محققان دانشگاه واشنگتن در حال توسعه یک روش ساده برای ارزیابی ضربه های مغزی احتمالی و سایر آسیب های مغزی با استفاده از یک گوشی هوشمند هستند. این تیم اپلیکیشنی تحت عنوان PupilScreen توسعه داده است که از یک ویدئو و فلاش دوربین گوشی هوشمند استفاده می کند تا نحوه واکنش مردمک چشم به نور را محاسبه و ضبط نماید.
به عنوان مثال، تشخیص ضربه های مغزی به علت آسیب های ورزشی و یا تصادف ماشین، معمولاً از طریق ابزار سنجش مردمک چشم انجام می شود که به ندرت در خارج از بیمارستان یافت می شود. تشخیص تورومای سر همچنین می تواند با استفاده از مجموعه ای از ارزیابی های ذهنی نظیر تعادل، تکرار لیستی از کلمات، یا بررسی چشمی واکنش مردمک چشم با یک چراغ قوه نیز انجام شود. اما این روش ها قطعی نیستند و احتمال خطا در آن ها بسیار زیاد است. مشکل ذکر شده می تواند اثرات طولانی مدتی روی ضربه های مغزی داشته باشد.
برای ایجاد برنامه PupilScreen و ارائه یک ارزیابی عینی از آسیب بالقوه سر، محققان از ابزار یادگیری عمیقی برای آموزش شبکه عصبی استفاده کرده اند که چگونه می توان مردمک چشم را پیدا کرد و نحوه واکنش آن به فلاش نور در طی 3 ثانیه را ردیابی نمود. دوربین گوشی هوشمند یک ویدئو سه ثانیه ای ضبط می کند و نور مورد نظر از طریق فلاش دوربین تامین می شود. باقی بخش ها به عهده برنامه PupilScreen است. این برنامه بررسی می کند که آیا واکنش مردمک چشم در محدوده نرمال قرار دارد یا این که علائم آسیب مغزی را نشان می دهد. در یک مطالعه کوچک، پزشکان با بررسی اطلاعات به دست آمده از برنامه PupilScreen به درستی توانستند تعیین کنند که آیا فرد مورد نظر ضربه مغزی شده است، یا خیر.
در حال حاضر این برنامه تنها قادر به تشخیص آسیب های جدی است. اما با ادامه توسعه آن، می تواند تعیین کند که کدام یک از مشخصه های واکنش مردمک چشم بیان گر انواع خفیف تر و مبهم تر ضربه مغزی هستند. این برنامه در حال حاضر با یک جعبه پلاستیکی که نور محیط را مسدود می کند، کار می کند و اطمینان می دهد که گوشی هوشمند در فاصله ی مناسبی از چشم قرار دارد؛ اما تیم نیز در حال بهبود برنامه است تا بدون نیاز به وسایل جانبی نیز قابل استفاده باشد. لیون مک گراث، یکی از محققان این پروژه، در بیانیه ای گفت: “پس از آزمایش های بیشتر، ما فکر می کنیم که این دستگاه تمامی افراد جامعه از جمله مربیان لیگ و پزشکان NFL را در این خصوص در حد پزشکان اورژانس توانا خواهد کرد تا بتوانند آسیب سر را به سرعت تشخیص دهند.”
این پروژه در Ubicomp 2017 ارائه شده است.
