Η υποξαιμία είναι μια ιατρική κατάσταση όταν το αίμα δεν μεταφέρει αρκετό οξυγόνο για να τροφοδοτήσει επαρκώς τους ιστούς. Αποτελεί κορυφαίο δείκτη για επικίνδυνες επιπλοκές αναπνευστικών ασθενειών όπως το άσθμα, η ΧΑΠ και η COVID-19. Ενώ τα ειδικά σχεδιασμένα παλμικά οξύμετρα μπορούν να παρέχουν ακριβείς μετρήσεις κορεσμού οξυγόνου αίματος (SpO2) που επιτρέπουν τη διάγνωση της υποξαιμίας, η διάθεση αυτής της δυνατότητας σε μη τροποποιημένες κάμερες smartphone μέσω μιας ενημέρωσης λογισμικού θα μπορούσε να παρέχει σε περισσότερους ανθρώπους πρόσβαση σε κρίσιμες πληροφορίες σχετικά με την υγεία τους.
Επιστήμονες από το University of Washington και Καλιφόρνια Σαν Ντιέγκο έχουν δείξει σε μια μελέτη απόδειξης της ιδέας ότι τα smartphone μπορούν να ανιχνεύσουν επίπεδα κορεσμού οξυγόνου στο αίμα έως και 70%. Ο Οργανισμός Τροφίμων και Φαρμάκων των ΗΠΑ συμβουλεύει τα παλμικά οξύμετρα να μπορούν να μετρούν όχι λιγότερο από αυτό το επίπεδο.
Οι συμμετέχοντες στην τεχνική τοποθετούν τα δάχτυλά τους πάνω από την κάμερα και το φλας του smartphone, το οποίο χρησιμοποιεί έναν αλγόριθμο βαθιάς μάθησης για τον προσδιορισμό των επιπέδων οξυγόνου στο αίμα. Το smartphone εντόπισε σωστά εάν ένας ασθενής είχε χαμηλά επίπεδα οξυγόνου στο αίμα το 80% του χρόνου όταν η ομάδα έδωσε σε έξι άτομα μια ρυθμισμένη δόση αζώτου και οξυγόνου για να μειώσει τεχνητά τα επίπεδα οξυγόνου στο αίμα τους.
Ο συν-επικεφαλής συγγραφέας Jason Hoffman, διδακτορικός φοιτητής του UW στη Σχολή Επιστήμης & Μηχανικής Υπολογιστών Paul G. Allen, είπε: «Άλλες εφαρμογές smartphone που το κάνουν αυτό αναπτύχθηκαν ζητώντας από τους ανθρώπους να κρατήσουν την αναπνοή τους. Αλλά οι άνθρωποι αισθάνονται πολύ άβολα και πρέπει να αναπνεύσουν μετά από ένα λεπτό περίπου προτού τα επίπεδα οξυγόνου στο αίμα τους μειωθούν αρκετά ώστε να αντιπροσωπεύουν όλο το φάσμα των κλινικά σχετικών δεδομένων. Μπορούμε να συγκεντρώσουμε 15 λεπτά δεδομένων από κάθε θέμα με το τεστ μας. Τα δεδομένα μας δείχνουν ότι τα smartphones θα μπορούσαν να λειτουργήσουν καλά στην περιοχή κρίσιμου ορίου».
Πίστωση: Dennis Wise/Πανεπιστήμιο της Ουάσιγκτον
Ο συν-συγγραφέας Dr. Matthew Thompson, καθηγητής οικογενειακής ιατρικής στην Ιατρική Σχολή UW, είπε: «Με αυτόν τον τρόπο θα μπορούσατε να έχετε πολλαπλές μετρήσεις με τη συσκευή σας είτε χωρίς κόστος είτε με χαμηλό κόστος. Αυτές οι πληροφορίες θα μπορούσαν να μεταδοθούν απρόσκοπτα σε ένα ιατρείο σε έναν ιδανικό κόσμο. Αυτό θα ήταν ωφέλιμο για τα ραντεβού τηλεϊατρικής ή τις νοσοκόμες διαλογής για να προσδιορίσουν γρήγορα εάν οι ασθενείς πρέπει να πάνε στο τμήμα επειγόντων περιστατικών ή αν μπορούν να συνεχίσουν να ξεκουράζονται στο σπίτι και να κλείσουν ραντεβού με τον πάροχο πρωτοβάθμιας φροντίδας αργότερα».
Έξι άτομα επιλέχθηκαν από την ομάδα, των οποίων οι ηλικίες κυμαίνονταν από 20 έως 34: 3 άνδρες και τρεις γυναίκες. Ενώ η πλειονότητα των συμμετεχόντων ανέφερε ότι ήταν Καυκάσιος, ένα άτομο αναγνωρίστηκε ως Αφροαμερικανός.
