Hypoksemi er en medisinsk tilstand når blodet ikke bærer nok oksygen til å forsyne vevet tilstrekkelig. Det er en ledende indikator for farlige komplikasjoner av luftveissykdommer som astma, KOLS og COVID-19. Mens spesialdesignede pulsoksymetre kan levere presise blodoksygenmetningsmålinger (SpO2) som muliggjør hypoksemidiagnose, kan det å gjøre denne muligheten tilgjengelig i umodifiserte smarttelefonkameraer via en programvareoppdatering gi flere mennesker tilgang til viktig informasjon om deres helse.
Forskere fra University of Washington og San Diego i California har vist i en proof-of-concept-studie at smarttelefoner kan oppdage oksygenmetningsnivåer i blodet så lave som 70 %. US Food and Drug Administration anbefaler at pulsoksymetre er i stand til å måle ikke mindre enn dette nivået.
Deltakere i teknikken plasserer fingrene over smarttelefonens kamera og blits, som bruker en dyp-læringsalgoritme for å bestemme oksygennivået i blodet. Smarttelefonen identifiserte riktig om en pasient hadde lave oksygennivåer i blodet 80 % av tiden da teamet ga seks forsøkspersoner en regulert dose nitrogen og oksygen for å senke oksygennivået i blodet kunstig.
Medforfatter Jason Hoffman, en doktorgradsstudent fra UW ved Paul G. Allen School of Computer Science & Engineering, sa: "Andre smarttelefonapper som gjør dette ble utviklet ved å be folk holde pusten. Men folk blir veldig ukomfortable og må puste etter et minutt eller så før oksygennivået i blodet har sunket langt nok til å representere hele spekteret av klinisk relevante data. Vi kan samle 15 minutter med data fra hvert fag med testen vår. Dataene våre viser at smarttelefoner kan fungere godt i det kritiske terskelområdet.»
Kreditt: Dennis Wise/University of Washington
Medforfatter Dr. Matthew Thompson, professor i familiemedisin ved UW School of Medicine, sa: "På denne måten kan du ha flere målinger med enheten din uten kostnad eller lav pris. Denne informasjonen kan sømløst overføres til et legekontor i en ideell verden. Dette vil være fordelaktig for telemedisinske avtaler eller triage sykepleiere for raskt å finne ut om pasienter trenger å gå til akuttmottaket eller om de kan fortsette å hvile hjemme og gjøre en avtale med sin primærhelseperson senere."
Seks individer ble valgt ut av teamet, hvis alder varierte fra 20 til 34: 3 menn og tre kvinner. Mens flertallet av deltakerne rapporterte å være kaukasiske, identifiserte en person seg som afroamerikaner.
Hver deltaker ble pålagt å bruke et vanlig pulsoksymeter på en finger mens de plasserte en annen finger på samme hånd over et smarttelefonkamera og blits for å samle inn data for trening og testing av algoritmen. Dette oppsettet var samtidig tilstede på begge hender for hver deltaker.
Seniorforfatter Edward Wang, som startet dette prosjektet som en UW doktorgradsstudent som studerer elektro- og datateknikk, sa: "Kameraet tar opp en video: Hver gang hjertet ditt slår, strømmer friskt blod gjennom delen som er opplyst av blitsen."
"Kameraet registrerer hvor mye blodet absorberer lyset fra blitsen i hver av de tre fargekanalene det måler: rødt, grønt og blått."
Hver deltaker inhalerte en kontrollert blanding av oksygen og nitrogen for å senke oksygennivået gradvis. Det tok omtrent 15 minutter å fullføre. Teamet samlet mer enn 10,000 61 oksygennivåer i blodet mellom 100 % og XNUMX % for alle seks forsøkspersonene.
Forskerne trente en dyp læringsalgoritme for å trekke ut oksygennivået i blodet ved å bruke data fra fire deltakere. Den resterende informasjonen ble brukt til å bekrefte metodens nøyaktighet før den ble testet på helt nye individer.
Medforfatter Varun Viswanath, en UW-alumnus som nå er en doktorgradsstudent rådet av Wang ved UC San Diego, sa: "Smarttelefonlys kan bli spredt av alle disse andre komponentene i fingeren din, noe som betyr at det er mye støy i dataene vi ser på. Dyplæring er en fordelaktig teknikk fordi den kan se disse komplekse og nyanserte funksjonene og hjelper deg med å finne mønstre du ellers ikke ville kunne se."
Hoffman sa, "En av våre forsøkspersoner hadde tykk hard hud på fingrene, noe som gjorde det vanskeligere for algoritmen vår å bestemme oksygennivået i blodet nøyaktig. Hvis vi utvidet denne studien til flere emner, ville vi sannsynligvis se flere mennesker med hard hud og forskjellige hudtoner. Da kan vi potensielt ha en algoritme med nok kompleksitet til å bedre modellere alle disse forskjellene."
Wang sa, "Men dette er et godt første skritt mot å utvikle biomedisinske enheter hjulpet av maskinlæring."
«Det er så viktig å gjøre en studie som dette. Tradisjonelt medisinsk utstyr gjennomgår strenge tester. Men informatikkforskningen begynner så vidt å grave tennene i maskinlæring for utvikling av biomedisinsk utstyr, og vi lærer alle fortsatt. Ved å tvinge oss selv til å være strenge, tvinger vi oss selv til å lære å gjøre ting riktig."
Tidsreferanse:
- Hoffman, JS, Viswanath, VK, Tian, C. et al. Smarttelefonkameraoksymetri i en indusert hypoksemistudie. npj siffer. Med. 5, 146 (2022). GJØR JEG: 10.1038 / s41746-022-00665-y
