Nasycenie krwi tlenem (SpO2), procent hemoglobiny we krwi przenoszącej tlen, jest ważną miarą funkcji układu sercowo-naczyniowego. Zdrowe osoby mają SpO2 poziomy wynoszące około 95% lub więcej, ale choroby układu oddechowego – takie jak astma, przewlekła obturacyjna choroba płuc, zapalenie płuc i COVID-19 – mogą spowodować znaczny spadek tych poziomów. A jeśli SpO2 spadnie poniżej 90%, może to być oznaką poważniejszej choroby krążeniowo-oddechowej.
Lekarze zazwyczaj mierzą SpO2 za pomocą pulsoksymetrów – nieinwazyjnych urządzeń zakładanych na czubek palca lub ucho. Zwykle działają one poprzez fotopletyzmografię przepuszczalną (PPG), w której analizuje się absorpcję światła czerwonego i światła podczerwonego w celu odróżnienia krwi natlenionej od odtlenionej. Ale możliwość monitorowania SpO2 poza kliniką, korzystanie z aparatu w codziennym smartfonie mogłoby pozwolić większej liczbie osób wykryć sytuacje wymagające kontroli lekarskiej lub śledzić bieżące schorzenia układu oddechowego.
Naukowcy z uniwersytet Waszyngtoński (UW) i University of California San Diego wykazały obecnie, że smartfony potrafią wykryć poziom nasycenia krwi tlenem aż do 70%. Zgłaszanie swoich ustaleń w npj Medycyna cyfrowazauważają, że osiągnięto to przy użyciu aparatów w smartfonach bez modyfikacji sprzętowych i poprzez uczenie splotowej sieci neuronowej (CNN) tak, aby rozszyfrowywała szeroki zakres poziomów tlenu we krwi.
W badaniu weryfikującym zasadę naukowcy zastosowali procedurę zwaną zróżnicowanym frakcyjnym wdychaniem tlenu (FiO2), podczas którego pacjent oddycha kontrolowaną mieszaniną tlenu i azotu, aby powoli zmniejszyć SpO2 poziomu poniżej 70% – najniższej wartości, jaką pulsoksymetry powinny być w stanie zmierzyć, zgodnie z zaleceniami amerykańskiej Agencji ds. Żywności i Leków. Uzyskane dane wykorzystali do szkolenia algorytmu głębokiego uczenia się opartego na CNN.
„Inne aplikacje na smartfony zostały opracowane poprzez proszenie ludzi o wstrzymanie oddechu. Jednak ludzie czują się bardzo niekomfortowo i po około minucie muszą oddychać, i to zanim poziom tlenu we krwi spadnie na tyle, aby zapewnić pełen zakres klinicznie istotnych danych” – wyjaśnia pierwsza autorka Jasona Hoffmana, doktorantka UW, w oświadczeniu prasowym. „Dzięki naszemu testowi jesteśmy w stanie zebrać 15 minut danych od każdego pacjenta. Nasze dane pokazują, że smartfony mogą działać dobrze już w krytycznym zakresie progowym.”
Hoffman i współpracownicy zbadali sześciu zdrowych ochotników. Każdy uczestnik przeszedł różnorodne FiO2 przez 13–19 minut, w tym czasie badacze uzyskali ponad 10,000 61 odczytów poziomu tlenu we krwi w zakresie od 100% do XNUMX%. Oprócz tego wykorzystali specjalnie zaprojektowane pulsoksymetry do rejestrowania danych naziemnych za pomocą transmitancji PPG.
Aby wykonać oksymetrię na smartfonie, uczestnik kładzie palec na aparacie i lampie błyskowej smartfona. Kamera rejestruje reakcje za pomocą współczynnika odbicia PPG – mierząc, ile światła z błysku absorbuje krew w każdym z kanałów czerwonego, zielonego i niebieskiego. Następnie naukowcy wprowadzili te pomiary intensywności do modelu głębokiego uczenia się, wykorzystując dane czterech osób jako zbiór szkoleniowy i jedno do walidacji i optymalizacji modelu. Następnie oceniają wyszkolony model na danych pozostałego uczestnika.
Po przeszkoleniu w zakresie klinicznie istotnego zakresu SpO2 poziomy (70–100%) z różnych FiO2 badaniu CNN osiągnęło średni średni błąd bezwzględny wynoszący 5.00% w przewidywaniu SpO nowego pacjenta2 poziom. Przeciętny r2 korelacja pomiędzy przewidywaniami modelu a referencyjnym pulsoksymetrem wyniosła 0.61. Średni błąd RMS wyniósł 5.55% u wszystkich pacjentów i był wyższy niż standard 3.5% wymagany do dopuszczenia pulsoksymetrów refleksyjnych do użytku klinicznego.
Naukowcy sugerują, że zamiast po prostu szacować SpO2oksymetr w aparacie w smartfonie mógłby służyć jako narzędzie do sprawdzania niskiego natlenienia krwi. Aby zbadać to podejście, obliczyli dokładność klasyfikacji swojego modelu w celu wskazania, czy dana osoba ma SpO2 poziom poniżej trzech progów: 92%, 90% (powszechnie stosowane w celu wskazania konieczności dalszej pomocy lekarskiej) i 88%.
Podczas klasyfikacji SpO2 przy poziomach poniżej 90% model wykazywał stosunkowo wysoką czułość wynoszącą 81% i swoistość wynoszącą 79%, uśrednioną dla wszystkich sześciu osób badanych. Do klasyfikacji SpO2 poniżej 92%, swoistość wzrosła do 86%, przy czułości 78%.
Naukowcy zwracają uwagę, że statystycznie badanie nie wskazuje, aby podejście to było gotowe do stosowania jako wyrób medyczny porównywalny z obecnymi pulsoksymetrami. Zauważają jednak, że poziom wydajności zaobserwowany w tej małej próbce testowej wskazuje, że dokładność modelu można zwiększyć, zdobywając więcej próbek szkoleniowych.
Aparat w smartfonie mierzy stężenie glukozy we krwi
Na przykład jeden z badanych miał grube odciski na palcach, co utrudniało algorytmowi dokładne określenie poziomu tlenu we krwi. „Gdybyśmy rozszerzyli to badanie na większą liczbę osób, prawdopodobnie zobaczylibyśmy więcej osób ze modzelami i więcej osób o różnych odcieniach skóry” – wyjaśnia Hoffman. „Wtedy moglibyśmy potencjalnie dysponować algorytmem o wystarczającej złożoności, aby móc lepiej modelować wszystkie te różnice”.
Hoffman opowiada Świat Fizyki że zespół nie ma planów natychmiastowej komercjalizacji tej technologii. „Opracowaliśmy jednak plan testów i propozycje dotacji, które umożliwiłyby nam przetestowanie na większej, bardziej zróżnicowanej grupie podmiotów i sprawdzenie, czy to badanie potwierdzające słuszność zasad jest powtarzalne i potencjalnie gotowe do komercyjnego rozwoju” – mówi. .
