智能手机摄像头可以在家中监测血氧水平

血氧饱和度 (SpO₂），即携带氧气的血液中血红蛋白的百分比，是心血管功能的重要衡量标准。健康个体有 SpO2₂ 大约 95% 或以上，但呼吸系统疾病（例如哮喘、慢性阻塞性肺病、肺炎和 COVID-19）可能会导致这些水平显着下降。如果 SpO₂ 低于 90%，这可能是更严重心肺疾病的征兆。

医生通常测量 SpO2₂ 使用脉搏血氧计，一种夹在指尖或耳朵上的非侵入性设备。这些通常通过透射光电体积描记法 (PPG) 进行工作，其中分析红光和红外光的吸收，以区分含氧血液和脱氧血液。但监测 SpO2 的能力₂ 在诊所之外，使用日常智能手机上的摄像头可以让更多的人发现需要医疗随访的情况或跟踪持续的呼吸系统疾病。

研究人员在 University of Washington （威斯康星大学）和 加州圣地亚哥大学 现在已经表明，智能手机可以检测低至 70% 的血氧饱和度水平。报告他们的发现 npj数字医学，他们指出，这是使用智能手机摄像头实现的，无需修改任何硬件，通过训练卷积神经网络（CNN）来破译各种血氧水平。

在一项原理验证研究中，研究人员采用了一种称为不同分数吸入氧 (FiO₂），其中受试者呼吸受控的氧气和氮气混合物，以缓慢降低 SpO2₂ 水平低于 70%——根据美国食品和药物管理局的建议，脉搏血氧计应能够测量的最低值。他们使用生成的数据来训练基于 CNN 的深度学习算法。

“其他智能手机应用程序是通过要求人们屏住呼吸而开发的。但人们会感到非常不舒服，在一分钟左右后必须呼吸，而这是在他们的血氧水平下降到足以代表全部临床相关数据之前，”第一作者解释道 杰森·霍夫曼华盛顿大学博士生在一份新闻声明中说。 “通过我们的测试，我们能够从每个受试者那里收集 15 分钟的数据。我们的数据表明，智能手机可以在临界阈值范围内正常工作。”

霍夫曼和同事检查了六名健康志愿者。每个参与者都经历了不同的 FiO₂ 持续 13 至 19 分钟，在此期间研究人员获得了 10,000 多个 61% 至 100% 之间的血氧水平读数。此外，他们还使用专用脉搏血氧计通过透射 PPG 记录地面真实数据。

要进行智能手机血氧测定，参与者将手指放在智能手机的相机和闪光灯上。相机通过反射 PPG 记录响应——测量血液在每个红色、绿色和蓝色通道中吸收的闪光灯光量。然后，研究人员将这些强度测量结果输入深度学习模型，使用四名受试者的数据作为训练集，并使用一组数据来验证和优化模型。然后他们根据剩余受试者的数据评估经过训练的模型。

当接受临床相关 SpO 范围的培训时₂ 不同 FiO 水平 (70–100%)₂ 研究中，CNN 在预测新受试者 SpO5.00 方面的平均绝对误差为 XNUMX%₂ 等级。平均R² 模型预测与参考脉搏血氧计之间的相关性为 0.61。所有受试者的平均 RMS 误差为 5.55%，高于批准用于临床的反射式脉搏血氧计设备所需的 3.5% 标准。

研究人员建议，不要简单地估计 SpO2₂智能手机摄像头血氧计可用作筛查低血氧的工具。为了探索这种方法，他们计算了模型的分类准确性，以指示个体是否患有 SpO2₂ 低于三个阈值的水平：92%、90%（通常用于表明需要进一步医疗护理）和 88%。

SpO 分类时₂ 当低于 90% 的水平时，该模型表现出 81% 的相对较高灵敏度和 79% 的特异性（所有六个测试对象的平均值）。用于 SpO 分类₂ 低于 92% 时，特异性提高到 86%，敏感性为 78%。

研究人员指出，从统计数据来看，该研究并不表明这种方法已准备好用作与当前脉搏血氧计相当的医疗设备。然而，他们指出，从这个小测试对象样本中看到的性能水平表明，可以通过获取更多训练样本来提高模型的准确性。

例如，其中一名受试者的手指上有厚厚的老茧，这使得算法更难准确确定他们的血氧水平。 “如果我们将这项研究扩展到更多受试者，我们可能会看到更多有老茧的人以及更多不同肤色的人，”霍夫曼解释道。 “然后我们可能会拥有一种具有足够复杂性的算法，能够更好地对所有这些差异进行建模。”

霍夫曼讲述 物理世界 该团队没有任何计划立即将这项技术商业化。 “然而，我们已经制定了一项测试计划和拨款提案，使我们能够对更大、更多样化的受试者群体进行测试，看看这项原理验证研究是否可重复，并有可能为商业化开发做好准备，”他说。