L'ipossiemia è una condizione medica in cui il sangue non trasporta abbastanza ossigeno per rifornire adeguatamente i tessuti. È un indicatore importante per complicazioni pericolose di malattie respiratorie come asma, BPCO e COVID-19. Mentre i pulsossimetri appositamente progettati possono fornire letture precise della saturazione di ossigeno nel sangue (SpO2) che consentono la diagnosi di ipossiemia, rendere questa funzionalità disponibile nelle fotocamere degli smartphone non modificate tramite un aggiornamento software potrebbe fornire a più persone l'accesso a informazioni cruciali sulla loro salute.
Gli scienziati del Università di Washington ed California San Diego hanno dimostrato in uno studio proof-of-concept che gli smartphone possono rilevare livelli di saturazione di ossigeno nel sangue fino al 70%. La Food and Drug Administration degli Stati Uniti consiglia che i pulsossimetri siano in grado di misurare non meno di questo livello.
I partecipanti alla tecnica posizionano le dita sulla fotocamera e sul flash dello smartphone, che utilizza un algoritmo di apprendimento profondo per determinare i livelli di ossigeno nel sangue. Lo smartphone ha identificato correttamente se un paziente aveva bassi livelli di ossigeno nel sangue l'80% delle volte quando il team ha somministrato a sei soggetti una dose regolata di azoto e ossigeno per abbassare artificialmente i livelli di ossigeno nel sangue.
Il co-autore principale Jason Hoffman, uno studente di dottorato UW presso la Paul G. Allen School of Computer Science & Engineering, ha dichiarato: “Altre app per smartphone che fanno questo sono state sviluppate chiedendo alle persone di trattenere il respiro. Ma le persone si sentono molto a disagio e devono respirare dopo circa un minuto prima che i loro livelli di ossigeno nel sangue siano scesi abbastanza da rappresentare l'intera gamma di dati clinicamente rilevanti. Possiamo raccogliere 15 minuti di dati da ciascun soggetto con il nostro test. I nostri dati mostrano che gli smartphone potrebbero funzionare bene nell'intervallo di soglia critica".
Credito: Dennis Wise/Università di Washington
Il coautore Dr. Matthew Thompson, professore di medicina di famiglia presso la UW School of Medicine, ha dichiarato: “In questo modo potresti avere misurazioni multiple con il tuo dispositivo a costo zero o basso. Queste informazioni potrebbero essere trasmesse senza problemi allo studio di un medico in un mondo ideale. Ciò sarebbe vantaggioso per gli appuntamenti di telemedicina o gli infermieri di triage per determinare rapidamente se i pazienti devono recarsi al pronto soccorso o se possono continuare a riposare a casa e fissare un appuntamento con il proprio medico di base in un secondo momento.
Sei persone sono state selezionate dal team, la cui età variava dai 20 ai 34 anni: 3 maschi e tre femmine. Mentre la maggior parte dei partecipanti ha riferito di essere caucasica, un individuo identificato come afroamericano.
Ogni partecipante doveva indossare un normale pulsossimetro su un dito mentre posizionava un altro dito sulla stessa mano sopra la fotocamera e il flash di uno smartphone per raccogliere dati per l'addestramento e testare l'algoritmo. Questa configurazione era presente contemporaneamente su entrambe le mani per ogni partecipante.
L'autore senior Edward Wang, che ha avviato questo progetto come studente di dottorato UW studiando ingegneria elettrica e informatica, ha dichiarato: "La telecamera sta registrando un video: ogni volta che il tuo cuore batte, sangue fresco scorre attraverso la parte illuminata dal flash."
"La fotocamera registra quanto quel sangue assorbe la luce dal flash in ciascuno dei tre canali di colore che misura: rosso, verde e blu."
Ogni partecipante ha inalato una miscela controllata di ossigeno e azoto per abbassare gradualmente i livelli di ossigeno. Ci sono voluti circa 15 minuti per completare. Il team ha raccolto più di 10,000 valori del livello di ossigeno nel sangue tra il 61% e il 100% per tutti e sei i soggetti.
Gli scienziati hanno addestrato un algoritmo di deep learning per estrarre i livelli di ossigeno nel sangue utilizzando i dati di quattro partecipanti. Le restanti informazioni sono state utilizzate per confermare l'accuratezza del metodo prima di testarlo su individui nuovi di zecca.
Il co-autore principale Varun Viswanath, un alunno dell'UW che ora è uno studente di dottorato consigliato da Wang all'UC San Diego, ha dichiarato: “La luce dello smartphone può essere diffusa da tutti questi altri componenti nel dito, il che significa che c'è molto rumore nei dati che stiamo osservando. Il deep learning è una tecnica vantaggiosa perché può vedere queste caratteristiche complesse e sfumate e ti aiuta a trovare schemi che altrimenti non saresti in grado di vedere.
Hoffman ha detto, “Uno dei nostri soggetti aveva spessi calli sulle dita, il che rendeva più difficile per il nostro algoritmo determinare con precisione i livelli di ossigeno nel sangue. Se ampliassimo questo studio a più soggetti, probabilmente vedremmo più persone con calli e tonalità della pelle diverse. Quindi potremmo potenzialmente avere un algoritmo con una complessità sufficiente per modellare meglio tutte queste differenze.
Wang ha detto, "Ma questo è un buon primo passo verso lo sviluppo di dispositivi biomedici aiutati dall'apprendimento automatico".
“È così importante fare uno studio come questo. I dispositivi medici tradizionali vengono sottoposti a test rigorosi. Ma la ricerca informatica sta appena iniziando a scavare i denti machine learning per lo sviluppo di dispositivi biomedici e stiamo ancora imparando. Sforzandoci di essere rigorosi, ci costringiamo a imparare a fare le cose per bene".
Riferimento della Gazzetta:
- Hoffman, JS, Viswanath, VK, Tian, C. et al. Ossimetria della fotocamera dello smartphone in uno studio sull'ipossiemia indotta. npj cifra. Med. 5, 146 (2022). DOI: 10.1038 / s41746-022-00665-y
