Smarttelefonkamera kan muliggjøre hjemmeovervåking av oksygennivåer i blodet

Blod-oksygenmetning (SpO₂), prosentandelen av hemoglobin i blodet som bærer oksygen, er et viktig mål på kardiovaskulær funksjon. Friske personer har SpO₂ nivåer på omtrent 95 % eller over, men luftveissykdommer – som astma, kronisk obstruktiv lungesykdom, lungebetennelse og COVID-19 – kan føre til at disse nivåene synker betydelig. Og hvis SpO₂ faller under 90 %, kan dette være et tegn på mer alvorlig hjerte- og lungesykdom.

Leger måler vanligvis SpO₂ ved hjelp av pulsoksymetre, ikke-invasive enheter som festes på fingertuppen eller øret. Disse fungerer vanligvis via transmittansfotopletysmografi (PPG), der absorpsjonen av rødt og IR-lys analyseres for å skille oksygenert fra oksygenert blod. Men muligheten til å overvåke SpO₂ utenfor klinikken, ved å bruke kameraet på en hverdagslig smarttelefon, kan flere mennesker oppdage situasjoner som trenger medisinsk oppfølging eller holde styr på pågående luftveistilstander.

Forskere ved University of Washington (UW) og University of California San Diego har nå vist at smarttelefoner kan oppdage blodoksygenmetningsnivåer ned til 70 %. Rapportere funnene sine i npj Digital medisin, bemerker de at dette ble oppnådd ved å bruke smarttelefonkameraer uten maskinvaremodifikasjoner, ved å trene et konvolusjonelt nevralt nettverk (CNN) for å dechiffrere et bredt spekter av blodoksygennivåer.

I en proof-of-principle-studie brukte forskerne en prosedyre kalt variert fraksjonert inspirert oksygen (FiO)₂), der forsøkspersonen puster inn en kontrollert blanding av oksygen og nitrogen, for sakte å redusere SpO₂ nivåer til under 70 % – den laveste verdien som pulsoksymetre skal kunne måle, som anbefalt av US Food and Drug Administration. De brukte dataene til å trene den CNN-baserte dyplæringsalgoritmen.

«Andre smarttelefonapper ble utviklet ved å be folk holde pusten. Men folk blir veldig ukomfortable og må puste etter et minutt eller så, og det er før oksygennivået i blodet har sunket langt nok til å representere hele spekteret av klinisk relevante data," forklarer førsteforfatter. Jason Hoffman, en doktorgradsstudent fra UW, i en pressemelding. "Med testen vår kan vi samle 15 minutter med data fra hvert emne. Dataene våre viser at smarttelefoner kan fungere godt innenfor det kritiske terskelområdet.»

Hoffman og kolleger undersøkte seks friske frivillige. Hver deltaker gjennomgikk variert FiO₂ i 13–19 minutter, i løpet av denne tiden oppnådde forskerne mer enn 10,000 61 blodoksygennivåavlesninger mellom 100 % og XNUMX %. Ved siden av brukte de spesialbygde pulsoksimetre for å registrere jordsannhetsdata via transmittans PPG.

For å utføre smarttelefonoksymetri, legger deltakeren fingeren over kameraet og blitsen på en smarttelefon. Kameraet registrerer responser via reflektans PPG – som måler hvor mye lys fra blitsen blodet absorberer i hver av de røde, grønne og blå kanalene. Forskerne matet deretter disse intensitetsmålingene inn i dyplæringsmodellen, ved å bruke fire fagdata som treningssett og en for validering og optimalisering av modellen. De evaluerer deretter den trente modellen på dataene til gjenværende individ.

Ved opplæring i et klinisk relevant utvalg av SpO₂ nivåer (70–100 %) fra den varierte FiO₂ studien oppnådde CNN en gjennomsnittlig gjennomsnittlig absolutt feil på 5.00 % ved å forutsi et nytt emnes SpO₂ nivå. Den gjennomsnittlige R² Korrelasjonen mellom modellprediksjonene og referansepulsoksymeteret var  0.61. Gjennomsnittlig RMS-feil var 5.55 % for alle forsøkspersoner, høyere enn 3.5 %-standarden som kreves for at reflektans-pulsoksymeterenheter skal godkjennes for klinisk bruk.

Forskerne foreslår at i stedet for bare å estimere SpO₂, kan smarttelefonkameraets oksymeter brukes som et verktøy for å screene for lav blodoksygenering. For å utforske denne tilnærmingen, beregnet de modellens klassifiseringsnøyaktighet for å indikere om en person har en SpO₂ nivå under tre terskler: 92 %, 90 % (vanligvis brukt for å indikere behov for ytterligere legehjelp) og 88 %.

Ved klassifisering av SpO₂ nivåer under 90 %, viste modellen en relativt høy sensitivitet på 81 % og en spesifisitet på 79 %, i gjennomsnitt for alle seks testpersoner. For klassifisering av SpO₂ under 92 % økte spesifisiteten til 86 %, med en sensitivitet på 78 %.

Forskerne påpeker at studien statistisk sett ikke indikerer at denne tilnærmingen er klar til å brukes som et medisinsk utstyr som kan sammenlignes med gjeldende pulsoksymetre. De bemerker imidlertid at ytelsesnivået sett fra dette lille testpersonutvalget indikerer at modellnøyaktigheten kan økes ved å skaffe flere treningsprøver.

For eksempel hadde en av forsøkspersonene tykk hard hud på fingrene, noe som gjorde det vanskeligere for algoritmen å nøyaktig bestemme oksygennivået i blodet. "Hvis vi skulle utvide denne studien til flere emner, ville vi sannsynligvis se flere mennesker med hard hud og flere mennesker med forskjellige hudtoner," forklarer Hoffman. "Da kan vi potensielt ha en algoritme med nok kompleksitet til å kunne modellere alle disse forskjellene bedre."

Hoffman forteller Fysikkens verden at teamet ikke har noen planer om å kommersialisere denne teknologien umiddelbart. "Men vi har utviklet en testplan og tilskuddsforslag som vil gjøre oss i stand til å teste på en større, mer mangfoldig gruppe av emner for å se om denne proof-of-principle-studien er reproduserbar og potensielt klar for kommersielt fokusert utvikling," sier han. .