دوربین و فلاش گوشی هوشمند، سطح اکسیژن خون را اندازه گیری می کند

به گزارش سیناپرس، شرایطی مانند آسم یا COVID-19 جذب اکسیژن از ریه ها را برای بدن دشوارتر می کند. این منجر به درصد اشباع اکسیژن می شود که به 90٪ یا کمتر می رسد، که نشانه ای از نیاز به مراقبت پزشکی است.
در یک کلینیک، پزشکان سطح اشباع اکسیژن را با استفاده از پالس اکسی‌مترها کنترل می‌کنند، یعنی همان گیره‌هایی که روی نوک انگشت یا گوش شما قرار می‌دهند. اما نظارت بر سطح اشباع اکسیژن در خانه و چندین بار در روز می‌تواند به بیماران کمک کند تا علائم کووید را تحت نظر داشته باشند.
محققان دانشگاه واشنگتن و دانشگاه کالیفرنیا سن دیگو در یک مطالعه نشان داده‌اند که گوشی‌های هوشمند می‌توانند سطوح اشباع اکسیژن خون را تا 70 درصد تشخیص دهند. طبق توصیه سازمان غذا و داروی ایالات متحده، این کمترین مقداری است که پالس اکسیمترها باید بتوانند اندازه گیری کنند.
این تکنیک شامل قرار دادن انگشت خود روی دوربین و فلاش گوشی هوشمند است که از یک الگوریتم یادگیری عمیق برای رمزگشایی سطح اکسیژن خون استفاده می کند. هنگامی که تیم یک مخلوط کنترل شده از نیتروژن و اکسیژن را به شش نفر تحویل داند تا به طور مصنوعی سطح اکسیژن خون آنها را پایین بیاورند، تلفن هوشمند به درستی پیش بینی کرد که آیا مورد آزمایش در 80٪ مواقع سطح اکسیژن خون پایینی دارد یا خیر.
تیم این نتایج را در 19 سپتامبر در npj Digital Medicine منتشر کرد.
جیسون هافمن، یکی از نویسندگان، یک دانشجوی دکتری UW در دانشکده علوم و مهندسی کامپیوتر پل جی آلن، گفت: برنامه‌های دیگر گوشی‌های هوشمند که این کار را با درخواست از مردم برای حبس نفس انجام می‌دهند. اما مردم بسیار ناراحت می‌شوند و مجبور می‌شوند بعد از یک دقیقه یا بیشتر نفس بکشند، و این قبل از آن است که سطح اکسیژن خون آن‌ها به اندازه‌ای پایین بیاید که محدوده کامل را نشان دهد. داده‌های بالینی مرتبط با آزمایش خود را می‌توانیم با 15 دقیقه آزمایش از هر فرد جمع‌آوری کنیم. داده‌های ما نشان می‌دهد که گوشی‌های هوشمند می‌توانند در محدوده آستانه بحرانی به خوبی کار کنند.
یکی دیگر از مزایای اندازه گیری سطح اکسیژن خون در گوشی های هوشمند این است که افراد تقریباً همه یک دستگاه از آن را دارند.
دکتر متیو تامپسون، استاد پزشکی خانواده در دانشکده پزشکی UW، می‌گوید: به این ترتیب می‌توانید بدون هزینه یا هزینه کم با موبایل خود چندین اندازه‌گیری داشته باشید. در یک دنیای ایده آل، این اطلاعات می تواند به طور یکپارچه به مطب پزشک منتقل شود. این برای قرار ملاقات های پزشکی از راه دور یا برای پرستاران تریاژ بسیار مفید است تا بتوانند به سرعت تشخیص دهند که آیا بیماران نیاز به مراجعه به بخش اورژانس دارند یا اینکه آیا می توانند در خانه استراحت کنند و بعداً با ارائه دهنده مراقبت های اولیه خود قرار ملاقات بگذارند.
این تیم شش شرکت کننده را در محدوده سنی 20 تا 34 سال به کار گرفت. سه نفر زن و سه نفر مرد بودند. یکی از شرکت کنندگان به عنوان آمریکایی آفریقایی تبار شناسایی شد، در حالی که بقیه به عنوان سفید پوست بودند.
