スマートフォンは 70% までの血中酸素飽和度レベルを検出できることが研究で示されています



まず、立ち止まって深呼吸します。

息を吸うと、肺は酸素で満たされ、赤血球に分配されて体全体に運ばれます。 私たちの体は機能するために多くの酸素を必要とし、健康な人は常に少なくとも 95% の酸素飽和度を保っています。

喘息や COVID-19 などの状態では、体が肺から酸素を吸収することが難しくなります。 これにより、酸素飽和度が 90% 以下に低下し、医師の診察が必要であることが示されます。

診療所では、医師がパルスオキシメータを使用して酸素飽和度を監視します。 指先や耳にかぶせるクリップ。 しかし、自宅で酸素飽和度を 1 日に複数回モニタリングすることで、患者はたとえば COVID の症状に注意を払うことができます。

原理実証研究で、ワシントン大学とカリフォルニア大学サンディエゴ校の研究者は、スマートフォンが血中酸素飽和度を 70% まで検出できることを示しました。 これは、米国食品医薬品局が推奨する、パルスオキシメーターが測定できる最低値です。

この手法では、参加者がスマートフォンのカメラとフラッシュに指を置き、深層学習アルゴリズムを使用して血中酸素レベルを解読します。 チームが窒素と酸素の制御された混合物を 6 人の被験者に供給して人工的に血中酸素レベルを下げたところ、スマートフォンは被験者の血中酸素レベルが低いかどうかを 80% の確率で正確に予測しました。

チームはこれらの結果を 9 月 19 日に npj Digital Medicine に掲載しました。

これを行う他のスマートフォン アプリは、人々に息を止めるように求めることによって開発されました。 しかし、人々は非常に不快になり、約 1 分後に呼吸をしなければならなくなります。それは、血中酸素レベルが臨床的に関連するデータの全範囲を表すのに十分なほど低下する前のことです。 今回のテストでは、各被験者から 15 分間のデータを収集できました。 私たちのデータは、スマートフォンが臨界しきい値の範囲でうまく機能することを示しています。」


ジェイソン・ホフマン 共同筆頭著者、 Paul G. Allen School of Computer Science & Engineering の UW 博士課程の学生

スマートフォンで血中酸素濃度を測定するもう 1 つの利点は、ほとんどの人が持っていることです。

「このようにして、独自のデバイスで無料または低コストで複数の測定を行うことができます」と、共著者であり、UW 医学部の家庭医学の教授であるマシュー・トンプソン博士は述べています。 「理想的な世界では、この情報は診療所にシームレスに送信できます。これは、遠隔医療の予約やトリアージ看護師が患者が救急部門に行く必要があるかどうか、または継続できるかどうかを迅速に判断できるようにするのに非常に役立ちます。家で休んで、後で主治医に相談してください。」

チームは 20 歳から 34 歳までの 6 人の参加者を募集しました。3 人は女性、3 人は男性と特定説(推定)されました。 参加者の 1 人はアフリカ系アメリカ人であると特定説(推定)され、残りは白人であると特定説(推定)されました。

アルゴリズムをトレーニングしてテストするためのデータを収集するために、研究者は各参加者に標準的なパルスオキシメータを 1 本の指に装着させ、別の指を同じ手にスマートフォンのカメラとフラッシュの上に置きました。 各参加者は、これと同じセットアップを両手で同時に行いました。

「カメラはビデオを記録しています。心臓が鼓動するたびに、フラッシュに照らされた部分に新鮮な血液が流れます」と、電気工学およびコンピューター工学を学ぶ UW 博士課程の学生としてこのプロジェクトを開始した上級著者の Edward Wang 氏は述べています。カリフォルニア大学サンディエゴ校のデザイン ラボおよび電気およびコンピュータ工学科の助教授。

「カメラは、測定する 3 つのカラー チャネル (赤、緑、青) のそれぞれで、フラッシュからの光を血液がどれだけ吸収するかを記録します」と、UC サンディエゴの DigiHealth Lab のディレクターでもある Wang 氏は述べています。 「その後、これらの強度測定値を深層学習モデルにフィードできます。」

各参加者は、酸素レベルをゆっくりと下げるために、酸素と窒素の制御された混合気を吸い込みました。 このプロセスには約 15 分かかりました。 6 人の参加者全員について、チームは 61% から 100% の間で 10,000 を超える血中酸素レベルの測定値を取得しました。

研究者は、参加者のうち 4 人のデータを使用して、深層学習アルゴリズムをトレーニングし、血中酸素レベルを引き出しました。 残りのデータを使用してメソッドを検証し、テストして新しい被験者でのパフォーマンスを確認しました.

「スマートフォンの光は、指の他のすべてのコンポーネントによって散乱される可能性があります。つまり、私たちが見ているデータには多くのノイズが含まれているということです」カリフォルニア大学サンディエゴ校の Wang 氏のアドバイス。 「深層学習は、これらの非常に複雑で微妙な特徴を見ることができ、他の方法では見ることができないパターンを見つけるのに役立つため、ここで非常に役立つ技術です。」

チームは、より多くの人々でアルゴリズムをテストすることにより、この研究を継続したいと考えています.

「私たちの被験者の 1 人は、指に厚いたこがあり、アルゴリズムが血中酸素レベルを正確に判断するのを困難にしていました」と Hoffman 氏は述べています。 「この研究をより多くの被験者に拡大した場合、タコを持つ人や肌の色が異なる人が増える可能性があります。そうすれば、これらすべての違いをより適切にモデル化するのに十分な複雑さを備えたアルゴリズムが得られる可能性があります。」

しかし、研究者によると、これは機械学習を利用した生物医学デバイスの開発に向けた良い第一歩です。

「このような研究を行うことは非常に重要です」と Wang 氏は述べた。 「従来の医療機器は厳格なテストを受けています。しかし、コンピュータ サイエンスの研究は、生体医療機器の開発に機械学習を使用する方法を模索し始めたばかりであり、私たちはまだ学んでいます。厳格であることを強制することで、物事を正しく行う方法を学びなさい。」

ソース:

ジャーナルの参照:

ホフマン、JS、他。 (2022) 誘導性低酸素血症研究におけるスマートフォン カメラ オキシメトリ。 NPJデジタルメディスン. doi.org/10.1038/s41746-022-00665-y.



Source link