Hipoksemija je zdravstveno stanje, ko kri ne prenaša dovolj kisika za ustrezno oskrbo tkiv. Je vodilni indikator za nevarne zaplete bolezni dihal, kot so astma, KOPB in COVID-19. Medtem ko lahko posebej zasnovani pulzni oksimetri zagotavljajo natančne odčitke nasičenosti krvi s kisikom (SpO2), ki omogočajo diagnozo hipoksemije, bi ta zmožnost, ki bi bila na voljo v nespremenjenih kamerah pametnih telefonov prek posodobitve programske opreme, lahko več ljudem omogočila dostop do ključnih informacij o njihovem zdravju.
Znanstveniki iz Univerza v Washingtonu in Kalifornijski San Diego so v študiji o dokazovanju koncepta dokazali, da lahko pametni telefoni zaznajo ravni nasičenosti krvi s kisikom do 70 %. Ameriška uprava za hrano in zdravila svetuje, da pulzni oksimetri ne smejo meriti nič manj kot to raven.
Udeleženci tehnike položijo svoje prste na kamero in bliskavico pametnega telefona, ki uporablja algoritem globokega učenja za določanje ravni kisika v krvi. Pametni telefon je pravilno ugotovil, ali je imel pacient nizko raven kisika v krvi 80 % časa, ko je ekipa šestim subjektom dala reguliran odmerek dušika in kisika, da bi umetno znižala raven kisika v krvi.
Sovoditelj Jason Hoffman, doktorski študent UW na šoli za računalništvo in inženirstvo Paula G. Allena, je dejal, »Druge aplikacije za pametne telefone, ki to počnejo, so bile razvite tako, da so ljudi prosili, naj zadržijo dih. Toda ljudje postanejo zelo neprijetni in morajo dihati po kakšni minuti, preden se njihova raven kisika v krvi dovolj zniža, da predstavlja celoten obseg klinično pomembnih podatkov. Z našim testom lahko zberemo 15 minut podatkov o vsakem predmetu. Naši podatki kažejo, da bi lahko pametni telefoni dobro delovali v območju kritičnega praga.«
Zasluge: Dennis Wise/Univerza v Washingtonu
Soavtor dr. Matthew Thompson, profesor družinske medicine na Medicinski fakulteti UW, je dejal, »Tako bi lahko s svojo napravo opravili več meritev bodisi brezplačno ali nizko. Te informacije bi se v idealnem svetu lahko brez težav prenesle v zdravniško ordinacijo. To bi bilo koristno za telemedicinske sestanke ali triažne medicinske sestre, da bi hitro ugotovile, ali morajo bolniki na urgentni oddelek ali pa lahko nadaljujejo s počitkom doma in se kasneje dogovorijo za sestanek pri svojem izvajalcu primarne zdravstvene oskrbe.«
Ekipa je izbrala šest posameznikov, katerih starost je bila od 20 do 34 let: 3 moške in XNUMX ženske. Medtem ko je večina udeležencev poročala, da je belcev, se je ena oseba identificirala kot Afroameričan.
Vsak udeleženec je moral nositi običajni pulzni oksimeter na enem prstu, medtem ko je drugi prst na isti roki položil na kamero pametnega telefona in bliskavico, da bi zbral podatke za usposabljanje in testiranje algoritma. Ta postavitev je bila hkrati prisotna na obeh rokah vsakega udeleženca.
Višji avtor Edward Wang, ki je ta projekt začel kot doktorski študent univerze W, ki je študiral elektrotehniko in računalništvo, je dejal, "Kamera snema video: vsakič, ko vaše srce utripa, sveža kri priteče skozi del, osvetljen z bliskavico."
"Kamera beleži, koliko ta kri absorbira svetlobo bliskavice v vsakem od treh barvnih kanalov, ki jih meri: rdeči, zeleni in modri."
Vsak udeleženec je vdihnil nadzorovano mešanico kisika in dušika, da bi postopoma znižal raven kisika. Za dokončanje je bilo potrebnih približno 15 minut. Ekipa je zbrala več kot 10,000 vrednosti ravni kisika v krvi med 61% in 100% za vseh šest oseb.
Znanstveniki so usposobili algoritem globokega učenja za pridobivanje ravni kisika v krvi z uporabo podatkov štirih udeležencev. Preostale informacije so bile uporabljene za potrditev točnosti metode, preden so jo preizkusili na povsem novih posameznikih.
Sovoditelj Varun Viswanath, alumnus UW, ki je zdaj doktorski študent, ki mu svetuje Wang na UC San Diego, je dejal, »Svetlobo pametnega telefona lahko razpršijo vse te druge komponente v vašem prstu, kar pomeni, da je v podatkih, ki jih gledamo, veliko šuma. Globoko učenje je koristna tehnika, saj lahko vidi te zapletene in niansirane značilnosti in vam pomaga najti vzorce, ki jih sicer ne bi mogli videti.«
Hoffman je rekel, »Eden od naših subjektov je imel debele otiščance na prstih, zaradi česar je naš algoritem težje natančno določil raven kisika v krvi. Če bi to študijo razširili na več subjektov, bi verjetno videli več ljudi z otiščanci in drugačnimi teni kože. Potem bi potencialno lahko imeli dovolj zapleten algoritem za boljše modeliranje vseh teh razlik."
Wang je rekel, "Vendar je to dober prvi korak k razvoju biomedicinskih naprav, ki jih podpira strojno učenje."
»Tako pomembno je narediti tako študijo. Tradicionalni medicinski pripomočki gredo skozi stroga testiranja. Toda raziskave računalništva so šele začele kopati svoje zobe strojno učenje za razvoj biomedicinskih naprav in vsi se še vedno učimo. S tem, ko se prisilimo, da smo strogi, se prisilimo, da se naučimo, kako delati stvari prav.”
Referenca dnevnika:
- Hoffman, JS, Viswanath, VK, Tian, C. et al. Oksimetrija s kamero pametnega telefona v študiji inducirane hipoksemije. npj Številka. Med. 5, 146 (2022). DOI: 10.1038 / s41746-022-00665-y
