Τα οξύμετρα, συσκευές που μετρούν τα επίπεδα οξυγόνου στο αίμα, έγιναν ευρύτερα γνωστά λόγω της πανδημίας Covid-19. Όπως φαίνεται όμως θα μπορούσαν να αντικατασταθούν από τις κάμερες των κινητών.
Ερευνητές του Πανεπιστημίου της Ουάσιγκτον αναφέρουν ότι ανέπτυξαν έναν αλγόριθμο τεχνητής νοημοσύνης που εξετάζει εικόνες από την κάμερα του κινητού για να μετρήσει τον κορεσμό οξυγόνου στα μικρά αγγεία των δακτύλων.
Το μόνο που χρειάζεται να κάνει ο χρήστης είναι να τοποθετήσει ένα δάχτυλο πάνω στην κάμερα, καλύπτοντας ταυτόχρονα και το φλας.
Το σύστημα αποδείχθηκε αξιόπιστο σε μικρή δοκιμή με εθελοντές, οι οποίοι κλήθηκαν να εισπνεύσουν ένα μείγμα οξυγόνου και αζώτου που σταδιακά έριχνε τα επίπεδα οξυγόνου στο αίμα.
Η κάμερα τραβάει σε βίντεο το δάχτυλο ενώ φωτίζεται από το φλας (Dennis Wise/University of Washington)
Στους υγιείς ανθρώπους ο κορεσμός οξυγόνου διατηρείται πάντα πάνω από το 95%. Μπορεί να πέσει σε περίπτωση αναπνευστικών παθήσεων όπως η Covid-19, και οποιαδήποτε μέτρηση στο 90% χρήζει επείγουσας εξέτασης από γιατρό.
Οι ερευνητές μέτρησαν τα επίπεδα οξυγόνου ενώ οι εθελοντές φορούσαν ένα συμβατικό παλμικό οξύμετρο στο δάχτυλο ενός χεριού και το κινητό μετρούσε τα επίπεδα στο άλλο χέρι. Οι μετρήσεις από τις δύο συσκευές τροφοδοτήθηκαν σε έναν αλγόριθμο τεχνητής νοημοσύνης που σταδιακά έμαθε να μετρά τον κορεσμό οξυγόνου στις εικόνες του κινητού.
«Η κάμερα τραβά βίντεο. Κάθε φορά που χτυπάει η καρδιά σας, φρέσκο αίμα κυλά στην περιοχή που φωτίζεται από το φλας» εξηγεί ο Έντουαρντ Ουάνγκ, επικεφαλής της μελέτης που δημοσιεύεται στην επιθεώρηση Digital Medicine των εκδόσεων Nature.
«Η κάμερα μετρά πόσο απορροφάται το φως του φλας από το αίμα στα τρία χρωματικά κανάλια που καταταγράφει, κόκκινο, πράσινο και μπλε. Στη συνέχεια μπορούμε να τροφοδοτήσουμε το μοντέλο βαθιάς μάθησης με αυτές τις μετρήσεις έντασης».
Ο πείραμα έδειξε ότι το σύστημα μπορεί να μετρά επίπεδα οξυγόνου ακόμα και κάτω από 70%, το κατώτερο όριο στο οποίο πρέπει να φτάνουν τα συμβατικά παλμικά οξύμετρα σύμφωνα με τις συστάσεις της αμερικανικής Υπηρεσίας Τροφίμων και Φαρμάκων (FDA).
Η χρήση τεχνητής νοημοσύνης είναι απαραίτητη επειδή τα δεδομένα που συλλέγει η κάμερα παρουσιάζουν υψηλά επίπεδα θορύβου και θα ήταν αδύνατο να αξιολογηθούν με το μάτι, εξηγούν οι ερευνητές.
Επόμενος στόχος είναι να εκπαιδεύσουν το σύστημα με μεγαλύτερο δείγμα εθελοντών. «Ένας από τους συμμετέχοντες είχε κάλους στα δάχτυλα που δυσκόλευαν τον αλγόριθμο» αναφέρει ο Τζέισον Χόφμαν, μέλος της ερευνητικής ομάδας. «Θα θέλαμε να εξετάσουμε περισσότερους ανθρώπους με κάλους και με διαφορετικούς τόνους δέρματος. Θα μπορούσαμε έτσι να έχουμε έναν αλγόριθμο που μπορεί να μοντελοποιεί καλύτερα αυτά τα χαρακτηριστικά».
