California San Diego Üniversitesi ve Washington Üniversitesi tarafından yapılan bir araştırmaya göre, kanınızdaki oksijen miktarını izlemek bir gün akıllı telefonunuz kullanılarak yapılabilir.
Evde veya hareket halindeyken oksijen doygunluğunu izleme yeteneğine sahip olmak, hastaların astım ve Kovid-19 gibi vücudun akciğerlerden oksijeni emmesini zorlaştıran koşullara dikkat etmelerine yardımcı olabilir. Bu koşullar, hastanın acil tıbbi müdahaleye ihtiyacı olduğunun bir göstergesi olarak, %90'a veya altına düşen oksijen satürasyon yüzdelerine yol açabilir. Referans olarak, sağlıklı bireylerin oksijen satürasyon seviyeleri yaklaşık %95'tir.
Bir kavram kanıtı çalışmasında araştırmacılar, akıllı telefonların kan oksijen doygunluk seviyelerini %70'e kadar tespit edebildiğini gösterdi. Bu, nabız oksimetrelerinin (klinikte kandaki oksijen seviyelerini ölçmek için kullanılan küçük klipsli cihazlar) ABD Gıda ve İlaç Dairesi tarafından önerildiği şekilde ölçebileceği en düşük değerdir.
Yeni teknik, katılımcıların parmak uçlarını kameranın ve bir akıllı telefonun flaşının üzerine yerleştirerek, ekibin kandaki oksijen seviyelerini deşifre etmek için eğittiği derin öğrenme algoritmasını kullanıyor. Ekip, kan oksijen seviyelerini yapay olarak düşürmek için altı deneğe kontrollü bir oksijen ve nitrojen karışımı verdiğinde, akıllı telefon, deneğin %80'inde kandaki oksijen seviyesinin düşük olup olmadığını doğru bir şekilde tahmin etti.
SONUÇLAR 19 EYLÜL'DE NPJ DİGİTAL MEDİCİNE DERGİSİNDE YAYINLANDI
UC San Diego'da elektrik ve bilgisayar mühendisliği profesörü ve bir öğretim üyesi olan kıdemli yazar Edward Wang, "Bu çalışma, titiz bir klinik prosedür yoluyla, akıllı telefonların yerleşik kameralarını kullanarak kandaki oksijenlenmeyi ne kadar iyi ölçebildiğini gösteren ilk çalışmadır" dedi. üniversitenin Tasarım Laboratuvarı üyesi. "İnsanların evde kendi oksijenlenmelerini izlemelerini sağlamak özellikle önemlidir, çünkü bu genellikle bir hastanın tehlikeli bir şekilde hastalanmadığından emin olmak için triyaj yapılması gereken ilk işaretlerden biridir."
Araştırmacılar, altı katılımcının bir parmağa standart bir nabız oksimetresi takmasını ve ardından aynı el üzerine başka bir parmağını bir akıllı telefonun kamerası ve flaşı üzerine yerleştirmesini sağladı. Her katılımcının aynı kurulumu her iki elinde aynı anda vardı.
Bu işlem sırasında akıllı telefonun kamerası bir video kaydeder. Doktora döneminde bu projeyi başlatan Wang, her kalp atışıyla parmağın flaşla aydınlatılan kısmından taze kan aktığını açıkladı. Washington Üniversitesi'nde öğrenci. "Kamera, ölçtüğü üç renk kanalının her birinde flaştan gelen ışığı ne kadar emdiğini kaydeder: kırmızı, yeşil ve mavi" dedi. Ortaya çıkan yoğunluk ölçümleri, bir derin öğrenme algoritmasına beslendi.
Her katılımcı, oksijen seviyelerini yavaşça azaltmak için kontrollü bir oksijen ve azot karışımı içinde nefes aldı. İşlem yaklaşık 15 dakika sürdü. Altı katılımcının tamamı için ekip, %61 ile %100 arasında 10.000'den fazla kan oksijen seviyesi ölçümü elde etti.
Araştırmacılar, kan oksijen seviyelerini tahmin etmek için derin öğrenme algoritmasını eğitmek için dört katılımcının verilerini kullandılar. Diğer iki katılımcıdan alınan veriler, yöntemi doğrulamak ve yeni deneklerde ne kadar iyi performans gösterdiğini görmek için test etmek için kullanıldı.
"Akıllı telefonun ışığı, parmağınızdaki tüm bu diğer bileşenler tarafından dağılabilir, bu da baktığımız verilerde çok fazla gürültü olduğu anlamına gelir" diyor, bir elektrik mühendisliği doktorası olan yardımcı yazar Varun Viswanath. Wang tarafından tavsiye edilen UC San Diego'da öğrenci. "Derin öğrenme burada gerçekten yararlı bir teknik çünkü bu gerçekten karmaşık ve nüanslı özellikleri görebilir ve başka türlü göremeyeceğiniz kalıpları bulmanıza yardımcı olur."
Ekip, akıllı telefon tekniğinin, insanların onu evde veya klinikte kullanmaya başlaması için daha uzun bir yol kat etmesi gerektiğini belirtiyor. Bu çalışma için ekip, yaşları 20 ile 34 arasında değişen altı katılımcıyı işe aldı. Üçü kadın, üçü erkek olarak belirlendi. Bir katılımcı Afrika kökenli Amerikalı olarak tanımlanırken, geri kalanı Kafkasyalı olarak tanımlandı. Teknolojinin herkes için doğru olduğundan emin olmak için algoritmanın farklı cilt tonlarına sahip daha fazla kişi üzerinde test edilmesi gerekecek.
Wang, "Vizyonumuz, bir gün, çeşitli insanlar ve akıllı telefon modelleri üzerinde daha sıkı testler yaparak bunun gibi akıllı telefon tabanlı sağlık monitörlerini iyileştirmeye devam ederken, insanların bir uygulamayı indirerek sağlıklarını doğrudan evde izleyebilmeleridir" dedi.