Κάθε συμμετέχων έπρεπε να φορά ένα κανονικό παλμικό οξύμετρο στο ένα δάχτυλο, ενώ το άλλο δάχτυλο στο ίδιο χέρι πάνω από μια κάμερα smartphone και φλας για τη συλλογή δεδομένων για την εκπαίδευση και τη δοκιμή του αλγόριθμου. Αυτή η ρύθμιση υπήρχε ταυτόχρονα και στα δύο χέρια για κάθε συμμετέχοντα.
Ο ανώτερος συγγραφέας Edward Wang, ο οποίος ξεκίνησε αυτό το έργο ως διδακτορικός φοιτητής του UW που σπούδαζε ηλεκτρολόγος και μηχανικός υπολογιστών, είπε: «Η κάμερα καταγράφει ένα βίντεο: Κάθε φορά που χτυπά η καρδιά σας, φρέσκο αίμα ρέει μέσα από το μέρος που φωτίζεται από το φλας».
"Η κάμερα καταγράφει πόσο αυτό το αίμα απορροφά το φως από το φλας σε καθένα από τα τρία έγχρωμα κανάλια που μετρά: κόκκινο, πράσινο και μπλε."
Κάθε συμμετέχων εισέπνευσε ένα ελεγχόμενο μείγμα οξυγόνου και αζώτου για να μειώσει σταδιακά τα επίπεδα οξυγόνου. Χρειάστηκαν περίπου 15 λεπτά για να ολοκληρωθεί. Η ομάδα συνέλεξε περισσότερες από 10,000 τιμές επιπέδων οξυγόνου στο αίμα μεταξύ 61% και 100% και για τα έξι άτομα.
Οι επιστήμονες εκπαίδευσαν έναν αλγόριθμο βαθιάς μάθησης για να εξαγάγουν τα επίπεδα οξυγόνου στο αίμα χρησιμοποιώντας δεδομένα από τέσσερις συμμετέχοντες. Οι υπόλοιπες πληροφορίες χρησιμοποιήθηκαν για να επιβεβαιωθεί η ακρίβεια της μεθόδου πριν από τη δοκιμή της σε ολοκαίνουργια άτομα.
Ο συν-επικεφαλής συγγραφέας Varun Viswanath, απόφοιτος του UW που είναι τώρα διδακτορικός φοιτητής που συμβουλεύεται ο Wang στο UC San Diego, είπε: «Το φως του smartphone μπορεί να διασκορπιστεί από όλα αυτά τα άλλα στοιχεία στο δάχτυλό σας, πράγμα που σημαίνει ότι υπάρχει πολύς θόρυβος στα δεδομένα που εξετάζουμε. Η βαθιά μάθηση είναι μια ωφέλιμη τεχνική γιατί μπορεί να δει αυτά τα πολύπλοκα και διαφοροποιημένα χαρακτηριστικά και σας βοηθά να βρείτε μοτίβα που διαφορετικά δεν θα μπορούσατε να δείτε."
Ο Χόφμαν είπε, «Ένα από τα υποκείμενά μας είχε χοντρούς κάλους στα δάχτυλά του, γεγονός που δυσκόλεψε τον αλγόριθμό μας να προσδιορίσει με ακρίβεια τα επίπεδα οξυγόνου στο αίμα τους. Εάν επεκτείναμε αυτή τη μελέτη σε περισσότερα άτομα, πιθανότατα θα βλέπαμε περισσότερα άτομα με κάλους και διαφορετικούς τόνους δέρματος. Τότε θα μπορούσαμε ενδεχομένως να έχουμε έναν αλγόριθμο με αρκετή πολυπλοκότητα για να μοντελοποιήσουμε καλύτερα όλες αυτές τις διαφορές».
Ο Γουάνγκ είπε, "Αλλά, αυτό είναι ένα καλό πρώτο βήμα προς την ανάπτυξη βιοϊατρικών συσκευών με τη βοήθεια μηχανικής μάθησης."
«Είναι τόσο σημαντικό να κάνεις μια τέτοια μελέτη. Οι παραδοσιακές ιατρικές συσκευές περνούν από αυστηρές δοκιμές. Αλλά η έρευνα της επιστήμης των υπολογιστών μόλις αρχίζει να σκάβει τα δόντια της μάθηση μηχανής για την ανάπτυξη βιοϊατρικών συσκευών, και όλοι ακόμα μαθαίνουμε. Αναγκάζοντας τους εαυτούς μας να είμαστε αυστηροί, αναγκαζόμαστε να μάθουμε πώς να κάνουμε τα πράγματα σωστά».
Αναφορά στο περιοδικό:
- Hoffman, JS, Viswanath, VK, Tian, C. et αϊ. Οξυμετρία κάμερας smartphone σε μελέτη επαγόμενης υποξαιμίας. npj Digit. Med. 5, 146 (2022). DOI: 10.1038 / s41746-022-00665-y
