آنها اجازه می‌دهد تا پیشرفت‌های به ظاهر ساده‌ای را انجام دهند که با این وجود تأثیر زیادی بر زندگی مردم دارد.
فلورانس نایتینگل که از بیمارستان‌های جنگ کریمه در اواسط قرن نوزدهم مملو از سربازان بریتانیایی بیمار و مجروح شده بود، به خانه بازگشت، به دنبال استفاده از داده‌هایی بود که با دقت جمع‌آوری کرده بود تا تأثیر عوامل اجتماعی بر سلامت سربازان را نشان دهد. نایتینگل از گرافیک‌های قدرتمندی استفاده کرد تا رهبران بریتانیا را متقاعد کند که اقداماتی برای بهبود بهداشت – مانند تمیز کردن هوا، آب و سیستم‌های فاضلاب – می‌تواند از بیماری جلوگیری کند و مرگ و میر را به‌طور چشمگیری کاهش دهد.
جهان هنوز با چالش‌های بهداشت عمومی عظیمی از جمله همه‌گیری مداوم COVID-19 روبرو است. اما ما همچنین کارت‌های جدیدی برای بازی داریم، مانند مخازن وسیع داده‌های حسگر سلامت و تکنیک‌های قدرتمند هوش مصنوعی که می‌توانند به ما در درک آن کمک کنند.استفاده از این ابزارها برای بهبود دستگاه ها و برنامه های بهداشتی می تواند فرصتی بزرگ برای مقابله با این چالش های عظیم باشد.
یکی از موارد نگرانی‌های اخیر بهداشت عمومی، بحران سلامت روان نوجوانان است. یک پروژه تحقیقاتی به رهبری هاروارد که به دنبال رسیدگی به خودکشی های فزاینده است، داده های بهداشتی بسیاری از افراد را جمع آوری می کند و از هوش مصنوعی برای مفیدتر کردن آن استفاده می کند، مانند ترکیب داده های گوشی هوشمند و Fitbit برای درک شاخص های خودکشی.امید این است که ازدواج با هوش مصنوعی و داده های حسگر سلامت می تواند به ایجاد یک سیستم هشدار اولیه برای افرادی که در معرض خطر خودکشی هستند کمک کند.
در حال حاضر، این تحقیق به صورت آکادمیک باقی مانده است. و یک چالش بزرگ این است که خودکشی هنوز نسبتاً نادر است و داده‌های کمی تولید می‌کند که الگوریتم‌ها می‌توانند از آن برای پیش‌بینی استفاده کنند. اما مانند بسیاری از رویدادهای بهداشتی دیگر، خطر خودکشی در خلاء رخ نمی دهد.
خودکشی‌ها ممکن است اعمالی مجزا به نظر برسند، اما اغلب به‌صورت خوشه‌ای اتفاق می‌افتند، چیزی که محققان آن را سرایت خودکشی می‌نامند. اگر الگوریتم‌های پیش‌بینی خودکشی، مانند الگوریتم‌هایی که در هاروارد ساخته می‌شوند، بتوانند یک عنصر اجتماعی را از داده‌های حسگر سلامتی مانند شبکه دوستان شما ترکیب کنند، چه؟
محصولات سلامت دیجیتال می‌توانند به الگوریتم‌های شبکه اجتماعی وارد شوند که به شناسایی زمانی که افراد به منابع سلامت روان نیاز دارند کمک می‌کند. پوشیدنی که خلق و خو و خواب شما را ردیابی می کند ممکن است بر اساس آن معیارها مداخله کند. اما یک الگوریتم فعال اجتماعی ممکن است بتواند چندین قدم جلوتر رفته و روندهای نگران کننده را در میان مخاطبین نزدیک فرد تشخیص دهد – مانند پست های رسانه های اجتماعی که نشان دهنده آسیب زدن به خود هستند و بنابراین زمانی که شخصی ممکن است خود در معرض خطر بیشتری برای خودکشی باشد.
مطمئناً موانع زیادی برای استفاده از داده های اجتماعی و محیطی در محصولات سلامت دیجیتال وجود دارد. برخی از کاربران ممکن است در مورد به اشتراک گذاری داده ها با شرکت ها یا آژانس های بهداشت عمومی نگرانی های مربوط به حریم خصوصی داشته باشند.برخی از کاربران ممکن است در مورد به اشتراک گذاری داده ها با شرکت ها یا آژانس های بهداشت عمومی نگرانی های مربوط به حریم خصوصی داشته باشند.
غلبه بر این موانع می تواند شامل توسعه استانداردهای منبع باز برای شفافیت در مورد مدیریت داده ها باشد، یا اطمینان حاصل شود که مردم می توانند کنترل کنند که چه زمانی و با کدام آژانس ها، داده های شخصی را به اشتراک بگذارند.
با این حال، فرصت برای نادیده گرفتن آن بسیار عالی است. اگرچه محصولات بهداشتی دیجیتال می توانند، و در حال حاضر نیز برای افراد مفید باشند، اما بزرگترین مزیت ها روزی زمانی حاصل می شود که این محصولات همراه با اطلاعات مربوط به جامعه و فراتر از افراد عمل کنند.
اکنون، احتمالاً یک مجموعه ثروتمندتر و در نتیجه از قبل سالم تری از مردم است که تمایل به خرید محصولات بهداشتی دیجیتال دارند. این با یک الگوی تاریخی مطابقت دارد، جایی که فناوری‌های جدید مانند رایانه‌ها به افراد منتخب پاسخ می‌دهند، اما بعداً برای خدمت به جوامع گسترده‌تر گسترش می‌یابند.
برای اینکه شرکت‌های سلامت دیجیتال به طور معتبر ادعا کنند که سلامت مردم را بهبود می‌بخشند – همانطور که قول داده‌اند، واقعاً به “آینده سلامت” تبدیل شوند – گام بعدی آنها می‌تواند افزایش تمایل به نگاهی فراتر از یک مفهوم فردی از سلامت و همکاری با آژانس‌های بهداشت عمومی باشد .
با انجام این کار، محصولات بهداشتی دیجیتال برای بخش بسیار بیشتری از جامعه، حتی کسانی که از پوشیدنی پوشیدنی استفاده نمی کنند، سود می برند.
داگلاس یونگ یک دانشمند ارشد رفتارشناسی در شرکت غیرانتفاعی و غیرحزبی RAND و عضو هیئت علمی دانشکده فارغ التحصیل Pardee RAND است.این تفسیر در ابتدا در 26 دسامبر 2022 در USA Today منتشر شد. تفسیر به محققان RAND بستری می‌دهد تا بینش‌هایی را بر اساس تخصص حرفه‌ای خود و اغلب بر اساس تحقیقات و تحلیل‌های مورد بازبینی همتایان خود منتقل کنند.
