打ち上げ:人工知能を用いて将来の宇宙ミッションの適応プロフィールを特定するための発見研究

科学分野:

• 宇宙医学
• 人間の生理学
• 人工知能

背景:

• 長期の宇宙ミッションには 宇宙飛行士の適応が 求められます
• インターオセプションと心拍数変動 (HRV) は,生理学的適応と健康の重要な指標です.
• 個人の適応を予測することは 宇宙飛行士の幸福とミッションの成功にとって 極めて重要です

研究 の 目的:

• 宇宙飛行士の適応プロファイルの予測における人工知能 (AI) の使用を調査する.
• 様々な空間アナログ環境における インターオセプティブとHRVの反応を分析する.
• 宇宙飛行士の適応を予測するモデルを 開発する

主な方法:

• 4つの宇宙アナログ環境 (パラボリックフライト,潜水艦,海での生存,危険演習) で84人の参加者から収集されたデータです.
• インターオセプティブ感度とHRVは,クラスタリングによる適応プロフィールを特定するために測定されます.
• 識別されたプロファイルを予測するためにベースラインデータで訓練されたサポートベクターマシン (SVM) モデル.

主要な成果:

• 3つの異なる適応プロファイルが特定され,インターオセプティブの意識,体と心の統合,および神経認識の違いによって特徴付けられています.
• SVMモデルはこれらの適応プロファイルの予測に 79%の精度を達成しました.
• 発見は,適応の体現された性質とHRVにおけるインターオセプティブ経路の役割を強調しています.

結論:

• 機械学習は生理学的な インターオセプティブマーカーを使って 宇宙飛行士の適応結果を 効果的に予測できます
• このアプローチは,厳しい環境への個々の反応を予測するための実行可能な方法を提供します.
• この結果は,宇宙飛行士の訓練を 個別化された生理学的なプロファイルに基づいて 支援し,ミッションの準備を強化します.