Hipoksemi, kanın dokuları yeterince beslemeye yetecek kadar oksijen taşımadığı tıbbi bir durumdur. Astım, KOAH ve COVID-19 gibi solunum yolu hastalıklarının tehlikeli komplikasyonlarının öncü göstergesidir. Özel olarak tasarlanmış nabız oksimetreleri, hipoksemi teşhisini mümkün kılan hassas kan-oksijen doygunluğu (SpO2) okumaları sunabilirken, bu özelliğin değiştirilmemiş akıllı telefon kameralarında bir yazılım güncellemesi aracılığıyla kullanılabilir hale getirilmesi, daha fazla kişinin sağlıklarıyla ilgili önemli bilgilere erişmesini sağlayabilir.
Bilim adamları Washington Üniversitesi ve Kaliforniya San Diego bir kavram kanıtlama çalışmasında akıllı telefonların %70'e kadar düşük kan oksijen doygunluğu düzeylerini tespit edebildiğini göstermiştir. ABD Gıda ve İlaç İdaresi, nabız oksimetrelerinin bu seviyeden daha azını ölçemeyeceğini tavsiye ediyor.
Tekniğe katılanlar parmaklarını akıllı telefonun kamerasının ve flaşının üzerine yerleştiriyor; bu flaş, kandaki oksijen seviyelerini belirlemek için derin öğrenme algoritmasını kullanıyor. Ekip, kandaki oksijen seviyelerini yapay olarak düşürmek için altı deneğe düzenlenmiş dozda nitrojen ve oksijen verdiğinde, akıllı telefon, bir hastanın kanındaki oksijen seviyesinin düşük olup olmadığını %80 oranında doğru bir şekilde tespit etti.
Paul G. Allen Bilgisayar Bilimi ve Mühendisliği Okulu'nda UW doktora öğrencisi olan ortak baş yazar Jason Hoffman şunları söyledi: "Bunu yapan diğer akıllı telefon uygulamaları insanlardan nefeslerini tutmaları istenerek geliştirildi. Ancak insanlar çok rahatsız oluyorlar ve kandaki oksijen seviyeleri klinik olarak ilgili tüm verileri temsil edecek kadar düşmeden bir dakika kadar sonra nefes almak zorunda kalıyorlar. Testimizle her denekten 15 dakikalık veri toplayabiliyoruz. Verilerimiz akıllı telefonların kritik eşik aralığında iyi çalışabileceğini gösteriyor."
Katkıda bulunanlar: Dennis Wise/Washington Üniversitesi
UW Tıp Fakültesi'nde aile hekimliği profesörü olan ortak yazar Dr. Matthew Thompson şunları söyledi: "Bu şekilde cihazınızla hem ücretsiz hem de düşük maliyetli birden fazla ölçüm yapabilirsiniz. İdeal bir dünyada bu bilgi sorunsuz bir şekilde doktorun muayenehanesine iletilebilir. Bu, teletıp randevuları veya triyaj hemşirelerinin, hastaların acil servise gitmeleri gerekip gerekmediğini veya evde dinlenmeye devam edip daha sonra birinci basamak sağlık hizmeti sağlayıcılarıyla randevu alıp alamayacaklarını hızlı bir şekilde belirlemeleri açısından faydalı olacaktır."
Ekip tarafından yaşları 20 ila 34 arasında değişen altı kişi seçildi: 3 erkek ve üç kadın. Katılımcıların çoğunluğu Kafkasyalı olduğunu belirtirken, bir kişi de Afrikalı Amerikalı olduğunu belirtti.
Algoritmayı eğitmek ve test etmek için her katılımcının bir parmağına normal bir nabız oksimetresi takması, diğer parmağını da aynı eline bir akıllı telefon kamerasına yerleştirmesi ve veri toplamak için flaş kullanması gerekiyordu. Bu kurulum her katılımcının her iki elinde de aynı anda mevcuttu.
Bu projeye elektrik ve bilgisayar mühendisliği okuyan UW doktora öğrencisi olarak başlayan kıdemli yazar Edward Wang şunları söyledi: "Kamera video kaydediyor: Kalbiniz her atışında, flaşın aydınlattığı kısımdan taze kan akıyor."
"Kamera, ölçtüğü üç renk kanalının (kırmızı, yeşil ve mavi) her birinde kanın flaştan gelen ışığı ne kadar emdiğini kaydeder."
Her katılımcı, oksijen seviyelerini kademeli olarak düşürmek için kontrollü bir oksijen ve nitrojen karışımı soludu. Tamamlanması yaklaşık 15 dakika sürdü. Ekip, altı denek için %10,000 ile %61 arasında 100'den fazla kan oksijen düzeyi değeri topladı.
Bilim adamları, dört katılımcıdan alınan verileri kullanarak kandaki oksijen seviyelerini çıkarmak için bir derin öğrenme algoritması geliştirdiler. Geriye kalan bilgiler, yöntemin doğruluğunun teyit edilmesi için, yeni bireyler üzerinde test edilmeden önce kullanıldı.
Şu anda UC San Diego'da Wang'ın danışmanlığını yapan bir doktora öğrencisi olan UW mezunu eşbaşkan yazar Varun Viswanath şunları söyledi: "Akıllı telefonun ışığı parmağınızdaki diğer tüm bileşenler tarafından dağılabilir, bu da baktığımız verilerde çok fazla gürültü olduğu anlamına gelir. Derin öğrenme faydalı bir teknik çünkü bu karmaşık ve incelikli özellikleri görebiliyor ve başka türlü göremeyeceğiniz kalıpları bulmanıza yardımcı oluyor."
Hoffman şunları söyledi: "Deneklerimizden birinin parmaklarında kalın nasırlar vardı ve bu da algoritmamızın kandaki oksijen seviyelerini doğru bir şekilde belirlemesini zorlaştırıyordu. Bu çalışmayı daha fazla denekle genişletseydik, muhtemelen nasırlı ve farklı cilt tonlarına sahip daha fazla insan görürdük. O zaman potansiyel olarak tüm bu farklılıkları daha iyi modellemek için yeterli karmaşıklığa sahip bir algoritmaya sahip olabiliriz."
Wang şunları söyledi: "Ancak bu, makine öğreniminin desteklediği biyomedikal cihazların geliştirilmesine yönelik iyi bir ilk adımdır."
"Böyle bir çalışmanın yapılması çok önemli. Geleneksel tıbbi cihazlar sıkı testlerden geçer. Ancak bilgisayar bilimi araştırması dişlerini daha yeni kazmaya başlıyor makine öğrenme biyomedikal cihaz geliştirme için ve hepimiz hala öğreniyoruz. Kendimizi titiz olmaya zorlayarak, kendimizi işleri nasıl doğru yapacağımızı öğrenmeye zorluyoruz.”
Dergi Referans:
- Hoffman, JS, Viswanath, VK, Tian, C. ve diğerleri. İndüklenmiş bir hipoksemi çalışmasında akıllı telefon kamera oksimetresi. npj Rakamı. Orta. 5, 146 (2022). DOI: 10.1038 / s41746-022-00665-y
