Гіпоксемія - це медичний стан, коли кров не переносить достатньо кисню для належного постачання тканин. Це провідний показник небезпечних ускладнень респіраторних захворювань, таких як астма, ХОЗЛ і COVID-19. Хоча спеціально розроблені пульсоксиметри можуть забезпечувати точні показники насичення крові киснем (SpO2), які дозволяють діагностувати гіпоксемію, надання цієї можливості в немодифікованих камерах смартфонів за допомогою оновлення програмного забезпечення може надати більшій кількості людей доступ до важливої інформації щодо їхнього здоров’я.
Вчені з Університет Вашингтона та Каліфорнія Сан-Дієго продемонстрували в дослідженні, що підтверджує концепцію, що смартфони можуть визначати рівень насичення крові киснем до 70%. Управління з контролю за якістю харчових продуктів і медикаментів США рекомендує, щоб пульсоксиметри вимірювали не менше цього рівня.
Учасники техніки розміщують пальці над камерою та спалахом смартфона, який використовує алгоритм глибокого навчання для визначення рівня кисню в крові. Смартфон правильно визначав, чи був у пацієнта низький рівень кисню в крові 80% часу, коли команда давала шістьом суб’єктам регульовану дозу азоту та кисню, щоб штучно знизити рівень кисню в крові.
Співавтор Джейсон Хоффман, докторант UW Школи комп’ютерних наук та інженерії Пола Г. Аллена, сказав: «Інші програми для смартфонів, які роблять це, були розроблені, просячи людей затримати дихання. Але людям стає дуже некомфортно, і вони змушені дихати через хвилину або близько того, перш ніж їхній рівень кисню в крові знизиться настільки, щоб отримати повний спектр клінічно значущих даних. Ми можемо зібрати 15 хвилин даних з кожного предмета за допомогою нашого тесту. Наші дані показують, що смартфони можуть добре працювати в критичному пороговому діапазоні».
Авторство: Денніс Уайз/Університет Вашингтона
Співавтор доктор Метью Томпсон, професор сімейної медицини в Медичній школі університету, сказав: «Таким чином ви можете проводити численні вимірювання за допомогою свого пристрою безкоштовно або за низькими витратами. Цю інформацію можна було б легко передати в кабінет лікаря в ідеальному світі. Це було б корисно для телемедичних прийомів або медсестер-сортувальників, щоб швидко визначити, чи потрібно пацієнтам їхати до відділення невідкладної допомоги, чи вони можуть продовжувати відпочивати вдома та записатися на прийом до свого лікаря первинної медичної допомоги пізніше».
Команда відібрала шість осіб віком від 20 до 34 років: 3 чоловіків і XNUMX жінки. Хоча більшість учасників повідомили, що вони європеоїдні, одна людина назвала себе афроамериканцем.
Від кожного учасника вимагалося носити звичайний пульсоксиметр на одному пальці, а інший палець на тій самій руці покласти на камеру смартфона та спалах для збору даних для навчання та тестування алгоритму. Ця установка одночасно була присутня на обох руках кожного учасника.
Старший автор Едвард Ван, який розпочав цей проект як докторант UW, вивчаючи електротехніку та комп’ютерну інженерію, сказав: «Камера записує відео: кожного разу, коли ваше серце б’ється, свіжа кров тече через освітлену спалахом частину».
«Камера записує, наскільки ця кров поглинає світло від спалаху в кожному з трьох кольорових каналів, які вона вимірює: червоному, зеленому та синьому».
Кожен учасник вдихнув контрольовану суміш кисню та азоту, щоб поступово знизити рівень кисню. Це зайняло приблизно 15 хвилин. Команда зібрала більше 10,000 61 значень рівня кисню в крові від 100% до XNUMX% для всіх шести суб'єктів.
Вчені навчили алгоритм глибокого навчання для визначення рівня кисню в крові, використовуючи дані чотирьох учасників. Решту інформації було використано для підтвердження точності методу перед його тестуванням на абсолютно нових індивідуумах.
Співавтор Варун Вішванат, випускник UW, який зараз є докторантом у Каліфорнійському університеті в Сан-Дієго, консультує Ван, сказав: «Світло смартфона може розсіюватися всіма цими іншими компонентами вашого пальця, що означає, що в даних, які ми переглядаємо, багато шуму. Глибоке навчання є корисною технікою, оскільки воно може бачити ці складні та деталізовані особливості та допомагає вам знайти шаблони, які ви інакше не змогли б побачити».
Гофман сказав, «В одного з наших піддослідних були товсті мозолі на пальцях, через що нашому алгоритму було складніше точно визначити рівень кисню в крові. Якби ми розширили це дослідження на більше суб’єктів, ми, ймовірно, побачили б більше людей з мозолями та іншим відтінком шкіри. Тоді ми могли б потенційно мати достатньо складний алгоритм, щоб краще моделювати всі ці відмінності».
Ван сказав, «Але це хороший перший крок до розробки біомедичних пристроїв за допомогою машинного навчання».
«Дуже важливо провести таке дослідження. Традиційні медичні прилади проходять суворе тестування. Але дослідження інформатики тільки починають впиватися навчання за допомогою машини для розробки біомедичних пристроїв, і ми всі ще вчимося. Змушуючи себе бути суворими, ми змушуємо себе навчитися робити все правильно».
Довідка з журналу:
- Хоффман Дж.С., Вішванат В.К., Тіан К. та ін. Оксиметрія камерою смартфона в дослідженні індукованої гіпоксемії. npj Розряд. Мед. 5, 146 (2022). DOI: 10.1038 / s41746-022-00665-y
