Hypoxemie is een medische aandoening waarbij het bloed niet genoeg zuurstof vervoert om de weefsels adequaat te voeden. Het is een leidende indicator voor gevaarlijke complicaties van luchtwegaandoeningen zoals astma, COPD en COVID-19. Hoewel speciaal ontworpen pulsoximeters nauwkeurige bloed-zuurstofverzadigingsmetingen (SpO2) kunnen leveren die een diagnose van hypoxemie mogelijk maken, zou het beschikbaar stellen van deze mogelijkheid in ongewijzigde smartphonecamera's via een software-update meer mensen toegang kunnen geven tot cruciale informatie over hun gezondheid.
Wetenschappers uit de Universiteit van Washington en Californië San Diego hebben in een proof-of-concept-onderzoek aangetoond dat smartphones zuurstofverzadigingsniveaus in het bloed tot 70% kunnen detecteren. De Amerikaanse Food and Drug Administration adviseert dat pulsoximeters niet minder dan dit niveau kunnen meten.
Deelnemers aan de techniek plaatsen hun vingers over de camera en flitser van de smartphone, die een diepgaand lerend algoritme gebruikt om het zuurstofgehalte in het bloed te bepalen. De smartphone identificeerde correct of een patiënt 80% van de tijd een laag zuurstofgehalte in het bloed had toen het team zes proefpersonen een gereguleerde dosis stikstof en zuurstof gaf om hun bloedzuurstofgehalte kunstmatig te verlagen.
Mede-hoofdauteur Jason Hoffman, een UW-doctoraatsstudent aan de Paul G. Allen School of Computer Science & Engineering, zei: “Andere smartphone-apps die dit doen, zijn ontwikkeld door mensen te vragen hun adem in te houden. Maar mensen voelen zich erg ongemakkelijk en moeten na een minuut of zo ademen voordat hun bloedzuurstofniveaus ver genoeg zijn gedaald om het volledige scala aan klinisch relevante gegevens weer te geven. We kunnen met onze test 15 minuten aan gegevens van elk onderwerp verzamelen. Onze gegevens laten zien dat smartphones goed zouden kunnen werken in het kritieke drempelbereik."
Credit: Dennis Wise/Universiteit van Washington
Co-auteur Dr. Matthew Thompson, hoogleraar huisartsgeneeskunde aan de UW School of Medicine, zei: “Op deze manier kunt u gratis of tegen lage kosten meerdere metingen met uw apparaat uitvoeren. Deze informatie zou in een ideale wereld naadloos kunnen worden doorgegeven aan een dokterspraktijk. Dit zou gunstig zijn voor telemedicine-afspraken of triage-verpleegkundigen om snel te bepalen of patiënten naar de afdeling spoedeisende hulp moeten gaan of dat ze thuis kunnen blijven rusten en later een afspraak kunnen maken met hun eerstelijnszorgverlener.
Zes personen werden door het team geselecteerd, waarvan de leeftijden varieerden van 20 tot 34: 3 mannen en drie vrouwen. Terwijl de meerderheid van de deelnemers aangaf blank te zijn, identificeerde één persoon zich als Afro-Amerikaans.
Elke deelnemer moest een gewone pulsoximeter aan één vinger dragen terwijl hij een andere vinger op dezelfde hand over een smartphonecamera en flitser plaatste om gegevens te verzamelen voor het trainen en testen van het algoritme. Deze opstelling was gelijktijdig aanwezig op beide handen voor elke deelnemer.
Senior auteur Edward Wang, die dit project begon als een UW-doctoraatsstudent die elektrotechniek en computertechniek studeerde, zei: "De camera neemt een video op: elke keer dat je hart klopt, stroomt er vers bloed door het deel dat door de flits wordt verlicht."
"De camera registreert hoeveel dat bloed het licht van de flits absorbeert in elk van de drie kleurkanalen die het meet: rood, groen en blauw."
Elke deelnemer inhaleerde een gecontroleerd mengsel van zuurstof en stikstof om het zuurstofgehalte geleidelijk te verlagen. Het duurde ongeveer 15 minuten om te voltooien. Het team verzamelde meer dan 10,000 bloedzuurstofwaarden tussen 61% en 100% voor alle zes de proefpersonen.
De wetenschappers trainden een deep learning-algoritme om de zuurstofniveaus in het bloed te extraheren met behulp van gegevens van vier deelnemers. De resterende informatie werd gebruikt om de nauwkeurigheid van de methode te bevestigen voordat deze werd getest op gloednieuwe individuen.
Co-hoofdauteur Varun Viswanath, een UW-alumnus die nu een doctoraatsstudent is die wordt geadviseerd door Wang aan UC San Diego, zei: “Smartphonelicht kan verstrooid worden door al die andere componenten in je vinger, wat betekent dat er veel ruis zit in de data waar we naar kijken. Deep learning is een nuttige techniek omdat het deze complexe en genuanceerde functies kan zien en je helpt patronen te vinden die je anders niet zou kunnen zien.”
Hofman zei, “Een van onze proefpersonen had dik eelt op zijn vingers, waardoor het voor ons algoritme moeilijker was om het zuurstofgehalte in het bloed nauwkeurig te bepalen. Als we dit onderzoek zouden uitbreiden naar meer onderwerpen, zouden we waarschijnlijk meer mensen zien met eelt en verschillende huidtinten. Dan zouden we mogelijk een algoritme kunnen hebben met voldoende complexiteit om al deze verschillen beter te modelleren.”
Wang zei, "Maar dit is een goede eerste stap in de richting van de ontwikkeling van biomedische apparaten met behulp van machine learning."
“Het is zo belangrijk om zo'n onderzoek te doen. Traditionele medische hulpmiddelen ondergaan strenge tests. Maar computerwetenschappelijk onderzoek begint net zijn tanden te graven in machine learning voor de ontwikkeling van biomedische apparaten, en we zijn allemaal nog aan het leren. Door onszelf te dwingen streng te zijn, dwingen we onszelf om te leren hoe we de dingen goed kunnen doen.”
Journal Reference:
- Hoffman, JS, Viswanath, VK, Tian, C. et al. Smartphone-camera-oximetrie in een onderzoek naar geïnduceerde hypoxemie. npj-cijfer. Med. 5, 146 (2022). DOI: 10.1038 / s41746-022-00665-y
