Hypoxämie ist ein medizinischer Zustand, bei dem das Blut nicht genug Sauerstoff transportiert, um das Gewebe angemessen zu versorgen. Es ist ein Frühindikator für gefährliche Komplikationen von Atemwegserkrankungen wie Asthma, COPD und COVID-19. Während speziell entwickelte Pulsoximeter präzise Messwerte der Blutsauerstoffsättigung (SpO2) liefern können, die eine Hypoxämie-Diagnose ermöglichen, könnte die Bereitstellung dieser Funktion in unveränderten Smartphone-Kameras über ein Software-Update mehr Menschen Zugang zu wichtigen Informationen über ihre Gesundheit verschaffen.
Wissenschaftler aus der Universität von Washington und Kalifornien San Diego haben in einer Proof-of-Concept-Studie gezeigt, dass Smartphones eine Blutsauerstoffsättigung von nur 70 % erkennen können. Die US Food and Drug Administration weist darauf hin, dass Pulsoximeter in der Lage sein sollten, nicht weniger als diesen Wert zu messen.
Die Teilnehmer an der Technik legen ihre Finger auf die Kamera und den Blitz des Smartphones, das einen Deep-Learning-Algorithmus verwendet, um den Blutsauerstoffgehalt zu bestimmen. Das Smartphone erkannte in 80 % der Fälle korrekt, ob ein Patient einen niedrigen Blutsauerstoffspiegel hatte, als das Team sechs Probanden eine regulierte Dosis Stickstoff und Sauerstoff verabreichte, um ihren Blutsauerstoffspiegel künstlich zu senken.
Co-Hauptautor Jason Hoffman, ein UW-Doktorand an der Paul G. Allen School of Computer Science & Engineering, sagte: „Andere Smartphone-Apps, die dies tun, wurden entwickelt, indem die Menschen aufgefordert wurden, den Atem anzuhalten. Aber die Menschen fühlen sich sehr unwohl und müssen nach etwa einer Minute atmen, bevor ihre Blutsauerstoffwerte weit genug gesunken sind, um die gesamte Bandbreite klinisch relevanter Daten darzustellen. Mit unserem Test können wir 15 Minuten Daten von jedem Probanden sammeln. Unsere Daten zeigen, dass Smartphones im kritischen Schwellenbereich gut funktionieren könnten.“
Bildnachweis: Dennis Wise/Universität Washington
Co-Autor Dr. Matthew Thompson, Professor für Familienmedizin an der UW School of Medicine, sagte: „Auf diese Weise können Sie mit Ihrem Gerät mehrere Messungen entweder kostenlos oder zu geringen Kosten durchführen. Diese Informationen könnten in einer idealen Welt nahtlos an eine Arztpraxis übermittelt werden. Dies wäre für telemedizinische Termine oder Triage-Pflegekräfte von Vorteil, um schnell festzustellen, ob Patienten in die Notaufnahme müssen oder ob sie sich zu Hause weiter ausruhen und später einen Termin bei ihrem Hausarzt vereinbaren können.“
Sechs Personen im Alter zwischen 20 und 34 Jahren wurden vom Team ausgewählt: drei männliche und drei weibliche. Während die Mehrheit der Teilnehmer angaben, Kaukasier zu sein, identifizierte sich eine Person als Afroamerikaner.
Jeder Teilnehmer musste ein normales Pulsoximeter an einem Finger tragen, während er einen anderen Finger an derselben Hand über eine Smartphone-Kamera und einen Blitz legte, um Daten zum Trainieren und Testen des Algorithmus zu sammeln. Dieses Setup war für jeden Teilnehmer gleichzeitig an beiden Händen vorhanden.
Der leitende Autor Edward Wang, der dieses Projekt als UW-Doktorand begann, der Elektro- und Computertechnik studierte, sagte: „Die Kamera nimmt ein Video auf: Bei jedem Herzschlag fließt frisches Blut durch den vom Blitz beleuchteten Teil.“
„Die Kamera zeichnet auf, wie stark das Blut das Licht des Blitzes in jedem der drei Farbkanäle, die sie misst, absorbiert: Rot, Grün und Blau.“
Jeder Teilnehmer inhalierte eine kontrollierte Mischung aus Sauerstoff und Stickstoff, um den Sauerstoffgehalt schrittweise zu senken. Es dauerte ungefähr 15 Minuten, bis es fertig war. Das Team sammelte für alle sechs Probanden mehr als 10,000 Blutsauerstoffwerte zwischen 61 % und 100 %.
Die Wissenschaftler trainierten einen Deep-Learning-Algorithmus, um den Blutsauerstoffgehalt anhand von Daten von vier Teilnehmern zu extrahieren. Die verbleibenden Informationen wurden verwendet, um die Genauigkeit der Methode zu bestätigen, bevor sie an brandneuen Personen getestet wurde.
Co-Hauptautor Varun Viswanath, ein UW-Alumnus, der jetzt von Wang beratener Doktorand an der UC San Diego ist, sagte: „Smartphone-Licht kann von all diesen anderen Komponenten in Ihrem Finger gestreut werden, was bedeutet, dass die Daten, die wir betrachten, viel Rauschen enthalten. Deep Learning ist eine vorteilhafte Technik, da es diese komplexen und nuancierten Merkmale erkennen kann und Ihnen hilft, Muster zu finden, die Sie sonst nicht erkennen könnten.“
Hoffmann sagte, „Einer unserer Probanden hatte dicke Schwielen an den Fingern, was es unserem Algorithmus erschwerte, ihren Blutsauerstoffgehalt genau zu bestimmen. Wenn wir diese Studie auf mehr Probanden ausdehnen würden, würden wir wahrscheinlich mehr Menschen mit Schwielen und unterschiedlichen Hauttönen sehen. Dann könnten wir möglicherweise einen Algorithmus mit genügend Komplexität haben, um all diese Unterschiede besser zu modellieren.“
Wang sagte, „Aber dies ist ein guter erster Schritt zur Entwicklung biomedizinischer Geräte, die durch maschinelles Lernen unterstützt werden.“
„Es ist so wichtig, eine Studie wie diese durchzuführen. Herkömmliche medizinische Geräte werden strengen Tests unterzogen. Aber die Informatikforschung fängt gerade erst an, sich in sie hineinzugraben Maschinelles Lernen für die Entwicklung biomedizinischer Geräte, und wir alle lernen noch. Indem wir uns zwingen, rigoros zu sein, zwingen wir uns, zu lernen, wie man die Dinge richtig macht.“
Journal Referenz:
- Hoffman, JS, Viswanath, VK, Tian, C. et al. Smartphone-Kamera-Oxymetrie in einer induzierten Hypoxämie-Studie. npj Ziffer. Med. 5, 146 (2022). DOI: 10.1038 / s41746-022-00665-y
