Κάθε άνθρωπος μπορεί να αναγνωριστεί από το μοτίβο αναπνοής του με ακρίβεια 97%, υποστηρίζει μελέτη

Με βάση αυτά τα διακριτά «αναπνευστικά αποτυπώματα», όπως τα αποκαλούν, επιστήμονες μπόρεσαν να χρησιμοποιήσουν έναν αλγόριθμο για να αναγνωρίσουν άτομα ωσπεράν στο 97% των περιπτώσεων. Οι συγγραφείς της μελέτης που δημοσιεύτηκε στο έντυπο Current Biology, πιστεύουν επίσης ότι τα μοτίβα αυτά θα μπορούσαν να αποκαλύψουν πιθανές ενδείξεις για την ψυχική και σωματική υγεία κάθε ατόμου.

Αν και μοιάζει απλή, η αναπνοή είναι μια πολύπλοκη διαδικασία που ελέγχεται από διάφορες περιοχές του εγκεφάλου. Αυτό οδήγησε τους ερευνητές στην εξής υπόθεση: «Δεδομένου ότι όλοι έχουμε μοναδικούς εγκεφάλους, αυτή η μοναδικότητα θα αντικατοπτρίζεται και στην αναπνοή μας», δήλωσε στο LiveScience η πρώτη συγγραφέας της μελέτης, Timna Soroka, διδακτορική φοιτήτρια στο Επιστημονικό Ινστιτούτο Weizmann στο Ισραήλ.

Ανάλυση μοτίβων αναπνοής με μηχανική μάθηση

Για να αποδείξουν την υπόθεσή τους, η Soroka και οι συνεργάτες της τοποθέτησαν σε 97 εθελοντές μια φορητή συσκευή που μετρά την εισπνοή και την εκπνοή μέσω σωλήνων τοποθετημένων κάτω από κάθε ρουθούνι. Η συσκευή κατέγραψε την αναπνοή κάθε συμμετέχοντα για 24 ώρες, ενώ αυτοί ασκούσαν τις συνήθεις δραστηριότητές τους, συμπεριλαμβανομένου του ύπνου.

Στη συνέχεια, οι ερευνητές χρησιμοποίησαν ένα λογισμικό για να εντοπίσουν δεκάδες διαφορετικά χαρακτηριστικά στα αρχεία αναπνοής, όπως η διάρκεια της παύσης πριν ή μετά από την εισπνοή. Χωρίζοντας κάθε ένδειξη 24 ωρών σε τμήματα των 5 λεπτών, οι ερευνητές παρακολούθησαν πώς αυτά τα χαρακτηριστικά ποίκιλλαν για κάθε συμμετέχοντα. Στη συνέχεια, χρησιμοποίησαν μηχανική μάθηση για να αναλύσουν τους «χάρτες» χαρακτηριστικών που προέκυψαν, αποκαλύπτοντας ότι το μοτίβο μεταβλητότητας ήταν μοναδικό για κάθε άτομο.

Καλλιτεχνική απεικόνιση της συσκευής που χρησιμοποιήθηκε για να αναλύσει την αναπνοή των συμμετεχόντων στο πείραμα

Soroka et al., Current Biology

Στη συνέχεια, πραγματοποίησαν ένα επιπλέον πείραμα σε 42 από τους συμμετέχοντες, οι οποίοι υποβλήθηκαν σε μια επιπλέον ημέρα δοκιμών επιλεγμένη τυχαία εντός μιας περιόδου 2 ετών – αυτό έδειξε ότι το μοτίβο μεταβλητότητας για κάθε άτομο ήταν εντυπωσιακά παρόμοιο στις 2 ημέρες δοκιμών, παραμένοντας ταυτόχρονα διακριτό από οποιονδήποτε άλλο. Με άλλα λόγια, κάθε άτομο είχε μια μοναδική «υπογραφή» αναπνοής, παρόμοια με ένα δακτυλικό αποτύπωμα.

Τα χαρακτηριστικά ήταν αρκετά διακριτά όθεν οι ερευνητές να εκπαιδεύσουν έναν αλγόριθμο μηχανικής μάθησης να αναγνωρίζει με ακρίβεια 96,8% τους μεμονωμένους συμμετέχοντες, με βάση μόνο τα μοτίβα αναπνοής τους.

Συσχετίσεις με δυσφροσύνη και δείκτη μάζας σώματος

Οι ερευνητές ζήτησαν επίσης από τους συμμετέχοντες να συμπληρώσουν ένα ερωτηματολόγιο σχετικά με τη σωματική και ψυχική τους υγεία. Όταν συνδύασαν τα αποτελέσματα αυτών των ερωτηματολογίων με την αναστοιχείωση της αναπνοής, βρήκαν συσχετίσεις μεταξύ των προφίλ αναπνοής των ατόμων και διαφόρων χαρακτηριστικών, όπως τα το δυσφροσύνη ή ο δείκτης μάζας σώματός τους.

Για παράδειγμα, τα άτομα που ανέφεραν υψηλότερα επίπεδα άγχους είχαν μεγαλύτερη μεταβλητότητα στις παύσεις μεταξύ των αναπνοών τους σε σύγκριση με τα άτομα που ανέφεραν χαμηλότερα επίπεδα. Αυτό αυξάνει την πιθανότητα τα αναπνευστικά πρότυπα να μπορούν να χρησιμοποιηθούν για την πρόβλεψη ορισμένων πτυχών της ψυχικής και σωματικής υγείας, σύμφωνα με την έρευνα.

Στη συνέχεια οι ερευνητές σκοπεύουν να κάνουν τη συσκευή τους πιο άνετη στη μεταχείριση και να διερευνήσουν ερωτήματα όπως το αν τα αναπνευστικά μοτίβα αντανακλούν ή καθορίζουν την κατάσταση του εγκεφάλου ενός ατόμου.