به گزارش به گزارش خبرگزاری ، سیر در بسیاری از فرهنگ‌های غذایی ازجمله شمال ایران، نقش بسیار مهمی دارد. علاوه بر آن به لطف هزاران پیتزافروشی و رستوران ایتالیایی عطر این ماده غذایی یکی از اجزای زندگی بسیاری از ما شده است.

نکته دیگری که در م

یافته‌های محققان دانشگاه بازل و دانشگاه فنی مونیخ (TUM) نشان می‌دهد که رنگ نور ممکن است به طور قابل‌توجهی بر ساعت درونی بدن و کیفیت خواب انسان تأثیر نداشته باشد و این در تضاد با تحقیقات قبلی انجام شده روی موش‌ها است.

 بینایی فرآیند پیچیده‌ای است که در آن گیرنده‌های نور شبکیه یعنی گیرنده‌های مخروطی و میله‌ای نور را به تکانه‌های الکتریکی تبدیل می‌کنند تا مغز به‌عنوان یک تصویر آن‌ها را پردازش کند.

 به نقل از اس‌اف، در حالی که گیرنده‌های مخروطی دید واضح و رنگی را در حضور نور کافی تسهیل می‌کنند، گیرنده‌های میله‌ای به دیدن سایه‌های خاکستری در نور کم کمک می‌کنند. علاوه بر این، سلول‌های گانگلیونی تخصصی در شبکیه، که به شدت به نور با طول موج کوتاه در حدود ۴۹۰ نانومتر که تحت عنوان نور آبی درک می‌شود، واکنش نشان می‌دهند در تنظیم ریتم خواب و بیداری ما بسیار اهمیت دارند.

دکتر کریستین بلوم (Christine Blume)، نویسنده اول مطالعه، محقق مرکز کرونوبیولوژی دانشگاه بازل، می‌گوید: سلول‌های گانگلیونی حساس به نور اطلاعاتی را از مخروطی‌ها نیز دریافت می‌کنند و این سؤال مطرح می‌شود که آیا مخروطی‌ها و در نتیجه نور روشن، بر ساعت داخلی بدن نیز تاثیر می‌گذارند یا خیر. از این گذشته، چشمگیرترین تغییرات در روشنایی و رنگ نور هنگام طلوع و غروب خورشید رخ می‌دهد که آغاز و پایان یک روز را نشان می‌دهد.

در مطالعه‌ای در سال ۲۰۱۹ روی موش‌ها، اینگونه به نظر رسید که نور مایل به زرد تاثیر قوی‌تری بر ساعت داخلی بدن نسبت به نور مایل به آبی دارد. با این حال، یافته‌های تیم تحقیقاتی بازل مورد دیگری را برای انسان نشان می‌دهند. آن‌ها ۱۶ داوطلب را در معرض محرک‌های نور آبی، زرد و سفید قرار دادند و از تحریک یکسان سلول‌های گانگلیونی حساس به نور در همه شرایط اطمینان حاصل کردند. هرگونه تفاوت در اثر نور به تحریک مخروطی‌ها و رنگ نور نسبت داده شد.

مانوئل اسپستسچان (Manuel Spitschan)، پروفسور کرونوبیولوژی و سلامت می‌گوید: این روش تحریک نور به ما امکان می‌دهد تا ویژگی‌های نوری را که ممکن است در نحوه تأثیر نور بر انسان به روش آزمایشی تمیز نقش داشته باشد، جدا کنیم.

محققان تغییرات ساعت داخلی، شروع خواب، عمق خواب، خستگی و توانایی واکنش شرکت‌کنندگان را در شرایط نوری مختلف ارزیابی کردند. نتیجه این بود که تنوع رنگ روشن و در امتداد آن رنگ آبی-زرد تأثیر قابل توجهی بر ساعت داخلی یا خواب انسان ندارد. این یافته در تضاد با مطالعه بر موش‌ها در تحقیقاتی دیگری است که بر اهمیت سلول‌های گانگلیونی حساس به نور در ریتم‌های شبانه‌روزی انسان تأکید دارند.

بلوم می‌گوید: ما هیچ مدرکی پیدا نکردیم که نشان دهد تغییر رنگ روشن در امتداد رنگ آبی-زرد نقشی در ساعت یا خواب درونی انسان دارد. در عوض، نتایج ما از یافته‌های بسیاری از مطالعات دیگر حمایت می‌کند که سلول‌های گانگلیونی حساس به نور برای ساعت داخلی انسان مهم‌ترین هستند.

به طور مشابه، او تأکید می‌کند که در طراحی نورپردازی، تأثیر بر سلول‌های گانگلیونی حساس به نور باید در اولویت قرار گیرد و رنگ نور نقش کوچکی دارد.

اسپیتسچان خاطرنشان می‌کند: یافته‌های ما نشان می‌دهد که احتمالا مهم‌ترین نکته در نظر گرفتن تأثیر نور بر سلول‌های گانگلیونی حساس به نور هنگام برنامه‌ریزی و طراحی نورپردازی است. گیرنده‌های مخروطی و به دنبال آن رنگ نور نقش بسیار فرعی ایفا می‌کنند.

