هیپوکسمی یک وضعیت پزشکی است که در آن خون اکسیژن کافی برای تامین کافی بافت ها را حمل نمی کند. این یک شاخص پیشرو برای عوارض خطرناک بیماری های تنفسی مانند آسم، COPD و COVID-19 است. در حالی که پالس اکسی‌مترهای طراحی‌شده ویژه می‌توانند خوانش‌های دقیق اشباع اکسیژن خون (SpO2) را ارائه دهند که تشخیص هیپوکسمی را امکان‌پذیر می‌کند، در دسترس قرار دادن این قابلیت در دوربین‌های گوشی‌های هوشمند اصلاح‌نشده از طریق به‌روزرسانی نرم‌افزاری می‌تواند دسترسی افراد بیشتری را به اطلاعات حیاتی در مورد سلامتی خود فراهم کند.
دانشمندان از دانشگاه واشنگتن و کالیفرنیا سن دیگو در یک مطالعه اثبات مفهومی نشان داده اند که گوشی های هوشمند می توانند سطوح اشباع اکسیژن خون را تا 70 درصد تشخیص دهند. سازمان غذا و داروی ایالات متحده توصیه می کند که پالس اکسیمترها قادر به اندازه گیری کمتر از این سطح نباشند.
شرکت کنندگان در این تکنیک انگشتان خود را روی دوربین و فلاش گوشی هوشمند قرار می دهند که از یک الگوریتم یادگیری عمیق برای تعیین سطح اکسیژن خون استفاده می کند. این گوشی هوشمند به درستی تشخیص داد که سطح اکسیژن خون بیمار در 80 درصد مواقعی که تیم به شش نفر دوز تنظیم شده نیتروژن و اکسیژن داد تا سطح اکسیژن خون آنها را به طور مصنوعی کاهش دهند.
نویسنده همکار، جیسون هافمن، دانشجوی دکترای UW در دانشکده علوم و مهندسی کامپیوتر پل جی آلن، گفت: برنامه‌های دیگر گوشی‌های هوشمند که این کار را انجام می‌دهند با درخواست از مردم برای حبس نفس ساخته شده‌اند. اما مردم خیلی ناراحت می شوند و مجبورند بعد از یک دقیقه یا بیشتر نفس بکشند قبل از اینکه سطح اکسیژن خون آنها به اندازه کافی پایین بیاید که طیف کاملی از داده های بالینی مرتبط را نشان دهد. ما می توانیم 15 دقیقه داده از هر موضوع را با آزمون خود جمع آوری کنیم. داده های ما نشان می دهد که گوشی های هوشمند می توانند در محدوده آستانه بحرانی به خوبی کار کنند.
اعتبار: دنیس وایز/دانشگاه واشنگتن
دکتر متیو تامپسون، یکی از نویسندگان، استاد پزشکی خانواده در دانشکده پزشکی UW، گفت: به این ترتیب می‌توانید اندازه‌گیری‌های متعددی را با دستگاه خود بدون هزینه یا کم هزینه انجام دهید. این اطلاعات می تواند به طور یکپارچه به مطب پزشک در دنیای ایده آل منتقل شود. این برای قرار ملاقات های پزشکی از راه دور یا پرستاران تریاژ مفید خواهد بود تا به سرعت تشخیص دهند که آیا بیماران نیاز به مراجعه به بخش اورژانس دارند یا اینکه می توانند به استراحت در خانه ادامه دهند و بعداً با ارائه دهنده مراقبت های اولیه خود قرار ملاقات بگذارند.
شش نفر توسط تیم انتخاب شدند که سن آنها بین 20 تا 34 سال بود: 3 مرد و سه زن. در حالی که اکثر شرکت کنندگان گزارش دادند که قفقازی بودند، یک فرد به عنوان آمریکایی آفریقایی تبار معرفی شد.
هر شرکت کننده موظف بود یک پالس اکسیمتر معمولی را روی یک انگشت بپوشد در حالی که انگشت دیگر را روی همان دست روی دوربین گوشی هوشمند و فلاش قرار می داد تا داده ها را برای آموزش و آزمایش الگوریتم جمع آوری کند. این تنظیم به طور همزمان در هر دو دست برای هر شرکت کننده وجود داشت.
نویسنده ارشد ادوارد وانگ، که این پروژه را به عنوان دانشجوی دکترای UW با تحصیل در رشته مهندسی برق و کامپیوتر آغاز کرد، گفت: "دوربین در حال ضبط ویدئویی است: هر بار که قلب شما می تپد، خون تازه از قسمتی که توسط فلاش روشن شده جریان می یابد."
این دوربین میزان جذب نور فلاش را در هر یک از سه کانال رنگی قرمز، سبز و آبی ثبت می‌کند.
هر شرکت کننده مخلوط کنترل شده ای از اکسیژن و نیتروژن را استنشاق کرد تا سطح اکسیژن را به تدریج کاهش دهد. تقریباً 15 دقیقه طول کشید تا کامل شود. این تیم بیش از 10,000 مقدار سطح اکسیژن خون بین 61 تا 100 درصد را برای هر شش آزمودنی جمع آوری کردند.
دانشمندان یک الگوریتم یادگیری عمیق را برای استخراج سطح اکسیژن خون با استفاده از داده های چهار شرکت کننده آموزش دادند. اطلاعات باقی مانده برای تأیید صحت روش قبل از آزمایش آن بر روی افراد کاملاً جدید مورد استفاده قرار گرفت.
یکی از نویسندگان، وارون ویسوانات، فارغ التحصیل دانشگاه UW که اکنون دانشجوی دکترا است که توسط وانگ در UC San Diego مشاوره می شود، گفت: نور گوشی هوشمند می تواند توسط تمام این اجزای دیگر در انگشت شما پراکنده شود، به این معنی که در داده هایی که ما به آن نگاه می کنیم نویز زیادی وجود دارد. یادگیری عمیق یک تکنیک سودمند است زیرا می تواند این ویژگی های پیچیده و ظریف را ببیند و به شما کمک می کند الگوهایی را پیدا کنید که در غیر این صورت قادر به دیدن آنها نبودید.
هافمن گفت، یکی از آزمودنی‌های ما پینه‌های ضخیمی روی انگشتان خود داشت که تعیین دقیق سطح اکسیژن خون را برای الگوریتم ما دشوارتر می‌کرد. اگر این مطالعه را به افراد بیشتری گسترش دهیم، احتمالاً افراد بیشتری با پینه و رنگ پوست متفاوت خواهیم دید. سپس می‌توانیم الگوریتمی با پیچیدگی کافی برای مدل‌سازی بهتر همه این تفاوت‌ها داشته باشیم.»
وانگ گفت اما، این اولین گام خوب به سمت توسعه دستگاه های زیست پزشکی با کمک یادگیری ماشینی است.
انجام چنین مطالعه ای بسیار مهم است. دستگاه های پزشکی سنتی آزمایش های دقیقی را پشت سر می گذارند. اما تحقیقات علوم کامپیوتر تازه شروع به کندن دندان های خود کرده است فراگیری ماشین برای توسعه دستگاه های زیست پزشکی، و همه ما هنوز در حال یادگیری هستیم. با مجبور کردن خود به سخت‌گیری، خود را مجبور می‌کنیم یاد بگیریم چگونه کارها را درست انجام دهیم.»
مرجع مجله:
- هافمن، JS، Viswanath، VK، Tian، C. و همکاران. اکسیمتری دوربین گوشی های هوشمند در یک مطالعه هیپوکسمی القایی npj رقم. پزشکی. 5, 146 (2022). DOI: 10.1038 / s41746-022-00665-y
