Hypoxæmi er en medicinsk tilstand, når blodet ikke bærer nok ilt til at forsyne vævene tilstrækkeligt. Det er en førende indikator for farlige komplikationer af luftvejssygdomme som astma, KOL og COVID-19. Mens specialdesignede pulsoximetre kan levere præcise blod-iltmætning (SpO2) aflæsninger, der muliggør hypoxæmi-diagnose, kan gøre denne funktion tilgængelig i umodificerede smartphone-kameraer via en softwareopdatering give flere mennesker adgang til afgørende oplysninger om deres helbred.
Forskere fra University of Washington , Californien San Diego har vist i et proof-of-concept-studie, at smartphones kan registrere iltmætningsniveauer i blodet helt ned til 70 %. US Food and Drug Administration anbefaler, at pulsoximetre er i stand til at måle ikke mindre end dette niveau.
Deltagerne i teknikken placerer deres fingre over smartphonens kamera og blitz, som bruger en dyb-læringsalgoritme til at bestemme blodets iltniveauer. Smartphonen identificerede korrekt, om en patient havde lave iltniveauer i blodet 80 % af tiden, da holdet gav seks forsøgspersoner en reguleret dosis af nitrogen og ilt for at sænke deres blodiltniveauer kunstigt.
Medforfatter Jason Hoffman, en UW ph.d.-studerende ved Paul G. Allen School of Computer Science & Engineering, sagde: "Andre smartphone-apps, der gør dette, blev udviklet ved at bede folk om at holde vejret. Men folk bliver meget utilpas og må trække vejret efter et minut eller deromkring, før deres iltniveauer i blodet er faldet langt nok til at repræsentere hele rækken af klinisk relevante data. Vi kan indsamle 15 minutters data fra hvert emne med vores test. Vores data viser, at smartphones kunne fungere godt i det kritiske tærskelområde."
Kredit: Dennis Wise/University of Washington
Medforfatter Dr. Matthew Thompson, professor i familiemedicin ved UW School of Medicine, sagde: "På denne måde kan du have flere målinger med din enhed uden omkostninger eller lave omkostninger. Denne information kan problemfrit overføres til en læges kontor i en ideel verden. Dette ville være gavnligt for telemedicinske aftaler eller triagesygeplejersker til hurtigt at afgøre, om patienter skal på skadestuen, eller om de kan fortsætte med at hvile derhjemme og bestille tid hos deres primære plejer senere."
Seks individer blev udvalgt af holdet, hvis alder varierede fra 20 til 34: 3 mænd og tre kvinder. Mens størstedelen af deltagerne rapporterede som værende kaukasiske, identificerede en person sig som værende afroamerikaner.
Hver deltager skulle bære et almindeligt pulsoximeter på en finger, mens de placerede en anden finger på den samme hånd over et smartphone-kamera og flash for at indsamle data til træning og test af algoritmen. Denne opsætning var samtidig til stede på begge hænder for hver deltager.
Seniorforfatter Edward Wang, der startede dette projekt som en UW ph.d.-studerende, der studerede elektro- og computerteknik, sagde: "Kameraet optager en video: Hver gang dit hjerte slår, flyder frisk blod gennem den del, der er oplyst af blitzen."
"Kameraet registrerer, hvor meget det blod absorberer lyset fra blitzen i hver af de tre farvekanaler, det måler: rød, grøn og blå."
Hver deltager inhalerede en kontrolleret blanding af ilt og nitrogen for gradvist at sænke iltniveauet. Det tog cirka 15 minutter at gennemføre. Holdet indsamlede mere end 10,000 iltniveauer i blodet mellem 61 % og 100 % for alle seks forsøgspersoner.
Forskerne trænede en dyb læringsalgoritme til at udtrække blodets iltniveauer ved hjælp af data fra fire deltagere. De resterende oplysninger blev brugt til at bekræfte metodens nøjagtighed, før den blev testet på helt nye personer.
Medforfatter Varun Viswanath, en UW-alumne, som nu er en doktorand, rådgivet af Wang ved UC San Diego, sagde: "Smartphone-lys kan blive spredt af alle disse andre komponenter i din finger, hvilket betyder, at der er meget støj i de data, vi kigger på. Dyb læring er en gavnlig teknik, fordi den kan se disse komplekse og nuancerede funktioner og hjælper dig med at finde mønstre, du ellers ikke ville være i stand til at se."
Hoffman sagde, "En af vores forsøgspersoner havde tyk hård hud på fingrene, hvilket gjorde det sværere for vores algoritme at bestemme deres blodets iltniveau nøjagtigt. Hvis vi udvidede denne undersøgelse til flere emner, ville vi sandsynligvis se flere mennesker med hård hud og forskellige hudtoner. Så kunne vi potentielt have en algoritme med tilstrækkelig kompleksitet til bedre at modellere alle disse forskelle."
Wang sagde, "Men dette er et godt første skridt mod at udvikle biomedicinske enheder hjulpet af maskinlæring."
”Det er så vigtigt at lave sådan en undersøgelse. Traditionelt medicinsk udstyr gennemgår strenge tests. Men datalogisk forskning er lige begyndt at grave tænderne i machine learning til udvikling af biomedicinsk udstyr, og vi lærer alle stadig. Ved at tvinge os selv til at være strenge, tvinger vi os selv til at lære at gøre tingene rigtigt."
Journal Reference:
- Hoffman, JS, Viswanath, VK, Tian, C. et al. Smartphone kamera oximetri i en induceret hypoxæmi undersøgelse. npj ciffer. Med. 5, 146 (2022). DOI: 10.1038 / s41746-022-00665-y
