Saturación de oxígeno en sangre (SpO2), el porcentaje de hemoglobina en la sangre que transporta oxígeno, es una medida importante de la función cardiovascular. Las personas sanas tienen SpO2 niveles de aproximadamente el 95% o más, pero las enfermedades respiratorias, como el asma, la enfermedad pulmonar obstructiva crónica, la neumonía y el COVID-19, pueden hacer que estos niveles disminuyan significativamente. Y si SpO2 cae por debajo del 90%, esto puede ser un signo de una enfermedad cardiopulmonar más grave.
Los médicos suelen medir la SpO2 usando oxímetros de pulso, dispositivos no invasivos que se enganchan en la punta del dedo o en la oreja. Por lo general, funcionan mediante fotopletismografía de transmitancia (PPG), en la que se analiza la absorción de luz roja e infrarroja para distinguir la sangre oxigenada de la desoxigenada. Pero la capacidad de monitorear la SpO2 Fuera de la clínica, usar la cámara de un teléfono inteligente común podría permitir que más personas detecten situaciones que necesitan seguimiento médico o realicen un seguimiento de las afecciones respiratorias en curso.
Los investigadores de la Universidad de Washington (UA) y Universidad de California en San Diego Ahora han demostrado que los teléfonos inteligentes pueden detectar niveles de saturación de oxígeno en sangre de hasta el 70%. Informar sus hallazgos en npj medicina digital, señalan que esto se logró utilizando cámaras de teléfonos inteligentes sin modificaciones de hardware, entrenando una red neuronal convolucional (CNN) para descifrar una amplia gama de niveles de oxígeno en sangre.
En un estudio de prueba de principio, los investigadores emplearon un procedimiento llamado oxígeno inspirado fraccional variado (FiO2), en el que el sujeto respira una mezcla controlada de oxígeno y nitrógeno, para reducir lentamente su SpO2 niveles por debajo del 70%, el valor más bajo que los oxímetros de pulso deberían poder medir, según lo recomendado por la Administración de Alimentos y Medicamentos de EE. UU. Utilizaron los datos resultantes para entrenar el algoritmo de aprendizaje profundo basado en CNN.
“Otras aplicaciones para teléfonos inteligentes se desarrollaron pidiendo a las personas que contuvieran la respiración. Pero las personas se sienten muy incómodas y tienen que respirar después de aproximadamente un minuto, y eso es antes de que sus niveles de oxígeno en sangre hayan bajado lo suficiente como para representar toda la gama de datos clínicamente relevantes”, explica el primer autor. jason hoffmann, estudiante de doctorado de la Universidad de Washington, en un comunicado de prensa. “Con nuestra prueba, podemos recopilar 15 minutos de datos de cada sujeto. Nuestros datos muestran que los teléfonos inteligentes podrían funcionar bien en el rango del umbral crítico”.
Hoffman y sus colegas examinaron a seis voluntarios sanos. Cada participante se sometió a una FiO variada.2 durante 13 a 19 minutos, tiempo durante el cual los investigadores adquirieron más de 10,000 lecturas de niveles de oxígeno en sangre entre 61% y 100%. Además, utilizaron oxímetros de pulso especialmente diseñados para registrar datos reales mediante transmitancia PPG.
Para realizar la oximetría con teléfono inteligente, el participante coloca su dedo sobre la cámara y el flash de un teléfono inteligente. La cámara registra las respuestas mediante PPG de reflectancia, midiendo cuánta luz del flash absorbe la sangre en cada uno de los canales rojo, verde y azul. Luego, los investigadores introdujeron estas mediciones de intensidad en el modelo de aprendizaje profundo, utilizando los datos de cuatro sujetos como conjunto de entrenamiento y uno para la validación y optimización del modelo. Luego evalúan el modelo entrenado con los datos restantes del sujeto.
Cuando se entrena en un rango clínicamente relevante de SpO2 niveles (70-100%) de la variada FiO2 estudio, la CNN logró un error absoluto medio promedio del 5.00% al predecir la SpOXNUMX de un nuevo sujeto2 nivel. El R promedio2 La correlación entre las predicciones del modelo y el oxímetro de pulso de referencia fue de 0.61. El error RMS promedio fue del 5.55 % en todos los sujetos, superior al estándar del 3.5 % requerido para que los dispositivos de oxímetro de pulso de reflectancia sean aprobados para uso clínico.
Los investigadores sugieren que en lugar de simplemente estimar la SpO2, el oxímetro de la cámara del teléfono inteligente podría usarse como herramienta para detectar niveles bajos de oxigenación en la sangre. Para explorar este enfoque, calcularon la precisión de clasificación de su modelo para indicar si un individuo tiene una SpO2 nivel por debajo de tres umbrales: 92%, 90% (comúnmente utilizado para indicar la necesidad de atención médica adicional) y 88%.
Al clasificar SpO2 En niveles inferiores al 90%, el modelo exhibió una sensibilidad relativamente alta del 81% y una especificidad del 79%, promediada en los seis sujetos de prueba. Para clasificar SpO2 por debajo del 92%, la especificidad aumentó al 86%, con una sensibilidad del 78%.
Los investigadores señalan que, estadísticamente, el estudio no indica que este enfoque esté listo para ser utilizado como un dispositivo médico comparable a los oxímetros de pulso actuales. Sin embargo, señalan que el nivel de rendimiento observado en esta pequeña muestra de sujetos de prueba indica que la precisión del modelo podría aumentar adquiriendo más muestras de entrenamiento.
La cámara del teléfono inteligente mide la concentración de glucosa en sangre
Por ejemplo, uno de los sujetos tenía callos gruesos en los dedos, lo que dificultaba que el algoritmo determinara con precisión sus niveles de oxígeno en sangre. "Si expandiéramos este estudio a más sujetos, probablemente veríamos más personas con callos y más personas con diferentes tonos de piel", explica Hoffman. "Entonces podríamos tener un algoritmo con suficiente complejidad para poder modelar mejor todas estas diferencias".
Hoffman cuenta Mundo de la física que el equipo no tiene planes de comercializar inmediatamente esta tecnología. "Sin embargo, hemos desarrollado un plan de prueba y propuestas de subvención que nos permitirían probar en un grupo más grande y diverso de sujetos para ver si este estudio de prueba de principio es reproducible y potencialmente está listo para un desarrollo con enfoque comercial", dice. .