نتایج این مطالعه مقدماتی است، و تحقیقات بیشتری برای تعیین اینکه آیا رنگ نور بر خواب در شرایط مختلف، مانند قرار گرفتن در معرض طولانی مدت یا با زمان‌بندی متفاوت تأثیر می‌گذارد یا خیر، ضروری است. مطالعات بعدی می‌تواند درک جامع‌تری در مورد تأثیر نور بر خواب ارائه دهد.

این مطالعه همچنین به روش رایج استفاده از حالت شب در تلفن‌های هوشمند و تبلت‌ها می‌پردازد که نور با طول موج کوتاه را کاهش می‌دهد و مایل به زرد به نظر می‌رسد. بلوم سودمندی کاهش نور با طول موج کوتاه را برای خواب تأیید می‌کند، اما خاطرنشان می‌کند که تنظیم رنگ زرد از نظر فنی ضروری نیست.

او می‌گوید: از نظر فناورانه، کاهش نسبت‌های طول موج کوتاه حتی بدون تنظیم رنگ نمایشگر امکان‌پذیر است، با این حال این امر هنوز در نمایشگر‌های تلفن‌های همراه تجاری اجرا نشده است.

این مطالعه در مجله Nature Human Behaviour منتشر شده است.

Authors: خبرگزاری باشگاه خبرنگاران | آخرین اخبار ایران و جهان | YJC

تیمی از پژوهشگران هوش مصنوعی در بخش پژوهش شرکت گوگل (Google Research) و تیم دیپ‌مایند (Google DeepMind) اصول اولیه یک سیستم گفتگوی تشخیصی مبتنی بر هوش مصنوعی را برای انجام مصاحبه‌های پزشکی ایجاد کرده‌اند.

این گروه مقاله‌ای را در مورد تحقیقات خود در پایگاه پیش‌چاپ arXiv منتشر کرده است.

به نقل از ام‌ای، این تیم تحقیقاتی خاطرنشان کرد، وقتی یک پزشک با یک بیمار مصاحبه می‌کند تا مشخص کند که وضعیت پزشکی او چگونه است و باید به چه چیزی رسیدگی شود، به پیشینه عمیقی در آموزش پزشکی و تجربه عملی مسلح می‌شود. اگرچه ممکن است گاهی برای بیمار به نظر برسد که چنین مصاحبه‌هایی سطحی هستند، اما اکثر آن‌ها هم کارآمد هستند و هم به نتایج دقیقی منجر می‌شوند.

پژوهشگران خاطرنشان می‌کنند که فضا برای بهبود نیز وجود دارد. یکی از زمینه‌هایی که بسیاری از پزشکان در آن کوتاهی می‌کنند، نحوه برخورد بر بالین بیمار است. پزشکان به دلیل ویژگی‌های شخصیتی، برنامه کاری فشرده و پرمشغله بودن یا برخورد با بیمارانی که مودب نیستند، ممکن است در برخی از مصاحبه‌های پزشکی و شرح حال گیری با دقت مصاحبه نکنند که این تصور را ایجاد می‌کند که پزشک چندان برای حال بیمار اهمیتی قائل نیست.

اکنون تیم پژوهشگران گوگل در این تلاش جدید، با مدل‌های زبانی بزرگ (LLM) و هوش مصنوعی به دنبال رفع این مشکل هستند. آن‌ها روی یک LLM کار می‌کنند که می‌تواند روزی به یک سیستم گفتگوی تشخیصی در دنیای واقعی تبدیل شود.

این سیستم جدید AMIE نام دارد. البته تیم گوگل به این نکته تاکید دارد که AMIE هنوز کاملاً آزمایشی است. آن‌ها همچنین خاطرنشان می‌کنند که ساخت این سیستم به دلیل کمبود مصاحبه‌های پزشکی برای استفاده به عنوان مواد آموزشی، هم منحصر به فرد و هم دشوار بوده است.

این باعث شد که آن‌ها یک رویکرد جدید را برای آموزش سیستم خود در مورد نحوه پرس و جو از بیمار امتحان کنند. اول، آن‌ها آن را بر روی مقدار محدودی از داده‌های در دسترس عموم آموزش دادند. سپس سعی کردند سیستم را تشویق کنند تا خودش را در نقش یک فرد مبتلا به یک بیماری خاص قرار دهد و از سیستم خواستند نقش منتقدی را بازی کند که شاهد مصاحبه‌های متعددی است که سیستم انجام داده است.

سپس این سیستم با ۲۰ داوطلب که برای تظاهر به بیمار بودن آموزش دیده بودند، مصاحبه کرد. نتایج توسط متخصصان پزشکی برای تعیین صحت، رتبه‌بندی شدند. داوطلبانی که نقش بیماران را بازی کرده بودند، نحوه برخورد سیستم را خوب ارزیابی کردند.

در نهایت، پژوهشگران دریافتند که AMIE در تشخیص بیماری بیماران به اندازه پزشکان آموزش دیده دقیق است. آن‌ها همچنین دریافتند که در حالت شرح حال‌گیری بر بالین بیماران امتیاز بهتری کسب کرده است.

تیم گوگل اکنون قصد دارد قابلیت‌های این سیستم را هنگام آزمایش در شرایط واقعی‌تر در دنیای واقعی بهبود بخشد.

Authors: خبرگزاری باشگاه خبرنگاران | آخرین اخبار ایران و جهان | YJC