Сначала сделайте паузу и сделайте глубокий вдох.

Когда мы вдыхаем, наши легкие наполняются кислородом, который распределяется по нашим эритроцитам для транспортировки по всему телу. Наше тело нуждается в большом количестве кислорода, чтобы функционировать, и здоровые люди все время имеют не менее 95% насыщения кислородом .

Такие состояния, как астма или COVID-19, затрудняют поглощение организмом кислорода из легких. Это приводит к тому, что процент насыщения кислородом падает до 90% или ниже, что указывает на необходимость медицинской помощи.

В поликлинике врачи контролируют насыщение кислородом с помощью пульсоксиметров — ; те клипы, которые вы надеваете на кончик пальца или ухо. Но мониторинг насыщения кислородом дома несколько раз в день может помочь пациентам следить, например, за симптомами COVID.

В экспериментальном исследовании, проведенном учеными Вашингтонского университета и Калифорнийского университета в Сан-Диего, было показано, что смартфоны способны определять уровень насыщения крови кислородом до 70%. Это наименьшее значение, которое должны измерять пульсоксиметры в соответствии с рекомендациями Управления по санитарному надзору за качеством пищевых продуктов и медикаментов США.

В этом методе участники помещают палец на камеру и вспышку смартфона, который использует алгоритм глубокого обучения для расшифровки уровня кислорода в крови. Когда команда доставила контролируемую смесь азота и кислорода шести испытуемым, чтобы искусственно снизить уровень кислорода в их крови, смартфон правильно предсказал, был ли у субъекта низкий уровень кислорода в крови в 80% случаев.

Команда опубликовала эти результаты 19 сентября в npj Digital Medicine.

Другие приложения для смартфонов, которые делают это, были разработаны, когда людей просили задержать дыхание. Но людям становится очень некомфортно, и им приходится дышать через минуту или около того, и это происходит до того, как уровень кислорода в их крови упадет настолько, чтобы представить полный спектр клинически значимых данных. С помощью нашего теста мы можем собрать 15 минут данных от каждого субъекта. Наши данные показывают, что смартфоны могут хорошо работать прямо в критическом пороговом диапазоне».

Джейсон Хоффман, соавтор, докторант Университета Вашингтона в Школе компьютерных наук и инженерии Пола Г. Аллена.

Еще одним преимуществом измерения уровня кислорода в крови на смартфоне является то, что он есть почти у каждого.

«Таким образом, вы могли бы проводить несколько измерений с помощью собственного устройства либо бесплатно, либо по низкой цене», — сказал соавтор доктор Мэтью Томпсон, профессор семейной медицины в Медицинской школе Университета Вашингтона. «В идеальном мире эта информация могла бы беспрепятственно передаваться в кабинет врача. Это было бы очень полезно для телемедицинских назначений или для медсестер, выполняющих сортировку, чтобы иметь возможность быстро определять, нужно ли пациентам обращаться в отделение неотложной помощи или они могут продолжать лечение. отдохните дома и запишитесь на прием к лечащему врачу позже».

Life Extension, MacuGuard, препарат с шафраном для укрепления зрения, 60 мягких таблеток

Команда набрала шесть участников в возрасте от 20 до 34 лет. Трое идентифицированы как женщины, трое — как мужчины. Один участник идентифицировал себя как афроамериканец, а остальные идентифицировали себя как кавказца.

Чтобы собрать данные для обучения и тестирования алгоритма, исследователи попросили каждого участника надеть стандартный пульсоксиметр на один палец, а затем поместить другой палец той же руки над камерой смартфона и вспышкой. У каждого участника была одна и та же установка на обеих руках одновременно.

«Камера записывает видео: каждый раз, когда ваше сердце бьется, свежая кровь течет через часть, освещенную вспышкой», — сказал старший автор Эдвард Ван, который начал этот проект, будучи докторантом Университета Вашингтона, изучающим электротехнику и компьютерную инженерию, а сейчас доцент Лаборатории дизайна Калифорнийского университета в Сан-Диего и факультета электротехники и вычислительной техники.

«Камера записывает, насколько кровь поглощает свет от вспышки в каждом из трех измеряемых цветовых каналов: красном, зеленом и синем», — сказал Ван, который также руководит лабораторией DigiHealth Калифорнийского университета в Сан-Диего. «Затем мы можем передать эти измерения интенсивности в нашу модель глубокого обучения».

Каждый участник вдыхал контролируемую смесь кислорода и азота, чтобы медленно снизить уровень кислорода. Процесс занял около 15 минут. Для всех шести участников команда получила более 10 000 показаний уровня кислорода в крови от 61% до 100%.

Исследователи использовали данные четырех участников, чтобы обучить алгоритм глубокого обучения для определения уровня кислорода в крови. Остальные данные использовались для проверки метода, а затем для проверки его эффективности на новых субъектах.

«Свет смартфона может рассеиваться всеми этими другими компонентами в вашем пальце, а это означает, что в данных, которые мы рассматриваем, много шума», — сказал соавтор Варун Вишванат, выпускник UW, который сейчас учится в докторантуре. консультировал Ван из Калифорнийского университета в Сан-Диего. «Глубокое обучение — действительно полезная техника, потому что она может видеть эти действительно сложные и нюансированные функции и помогает вам находить закономерности, которые вы иначе не смогли бы увидеть».

Команда надеется продолжить это исследование, протестировав алгоритм на большем количестве людей.

«У одного из наших испытуемых были толстые мозоли на пальцах, из-за чего нашему алгоритму было сложнее точно определить уровень кислорода в их крови», — сказал Хоффман. «Если бы мы расширили это исследование на большее количество субъектов, мы, вероятно, увидели бы больше людей с мозолями и больше людей с разными оттенками кожи. Тогда у нас потенциально мог бы быть алгоритм достаточной сложности, чтобы лучше моделировать все эти различия».

Но, по словам исследователей, это хороший первый шаг к разработке биомедицинских устройств, которым помогает машинное обучение.

«Очень важно провести такое исследование, — сказал Ван. «Традиционные медицинские устройства проходят тщательное тестирование. Но исследования в области компьютерных наук только начинают вонзать зубы в использование машинного обучения для разработки биомедицинских устройств, и мы все еще учимся. Заставляя себя быть строгими, мы заставляем себя научиться делать все правильно».