ความอิ่มตัวของออกซิเจนในเลือด (SpO2) เปอร์เซ็นต์ของฮีโมโกลบินในเลือดที่มีออกซิเจนเป็นตัวชี้วัดสำคัญของการทำงานของระบบหัวใจและหลอดเลือด บุคคลที่มีสุขภาพดีจะมี SpO2 ระดับประมาณ 95% ขึ้นไป แต่โรคระบบทางเดินหายใจ เช่น โรคหอบหืด โรคปอดอุดกั้นเรื้อรัง โรคปอดบวม และโควิด-19 อาจทำให้ระดับเหล่านี้ลดลงอย่างมีนัยสำคัญ และถ้าสปอย2 ลดลงต่ำกว่า 90% นี่อาจเป็นสัญญาณของโรคหลอดเลือดหัวใจและปอดที่รุนแรงยิ่งขึ้น
แพทย์มักจะวัด SpO2 ใช้เครื่องวัดออกซิเจนในเลือด ซึ่งเป็นอุปกรณ์ที่ไม่รุกรานซึ่งติดไว้บนปลายนิ้วหรือหู โดยทั่วไปการทำงานเหล่านี้ทำงานผ่านการส่งผ่านโฟโตเพลทิสโมกราฟี (PPG) ซึ่งมีการวิเคราะห์การดูดกลืนแสงสีแดงและแสง IR เพื่อแยกความแตกต่างระหว่างออกซิเจนกับเลือดที่ไม่มีออกซิเจน แต่ความสามารถในการติดตาม SpO2 นอกคลินิก การใช้กล้องบนสมาร์ทโฟนทุกวัน อาจทำให้ผู้คนสามารถตรวจจับสถานการณ์ที่ต้องติดตามทางการแพทย์หรือติดตามอาการทางเดินหายใจที่กำลังดำเนินอยู่ได้มากขึ้น
นักวิจัยที่ มหาวิทยาลัยวอชิงตัน (UW) และ มหาวิทยาลัยแห่งแคลิฟอร์เนียซานดิเอโก แสดงให้เห็นว่าสมาร์ทโฟนสามารถตรวจจับระดับความอิ่มตัวของออกซิเจนในเลือดได้ถึง 70% รายงานการค้นพบของพวกเขาใน npj การแพทย์ดิจิทัลพวกเขาทราบว่าสิ่งนี้ทำได้โดยใช้กล้องสมาร์ทโฟนที่ไม่มีการดัดแปลงฮาร์ดแวร์ โดยการฝึกโครงข่ายประสาทเทียม (CNN) เพื่อถอดรหัสระดับออกซิเจนในเลือดที่หลากหลาย
ในการศึกษาแบบพิสูจน์หลักการ นักวิจัยได้ใช้กระบวนการที่เรียกว่าออกซิเจนที่ได้รับแรงบันดาลใจแบบเศษส่วนที่หลากหลาย (FiO2) โดยที่ผู้ทดลองหายใจเอาส่วนผสมที่มีการควบคุมของออกซิเจนและไนโตรเจนเข้าไป เพื่อจะลด SpO อย่างช้าๆ2 ระดับต่ำกว่า 70% - ค่าต่ำสุดที่เครื่องวัดออกซิเจนในเลือดควรจะวัดได้ ตามคำแนะนำของสำนักงานคณะกรรมการอาหารและยาแห่งสหรัฐอเมริกา พวกเขาใช้ข้อมูลที่ได้เพื่อฝึกฝนอัลกอริธึมการเรียนรู้เชิงลึกของ CNN
“แอพสมาร์ทโฟนอื่นๆ ได้รับการพัฒนาโดยขอให้ผู้คนกลั้นหายใจ แต่ผู้คนจะรู้สึกอึดอัดมากและต้องหายใจหลังจากผ่านไปประมาณหนึ่งนาที และนั่นคือก่อนที่ระดับออกซิเจนในเลือดของพวกเขาจะลดลงมากพอที่จะแสดงข้อมูลทางคลินิกที่เกี่ยวข้องอย่างครบถ้วน” ผู้เขียนคนแรกอธิบาย เจสัน ฮอฟฟ์แมนนักศึกษาปริญญาเอกของ UW กล่าวในการแถลงข่าว “ด้วยการทดสอบของเรา เราสามารถรวบรวมข้อมูลได้ 15 นาทีจากแต่ละวิชา ข้อมูลของเราแสดงให้เห็นว่าสมาร์ทโฟนสามารถทำงานได้ดีในช่วงเกณฑ์วิกฤต”
ฮอฟฟ์แมนและเพื่อนร่วมงานตรวจอาสาสมัครที่มีสุขภาพดีจำนวน XNUMX คน ผู้เข้าร่วมแต่ละคนได้รับ FiO ที่แตกต่างกัน2 เป็นเวลา 13–19 นาที ซึ่งในระหว่างนั้นผู้วิจัยอ่านค่าระดับออกซิเจนในเลือดมากกว่า 10,000 ค่าระหว่าง 61% ถึง 100% นอกจากนี้ พวกเขายังใช้เครื่องวัดออกซิเจนในเลือดที่สร้างขึ้นโดยเฉพาะเพื่อบันทึกข้อมูลความจริงภาคพื้นดินผ่านการส่งผ่าน PPG
