طراحی سامانه های پوشیدنی هوشمند (Wearable AI) برای پایش هم زمان شاخص های فیزیولوژیک و روانی ورزشکاران

زمینه و هدف: پایش هم زمان وضعیت فیزیولوژیک و روانی ورزشکاران با استفاده از سامانه های پوشیدنی هوشمند مبتنی بر هوش مصنوعی، رویکردی برای ارزیابی پیوسته تغییرات مرتبط با بار تمرینی، خستگی و آمادگی عملکردی فراهم کرده است. حسگرهای پوشیدنی می توانند داده هایی مانند ضربان قلب، تغییرپذیری ضربان قلب، دمای پوست، فعالیت الکتریکی عضله، پاسخ گالوانیکی پوست، الگوی تنفس و شاخص های حرکتی را در شرایط واقعی ثبت کنند. ادغام این داده ها با شاخص های ادراکی و روان شناختی و تحلیل آنها با روش های یادگیری ماشین، امکان ایجاد مدل های فردمحور برای برآورد وضعیت ورزشکار را فراهم می کند. هدف این مقاله مروری، بررسی شواهد موجود درباره طراحی و کاربرد سامانه های Wearable AI برای پایش یکپارچه شاخص های فیزیولوژیک و روانی ورزشکاران و ارزیابی ظرفیت آنها در شناسایی خستگی و تغییرات مرتبط با وضعیت تمرینی است.روش ها: این مقاله به صورت مرور روایتی تحلیلی بر مطالعات علمی مرتبط با فناوری های پوشیدنی ورزشی، پایش فیزیولوژیک، سنجش شاخص های روانی، خستگی ورزشکاران و کاربرد الگوریتم های هوش مصنوعی و یادگیری ماشین انجام شد. مطالعات بر اساس ارتباط با موضوع، نوع حسگر، متغیرهای فیزیولوژیک و روان شناختی، روش پردازش داده، نوع الگوریتم و محیط ارزیابی مورد بررسی قرار گرفتند. تمرکز اصلی بر مطالعاتی بود که از داده های چندحسگری یا رویکردهای مبتنی بر ادغام داده برای ارزیابی وضعیت ورزشکار استفاده کرده بودند.یافته ها: شواهد بررسی شده نشان دادند که حسگرهای پوشیدنی قادر به ثبت پیوسته مجموعه ای از شاخص های فیزیولوژیک و حرکتی در طول تمرین و فعالیت ورزشی هستند. در میان متغیرهای مورد استفاده، ضربان قلب و تغییرپذیری ضربان قلب از رایج ترین شاخص ها برای ارزیابی پاسخ به بار تمرینی و تغییرات مرتبط با خستگی بودند، در حالی که سیگنال های حرکتی، فعالیت الکتریکی عضله، دمای پوست و پاسخ گالوانیکی پوست اطلاعات مکملی درباره وضعیت عملکردی و پاسخ فرد به فعالیت فراهم کردند. مطالعات مبتنی بر یادگیری ماشین نشان دادند که ادغام چند سیگنال می تواند در مقایسه با اتکا به یک شاخص منفرد، ظرفیت بیشتری برای طبقه بندی یا پیش بینی وضعیت خستگی داشته باشد. با این حال، تفاوت در پروتکل های آزمایشی، کیفیت حسگرها، تعاریف خستگی، ویژگی های جمعیت مورد مطالعه و روش های اعتبارسنجی موجب ناهمگونی در عملکرد مدل ها شد. شواهد مربوط به ادغام مستقیم شاخص های روانی با داده های فیزیولوژیک هنوز نسبت به پایش فیزیولوژیک محدودتر و از نظر روش شناختی ناهمگون تر بود.نتیجه گیری: شواهد موجود نشان می دهد که سامانه های پوشیدنی مجهز به هوش مصنوعی ظرفیت ایجاد یک چارچوب پایش پیوسته و چندبعدی از وضعیت ورزشکار را دارند، اما استفاده بالینی و ورزشی گسترده از این فناوری به اعتبارسنجی بیشتر مدل ها در شرایط واقعی، توسعه الگوریتم های فردمحور و ارزیابی هم زمان شاخص های فیزیولوژیک و روان شناختی نیاز دارد. طراحی سامانه های آینده باید علاوه بر دقت پیش بینی، به قابلیت تفسیر مدل، کیفیت داده، حریم خصوصی و پایداری عملکرد در طول زمان توجه کند. در این چارچوب، Wearable AI می تواند به عنوان ابزار پشتیبان تصمیم گیری برای پایش خستگی و مدیریت بار تمرینی مورد استفاده قرار گیرد، مشروط بر آنکه خروجی آن در برابر معیارهای مرجع معتبر ارزیابی شود.

کلیدواژه ها:

سامانه های پوشیدنی هوشمند ، هوش مصنوعی ، پایش فیزیولوژیک ، خستگی ورزشی ، پایش روان شناختی