En ny proof-of-princip-studie viser at en smarttelefons kamera og blits kan oppdage oksygenmetningsnivåer i blodet ned til 70 %.
Det er den laveste verdien som pulsoksymetre skal kunne måle, som anbefalt av US Food and Drug Administration.
Når vi puster inn, fylles lungene våre med oksygen, som distribueres til de røde blodcellene våre for transport gjennom hele kroppen. Kroppen vår trenger mye oksygen å fungere, og friske mennesker har minst 95 % oksygenmetning hele tiden.
Tilstander som astma eller covid-19 gjør det vanskeligere for kroppen å absorbere oksygen fra lungene. Dette fører til oksygenmetningsprosent som faller til 90 % eller under, en indikasjon på at legehjelp er nødvendig.
På en klinikk overvåker leger oksygenmetning ved hjelp av pulsoksymetre – de klipsene du setter over fingertuppen eller øret. Men å overvåke oksygenmetning hjemme flere ganger om dagen kan hjelpe pasienter med å holde øye med COVID-symptomer, for eksempel.
Den nye teknikken innebærer at deltakerne legger fingeren over kameraet og blitsen på en smarttelefon, som bruker en dyp-læringsalgoritme for å tyde oksygennivået i blodet. Da teamet leverte en kontrollert blanding av nitrogen og oksygen til seks forsøkspersoner for kunstig å få ned oksygennivået i blodet, spådde smarttelefonen riktig om personen hadde lave oksygennivåer i blodet 80 % av tiden.
“Andre smarttelefonapper som gjør dette ble utviklet ved å be folk holde pusten. Men folk blir veldig ukomfortable og må puste etter et minutt eller så, og det er før oksygennivået i blodet har sunket langt nok til å representere hele spekteret av klinisk relevante data, sier medforfatter Jason Hoffman, en doktorgradsstudent. ved Paul G. Allen School of Computer Science & Engineering ved University of Washington.
«Med testen vår er vi i stand til å samle 15 minutter med data fra hvert fag. Dataene våre viser at smarttelefoner kan fungere godt innenfor det kritiske terskelområdet.»
En annen fordel med å måle oksygennivået i blodet på en smarttelefon er at nesten alle har en.
“På denne måten kan du ha flere målinger med din egen enhet uten kostnad eller lav pris,” sier medforfatter Matthew Thompson, professor i familiemedisin ved School of Medicine.
“I en ideell verden kan denne informasjonen overføres sømløst til et legekontor. Dette ville være veldig gunstig for telemedisin avtaler eller for triagesykepleiere for raskt å kunne avgjøre om pasienter trenger å gå til akuttmottaket eller om de kan fortsette å hvile hjemme og bestille time hos primærhelsetjenesten senere.”
AI sporer oksygennivået i blodet
For studien, publisert i npj Digital medisin, rekrutterte teamet seks deltakere i alderen 20 til 34. Tre identifisert som kvinner, tre identifisert som mannlige. En deltaker identifiserte seg som afroamerikaner, mens resten identifiserte seg som kaukasisk.
For å samle data for å trene og teste algoritmen, fikk forskerne hver deltaker til å bære et standard pulsoksymeter på én finger og deretter plassere en annen finger på den samme hånden over en smarttelefons kamera og blits. Hver deltaker hadde samme oppsett på begge hender samtidig.
“Kameraet tar opp en video: Hver gang hjertet ditt slår, strømmer friskt blod gjennom delen som er opplyst av blitsen,” sier seniorforfatter Edward Wang, som startet dette prosjektet som doktorgradsstudent ved University of Washington som studerer elektro- og datateknikk og er nå assisterende professor ved University of California, San Diego.
“Kameraet registrerer hvor mye blodet absorberer lyset fra blitsen i hver av de tre fargekanalene det måler: rødt, grønt og blått,” sier Wang. “Så kan vi mate disse intensitetsmålingene inn i vår dyplæringsmodell.”
Hver deltaker pustet inn en kontrollert blanding av oksygen og nitrogen for sakte å redusere oksygennivået. Prosessen tok omtrent 15 minutter. For alle seks deltakerne oppnådde teamet mer enn 10 000 blodoksygennivåavlesninger mellom 61 % og 100 %.
Forskerne brukte data fra fire av deltakerne for å trene en dyp læringsalgoritme for å trekke ut oksygennivået i blodet. Resten av dataene ble brukt til å validere metoden og deretter teste den for å se hvor godt den presterte på nye forsøkspersoner.
“Smarttelefonlys kan bli spredt av alle disse andre komponentene i fingeren din, noe som betyr at det er mye støy i dataene vi ser på,” sier medforfatter Varun Viswanath, en alumnus ved University of Washington som nå er en doktorgradsstudent rådet ved UC San Diego.
“Dyplæring er en veldig nyttig teknikk her fordi den kan se disse virkelig komplekse og nyanserte funksjonene og hjelper deg med å finne mønstre du ellers ikke ville kunne se.”
Hård hud og hudtoner
Teamet håper å fortsette denne forskningen ved å teste algoritmen på flere mennesker.
“En av våre forsøkspersoner hadde tykk hard hud på fingrene, noe som gjorde det vanskeligere for algoritmen vår å nøyaktig bestemme oksygennivået i blodet,” sier Hoffman.
“Hvis vi skulle utvide denne studien til flere emner, ville vi sannsynligvis se flere mennesker med hard hud og flere mennesker med forskjellige hudtoner. Da kan vi potensielt ha en algoritme med nok kompleksitet til å kunne modellere alle disse forskjellene bedre.»
Men, sier forskerne, dette er et godt første skritt mot å utvikle biomedisinske enheter som er hjulpet av maskinlæring.
“Det er så viktig å gjøre en studie som dette,” sier Wang. “Tradisjonell medisinsk utstyr gjennomgår strenge tester. Men informatikkforskningen begynner fortsatt å grave tenner i å bruke maskinlæring til biomedisinsk utstyr utvikling og vi lærer alle fortsatt. Ved å tvinge oss selv til å være strenge, tvinger vi oss selv til å lære å gjøre ting riktig.”
Ytterligere medforfattere er fra Southern Methodist University og University of Washington.
University of Washington finansierte arbeidet. Forskerne har søkt patent som dekker systemer og metoder for SpO2-klassifisering ved bruk av smarttelefoner.
Kilde: University of Washington