ในการทำการวัดออกซิเจนในเลือดของสมาร์ทโฟน ผู้เข้าร่วมจะวางนิ้วบนกล้องและแฟลชของสมาร์ทโฟน กล้องจะบันทึกการตอบสนองผ่านการสะท้อนแสง PPG โดยวัดปริมาณแสงจากแฟลชที่เลือดดูดซับในแต่ละช่องสีแดง เขียว และน้ำเงิน จากนั้นนักวิจัยได้ป้อนการวัดความเข้มเหล่านี้ลงในโมเดลการเรียนรู้เชิงลึก โดยใช้ข้อมูลของอาสาสมัคร XNUMX รายเป็นชุดการฝึกอบรม และอีกข้อมูลหนึ่งสำหรับการตรวจสอบและเพิ่มประสิทธิภาพโมเดล จากนั้นพวกเขาจะประเมินแบบจำลองที่ได้รับการฝึกอบรมจากข้อมูลของอาสาสมัครที่เหลือ
เมื่อผ่านการฝึกอบรม SpO ที่เกี่ยวข้องกับทางคลินิก2 ระดับ (70–100%) จาก FiO ที่หลากหลาย2 จากการศึกษาพบว่า CNN ได้รับค่าคลาดเคลื่อนสัมบูรณ์เฉลี่ย 5.00% ในการทำนาย SpO ของวิชาใหม่2 ระดับ. ค่าเฉลี่ยอาร์2 ความสัมพันธ์ระหว่างการคาดการณ์แบบจำลองกับเครื่องวัดออกซิเจนในเลือดอ้างอิงคือ 0.61 ข้อผิดพลาด RMS โดยเฉลี่ยอยู่ที่ 5.55% ในทุกวิชา ซึ่งสูงกว่ามาตรฐาน 3.5% ที่จำเป็นสำหรับอุปกรณ์เครื่องวัดออกซิเจนในเลือดแบบสะท้อนที่ต้องเคลียร์เพื่อใช้ทางคลินิก
นักวิจัยแนะนำว่าแทนที่จะเพียงแค่ประมาณค่า SpOXNUMX2oximeter กล้องของสมาร์ทโฟนสามารถใช้เป็นเครื่องมือในการคัดกรองออกซิเจนในเลือดต่ำได้ เพื่อสำรวจแนวทางนี้ พวกเขาคำนวณความแม่นยำในการจำแนกประเภทของแบบจำลองเพื่อระบุว่าบุคคลนั้นมี SpO หรือไม่2 ระดับต่ำกว่าสามเกณฑ์: 92%, 90% (โดยทั่วไปใช้เพื่อระบุความจำเป็นในการรับการรักษาพยาบาลเพิ่มเติม) และ 88%
เมื่อจำแนก SpO2 ระดับต่ำกว่า 90% แบบจำลองมีความไวค่อนข้างสูง 81% และความจำเพาะ 79% โดยเฉลี่ยจากผู้ทดสอบทั้งหกราย สำหรับการจำแนก SpO2 ต่ำกว่า 92% ความจำเพาะเพิ่มขึ้นเป็น 86% โดยมีความไว 78%
นักวิจัยชี้ให้เห็นว่าในทางสถิติ การศึกษาไม่ได้บ่งชี้ว่าแนวทางนี้พร้อมที่จะใช้เป็นอุปกรณ์ทางการแพทย์เทียบได้กับเครื่องวัดออกซิเจนในเลือดในปัจจุบัน อย่างไรก็ตาม พวกเขาทราบว่าระดับประสิทธิภาพที่เห็นจากตัวอย่างหัวข้อทดสอบขนาดเล็กนี้บ่งชี้ว่าความแม่นยำของแบบจำลองสามารถเพิ่มขึ้นได้โดยการได้รับตัวอย่างการฝึกอบรมเพิ่มเติม
กล้องสมาร์ทโฟนวัดความเข้มข้นของน้ำตาลในเลือด
ตัวอย่างเช่น ผู้เข้าร่วมคนหนึ่งมีหนังด้านหนาบนนิ้ว ซึ่งทำให้อัลกอริธึมระบุระดับออกซิเจนในเลือดได้อย่างแม่นยำได้ยากขึ้น “ถ้าเราขยายการศึกษานี้ไปยังหัวข้อต่างๆ มากขึ้น เราน่าจะเห็นคนที่มีหนังด้านและมีสีผิวต่างกันมากขึ้น” ฮอฟฟ์แมนอธิบาย “ถ้าอย่างนั้น เราก็อาจมีอัลกอริธึมที่มีความซับซ้อนเพียงพอที่จะสร้างแบบจำลองความแตกต่างทั้งหมดนี้ได้ดีขึ้น”
ฮอฟแมนบอก โลกฟิสิกส์ ว่าทีมงานไม่มีแผนที่จะนำเทคโนโลยีนี้ไปใช้ในเชิงพาณิชย์ในทันที “อย่างไรก็ตาม เราได้พัฒนาแผนการทดสอบและให้ข้อเสนอที่จะทำให้เราสามารถทดสอบกลุ่มวิชาที่ใหญ่ขึ้นและหลากหลายมากขึ้น เพื่อดูว่าการศึกษาแบบพิสูจน์หลักการนี้สามารถทำซ้ำได้และอาจพร้อมสำหรับการพัฒนาที่มุ่งเน้นในเชิงพาณิชย์หรือไม่” เขากล่าว .