برای جمع‌آوری داده‌ها برای آموزش و آزمایش الگوریتم، محققان از هر شرکت‌کننده خواستند یک پالس اکسیمتر استاندارد را روی یک انگشت قراردهند و سپس انگشت دیگر را روی همان دست روی دوربین و فلاش گوشی هوشمند قرار دهند. این سیستم برای هر شرکت کننده به طور همزمان روی هر دو دست یکسان بود.
ادوارد وانگ، نویسنده ارشد، که این پروژه را به عنوان دانشجوی دکترای UW و در حال تحصیل در رشته مهندسی برق و کامپیوتر آغاز کرده است، گفت: دوربین در حال ضبط ویدیویی است، هر بار که قلب شما می تپد، خون تازه از طریق بخشی که توسط فلاش روشن شده است جریان می یابد.
وانگ که همچنین مدیر آزمایشگاه DigiHealth UC San Diego است، گفت: دوربین میزان جذب نور فلاش را در هر یک از سه کانال رنگی قرمز، سبز و آبی ثبت می‌کند. سپس می‌توانیم آن اندازه‌گیری‌های شدت نور را به مدل سیستم یادگیری عمیق دستگاه خود وارد کنیم.
هر شرکت کننده در یک مخلوط کنترل شده از اکسیژن و نیتروژن تنفس کرد تا به آرامی سطح اکسیژن را کاهش دهد. پروسه حدود 15 دقیقه طول کشید. برای هر شش شرکت‌کننده، تیم بیش از 10000 قرائت سطح اکسیژن خون را بین 61 تا 100 درصد به دست آورد.
محققان از داده‌های چهار نفر از شرکت‌کنندگان برای آموزش یک الگوریتم یادگیری عمیق برای به دست آوردن سطح اکسیژن خون استفاده کردند. بقیه داده‌ها برای اعتبارسنجی روش و سپس آزمایش آن برای مشاهده میزان عملکرد آن در موضوعات جدید استفاده شد.
وارون ویسوانف، یکی از فارغ‌التحصیلان دانشگاه UW که اکنون دانشجوی دکترا است، می‌گوید: نور گوشی‌های هوشمند می‌توانند توسط تمام این اجزای دیگر در انگشت شما پراکنده شوند، به این معنی که در داده‌هایی که ما به آن نگاه می‌کنیم نویز زیادی وجود دارد. یادگیری عمیق در اینجا یک تکنیک واقعا مفید است زیرا می تواند این ویژگی های بسیار پیچیده و ظریف را ببیند و به شما کمک می کند الگوهایی را پیدا کنید که در غیر این صورت قادر به دیدن آنها نبودید.
این تیم امیدوار است با آزمایش الگوریتم بر روی افراد بیشتری به این تحقیق ادامه دهد.
هافمن گفت: یکی از مشکلات آزمایش های ما افرادی با پینه‌های ضخیم روی انگشتان خود بودند که تعیین دقیق سطح اکسیژن خون را برای الگوریتم ما سخت‌تر می‌کرد. اگر بخواهیم این مطالعه را به موضوعات بیشتری گسترش دهیم، احتمالاً افراد بیشتری با پینه و افراد بیشتری با رنگ پوست متفاوت خواهیم دید. سپس به طور بالقوه می‌توانیم الگوریتمی با پیچیدگی کافی برای مدل‌سازی بهتر همه این تفاوت‌ها داشته باشیم.
اما به گفته محققان، این اولین گام خوب به سمت توسعه دستگاه‌های زیست پزشکی است که با یادگیری ماشینی تقویت شده است.
وانگ گفت: انجام مطالعه ای مانند این بسیار مهم است. دستگاه‌های پزشکی سنتی آزمایش‌های سختی را پشت سر می‌گذارند. اما تحقیقات علوم کامپیوتری هنوز در حال استفاده از یادگیری ماشینی برای توسعه دستگاه‌های زیست‌پزشکی هستند و همه ما هنوز در حال یادگیری هستیم. با مجبور کردن خود به سخت‌گیری، خود را مجبور می‌کنیم تا یاد بگیرید چگونه کارها را درست انجام دهیم.