Οι άνθρωποι έχουν μοναδικά μοτίβα αναπνοής που μπορούν να χρησιμοποιηθούν για την αναγνώριση και διάκριση μεταξύ τους, διαπίστωσε νέα μελέτη.
Με βάση αυτά τα διακριτά «αναπνευστικά αποτυπώματα», όπως τα αποκαλούν, επιστήμονες μπόρεσαν να χρησιμοποιήσουν έναν αλγόριθμο για να αναγνωρίσουν άτομα σχεδόν στο 97% των περιπτώσεων. Οι συγγραφείς της μελέτης που δημοσιεύτηκε στο περιοδικό 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 δείγμα 24 ωρών σε τμήματα των πέντε 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.
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 δύο ετών – αυτό έδειξε ότι το μοτίβο μεταβλητότητας για κάθε άτομο ήταν εντυπωσιακά παρόμοιο στις δύο 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 ώστε 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 άγχος 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 ανάλυση της αναπνοής, βρήκαν συσχετίσεις μεταξύ των προφίλ αναπνοής των ατόμων και διαφόρων χαρακτηριστικών, όπως τα το άγχος 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 χρήση και να διερευνήσουν ερωτήματα όπως το αν τα αναπνευστικά μοτίβα αντανακλούν ή καθορίζουν την κατάσταση του εγκεφάλου ενός ατόμου.
