Насыщение крови кислородом (SpO2), процент гемоглобина в крови, переносящего кислород, является важным показателем сердечно-сосудистой функции. Здоровые люди имеют SpO.2 уровень примерно 95% или выше, но респираторные заболевания, такие как астма, хроническая обструктивная болезнь легких, пневмония и COVID-19, могут привести к значительному снижению этих уровней. А если СпО2 падает ниже 90%, это может быть признаком более серьезного сердечно-легочного заболевания.
Врачи обычно измеряют SpO.2 использование пульсоксиметров, неинвазивных устройств, которые крепятся на кончик пальца или ухо. Обычно они работают с помощью фотоплетизмографии пропускания (PPG), при которой анализируется поглощение красного и инфракрасного света, чтобы отличить насыщенную кислородом кровь от дезоксигенированной. Но возможность контролировать SpO2 За пределами клиники использование камеры на повседневном смартфоне может позволить большему количеству людей выявлять ситуации, требующие медицинского наблюдения, или отслеживать текущие респираторные заболевания.
Исследователи из Университет Вашингтона (ВВ) и Университета Калифорнии в Сан-Диего теперь показали, что смартфоны могут определять уровни насыщения крови кислородом до 70%. Сообщая о своих выводах в npj Цифровая медицинаОни отмечают, что это было достигнуто с использованием камер смартфонов без каких-либо аппаратных модификаций путем обучения сверточной нейронной сети (CNN) расшифровке широкого диапазона уровней кислорода в крови.
В исследовании, подтверждающем принцип работы, исследователи применили процедуру, называемую различной фракцией вдыхаемого кислорода (FiO2).2), при котором субъект дышит контролируемой смесью кислорода и азота, чтобы медленно снизить SpO2.2 уровни ниже 70% — самое низкое значение, которое должны измерять пульсоксиметры, как рекомендовано Управлением по контролю за продуктами и лекарствами США. Полученные данные они использовали для обучения алгоритма глубокого обучения на основе CNN.
«Другие приложения для смартфонов были разработаны с просьбой задержать дыхание. Но людям становится очень некомфортно, и через минуту или около того им приходится дышать, и это до того, как уровень кислорода в их крови снизится настолько, чтобы представить весь спектр клинически значимых данных», — объясняет первый автор. Джейсон Хоффман, аспирант Университета Вашингтона, в заявлении для прессы. «С помощью нашего теста мы можем собрать 15 минут данных от каждого испытуемого. Наши данные показывают, что смартфоны могут хорошо работать даже в критическом пороговом диапазоне».
Хоффман и его коллеги обследовали шесть здоровых добровольцев. Каждый участник прошел различные исследования FiO.2 в течение 13–19 минут, за это время исследователи получили более 10,000 61 показаний уровня кислорода в крови от 100% до XNUMX%. Кроме того, они использовали специальные пульсоксиметры для записи достоверных данных с помощью коэффициента пропускания PPG.
Чтобы выполнить оксиметрию смартфона, участник прикладывает палец к камере и вспышке смартфона. Камера записывает отклики с помощью коэффициента отражения PPG — измеряя, сколько света от вспышки кровь поглощает в каждом из красных, зеленых и синих каналов. Затем исследователи ввели эти измерения интенсивности в модель глубокого обучения, используя данные четырех испытуемых в качестве обучающего набора и одного для проверки и оптимизации модели. Затем они оценивают обученную модель на оставшихся данных субъекта.
При обучении в клинически значимом диапазоне SpO.2 уровни (70–100%) от разнообразного FiO2 В исследовании CNN достигла средней средней абсолютной ошибки 5.00% при прогнозировании SpOXNUMX у нового субъекта.2 уровень. Средний Р2 корреляция между предсказаниями модели и эталонным пульсоксиметром составила 0.61. Средняя среднеквадратическая ошибка составила 5.55% для всех испытуемых, что выше стандарта в 3.5%, необходимого для допуска отражательных пульсоксиметров к клиническому использованию.
Исследователи предполагают, что вместо простой оценки SpO2оксиметр камеры смартфона можно использовать в качестве инструмента для выявления низкой оксигенации крови. Чтобы изучить этот подход, они рассчитали точность классификации своей модели, позволяющую определить, есть ли у человека SpO.2 уровень ниже трех пороговых значений: 92%, 90% (обычно используется для указания на необходимость дальнейшей медицинской помощи) и 88%.
При классификации SpO2 Если уровни ниже 90%, модель демонстрировала относительно высокую чувствительность 81% и специфичность 79%, в среднем по всем шести испытуемым. Для классификации SpO2 ниже 92% специфичность возрастала до 86% при чувствительности 78%.
Исследователи отмечают, что статистически исследование не указывает на то, что этот подход готов к использованию в качестве медицинского устройства, сравнимого с современными пульсоксиметрами. Однако они отмечают, что уровень производительности, наблюдаемый на этой небольшой выборке испытуемых, указывает на то, что точность модели можно повысить за счет получения большего количества обучающих выборок.
Камера смартфона измеряет концентрацию глюкозы в крови
Например, у одного из испытуемых на пальцах были толстые мозоли, из-за чего алгоритму было сложнее точно определить уровень кислорода в крови. «Если бы мы расширили это исследование на большее количество субъектов, мы, вероятно, увидели бы больше людей с мозолями и больше людей с разными оттенками кожи», — объясняет Хоффман. «Тогда у нас потенциально может быть алгоритм достаточной сложности, чтобы лучше моделировать все эти различия».
Хоффман рассказывает Мир физики что у команды нет планов немедленно коммерциализировать эту технологию. «Тем не менее, мы разработали план тестирования и заявки на гранты, которые позволят нам провести тестирование на более широкой и разнообразной группе субъектов, чтобы увидеть, является ли это доказательство принципа воспроизводимым и потенциально готовым для коммерчески ориентированной разработки», — говорит он. .
