Saturasi oksigen darah (SpO2), persentase hemoglobin dalam darah yang membawa oksigen, merupakan ukuran penting fungsi kardiovaskular. Individu yang sehat memiliki SpO22 tingkatnya sekitar 95% atau lebih, namun penyakit pernapasan – seperti asma, penyakit paru obstruktif kronik, pneumonia, dan COVID-19 – dapat menyebabkan tingkat ini turun secara signifikan. Dan jika SpO2 turun di bawah 90%, ini bisa menjadi tanda penyakit jantung paru yang lebih serius.
Dokter biasanya mengukur SpO22 menggunakan oksimeter denyut, perangkat non-invasif yang dipasang di ujung jari atau telinga. Ini biasanya bekerja melalui transmitansi photoplethysmography (PPG), di mana penyerapan cahaya merah dan IR dianalisis untuk membedakan darah teroksigenasi dan terdeoksigenasi. Namun kemampuan memantau SpO2 Di luar klinik, penggunaan kamera pada ponsel pintar sehari-hari dapat memungkinkan lebih banyak orang mendeteksi situasi yang memerlukan tindak lanjut medis atau memantau kondisi pernapasan yang sedang berlangsung.
Para peneliti di Universitas Washington (UW) dan University of California San Diego kini telah menunjukkan bahwa ponsel pintar dapat mendeteksi tingkat saturasi oksigen darah hingga 70%. Melaporkan temuan mereka di npj Kedokteran Digital, mereka mencatat bahwa hal ini dicapai dengan menggunakan kamera ponsel pintar tanpa modifikasi perangkat keras, dengan melatih jaringan saraf konvolusional (CNN) untuk menguraikan berbagai tingkat oksigen darah.
Dalam studi pembuktian prinsip, para peneliti menggunakan prosedur yang disebut oksigen inspirasi fraksional bervariasi (FiO2), di mana subjek menghirup campuran oksigen dan nitrogen yang terkontrol, untuk mengurangi SpO2 secara perlahan2 tingkatnya di bawah 70% – nilai terendah yang dapat diukur oleh oksimeter denyut, seperti yang direkomendasikan oleh Badan Pengawas Obat dan Makanan AS. Mereka menggunakan data yang dihasilkan untuk melatih algoritma pembelajaran mendalam berbasis CNN.
“Aplikasi ponsel pintar lainnya dikembangkan dengan meminta orang menahan napas. Namun orang-orang menjadi sangat tidak nyaman dan harus bernapas setelah sekitar satu menit, dan itu terjadi sebelum kadar oksigen dalam darah mereka turun cukup jauh untuk mewakili seluruh data yang relevan secara klinis,” jelas penulis pertama. Jason Hoffman, seorang mahasiswa doktoral UW, dalam keterangan pers. “Dengan pengujian kami, kami dapat mengumpulkan data berdurasi 15 menit dari setiap subjek. Data kami menunjukkan bahwa ponsel pintar dapat bekerja dengan baik pada rentang ambang batas kritis.”
Hoffman dan rekannya memeriksa enam sukarelawan sehat. Setiap peserta menjalani FiO yang bervariasi2 selama 13–19 menit, selama waktu tersebut para peneliti memperoleh lebih dari 10,000 pembacaan tingkat oksigen darah antara 61% dan 100%. Selain itu, mereka menggunakan oksimeter pulsa yang dibuat khusus untuk mencatat data kebenaran lapangan melalui PPG transmisi.
Untuk melakukan oksimetri smartphone, peserta meletakkan jarinya di atas kamera dan flash smartphone. Kamera merekam respons melalui PPG reflektansi – mengukur seberapa banyak cahaya dari lampu kilat yang diserap darah di masing-masing saluran merah, hijau, dan biru. Para peneliti kemudian memasukkan pengukuran intensitas ini ke dalam model pembelajaran mendalam, menggunakan empat data subjek sebagai set pelatihan dan satu data untuk validasi dan optimalisasi model. Mereka kemudian mengevaluasi model yang dilatih pada data subjek yang tersisa.
Saat dilatih dalam rentang SpO2 yang relevan secara klinis2 tingkat (70-100%) dari FiO bervariasi2 studi, CNN mencapai rata-rata kesalahan absolut sebesar 5.00% dalam memprediksi SpOXNUMX subjek baru2 tingkat. Rata-rata R2 korelasi antara prediksi model dan oksimeter pulsa referensi adalah 0.61. Kesalahan RMS rata-rata adalah 5.55% di semua subjek, lebih tinggi dari standar 3.5% yang diperlukan agar perangkat oksimeter pulsa reflektansi dapat digunakan secara klinis.
Para peneliti menyarankan hal itu daripada sekadar memperkirakan SpO22, oksimeter kamera ponsel pintar dapat digunakan sebagai alat untuk menyaring oksigenasi darah yang rendah. Untuk mengeksplorasi pendekatan ini, mereka menghitung akurasi klasifikasi modelnya untuk menunjukkan apakah seseorang memiliki SpO22 tingkat di bawah tiga ambang batas: 92%, 90% (biasanya digunakan untuk menunjukkan perlunya perhatian medis lebih lanjut) dan 88%.
Saat mengklasifikasikan SpO2 tingkat di bawah 90%, model menunjukkan sensitivitas yang relatif tinggi yaitu 81% dan spesifisitas 79%, yang dirata-ratakan pada keenam subjek uji. Untuk mengklasifikasikan SpO2 di bawah 92%, spesifisitasnya meningkat menjadi 86%, dengan sensitivitas 78%.
Para peneliti menunjukkan bahwa, secara statistik, penelitian tersebut tidak menunjukkan bahwa pendekatan ini siap digunakan sebagai perangkat medis yang sebanding dengan oksimeter denyut saat ini. Namun mereka mencatat bahwa tingkat performa yang dilihat dari sampel subjek uji yang kecil ini menunjukkan bahwa akurasi model dapat ditingkatkan dengan memperoleh lebih banyak sampel pelatihan.
Kamera ponsel pintar mengukur konsentrasi glukosa darah
Misalnya, salah satu subjek memiliki kapalan tebal di jari mereka, sehingga menyulitkan algoritme untuk menentukan kadar oksigen darah mereka secara akurat. “Jika kami memperluas penelitian ini ke lebih banyak subjek, kemungkinan besar kami akan melihat lebih banyak orang yang memiliki kapalan dan lebih banyak orang dengan warna kulit berbeda,” jelas Hoffman. “Kemudian kita berpotensi memiliki algoritma dengan kompleksitas yang cukup untuk dapat memodelkan semua perbedaan ini dengan lebih baik.”
Hoffman menceritakan Dunia Fisika bahwa tim belum memiliki rencana untuk segera mengkomersialkan teknologi ini. “Namun, kami telah mengembangkan rencana pengujian dan memberikan proposal yang memungkinkan kami menguji kelompok subjek yang lebih besar dan beragam untuk melihat apakah studi pembuktian prinsip ini dapat direproduksi dan berpotensi siap untuk pengembangan yang berfokus secara komersial,” katanya. .
