La cámara del celular podría medir los niveles de oxígeno en la sangre sin salir de casa

Cuando inhalamos, nuestros pulmones se llenan de oxígeno, que se distribuye a nuestros glóbulos rojos para su transporte por todo el cuerpo.

Nuestros cuerpos necesitan mucho oxígeno para funcionar, y las personas sanas tienen al menos un 95 % de saturación de oxígeno todo el tiempo.

Condiciones como el asma o el COVID-19 dificultan que los cuerpos absorban el oxígeno de los pulmones.

Esto conduce a porcentajes de saturación de oxígeno que caen al 90% o menos, una indicación de que se necesita atención médica.

En una clínica, los médicos controlan la saturación de oxígeno con oxímetros de pulso, esos clips que se colocan sobre la punta del dedo o la oreja.

Pero monitorear la saturación de oxígeno en el hogar varias veces al día podría ayudar a los pacientes a controlar los síntomas de COVID, por ejemplo.

En un estudio de prueba de principio, investigadores de la Universidad de Washington y la Universidad de California en San Diego demostraron que los teléfonos inteligentes son capaces de detectar niveles de saturación de oxígeno en la sangre de hasta el 70 %.

Este es el valor más bajo que los oxímetros de pulso deberían poder medir, según lo recomendado por la Administración de Drogas y Alimentos de los EE. UU.

La técnica consiste en que los participantes coloquen el dedo sobre la cámara y el flash de un teléfono inteligente, que utiliza un algoritmo de aprendizaje profundo para descifrar los niveles de oxígeno en la sangre.

Cuando el equipo entregó una mezcla controlada de nitrógeno y oxígeno a seis sujetos para reducir artificialmente sus niveles de oxígeno en la sangre, el teléfono inteligente predijo correctamente si el sujeto tenía niveles bajos de oxígeno en la sangre el 80 % de las veces.

“Otras aplicaciones para teléfonos inteligentes que hacen esto se desarrollaron pidiendo a las personas que contuvieran la respiración.

Pero las personas se sienten muy incómodas y tienen que respirar después de un minuto más o menos, y eso es antes de que sus niveles de oxígeno en la sangre hayan bajado lo suficiente como para representar la gama completa de datos clínicamente relevantes”, dijo el coautor principal Jason Hoffman, un doctorado de la UW. estudiante en la Escuela de Informática e Ingeniería Paul G. Allen.

“Con nuestra prueba, podemos recopilar 15 minutos de datos de cada sujeto.

Nuestros datos muestran que los teléfonos inteligentes podrían funcionar bien en el rango de umbral crítico”.

Otro beneficio de medir los niveles de oxígeno en la sangre en un teléfono inteligente es que casi todo el mundo tiene uno.

“De esta manera, podría tener múltiples mediciones con su propio dispositivo sin costo o a bajo costo”, dijo el coautor, el Dr. Matthew Thompson, profesor de medicina familiar en la Facultad de Medicina de la UW.

“En un mundo ideal, esta información podría transmitirse sin problemas al consultorio de un médico.

Esto sería realmente beneficioso para las citas de telemedicina o para que las enfermeras de triaje puedan determinar rápidamente si los pacientes necesitan ir al departamento de emergencias o si pueden continuar descansando en casa y programar una cita con su proveedor de atención primaria más tarde”.

El equipo reclutó a seis participantes con edades comprendidas entre los 20 y los 34 años.

Tres identificados como mujeres, tres identificados como hombres.

Un participante se identificó como afroamericano, mientras que el resto se identificó como caucásico.

Para recopilar datos para entrenar y probar el algoritmo, los investigadores hicieron que cada participante usara un oxímetro de pulso estándar en un dedo y luego colocara otro dedo en la misma mano sobre la cámara y el flash de un teléfono inteligente.

Cada participante tenía esta misma configuración en ambas manos simultáneamente.

“La cámara está grabando un video: cada vez que tu corazón late, sangre fresca fluye a través de la parte iluminada por el flash“, dijo el autor principal Edward Wang, quien comenzó este proyecto como estudiante de doctorado en ingeniería eléctrica e informática de la UW y ahora es un profesor asistente en el Laboratorio de Diseño de UC San Diego y el Departamento de Ingeniería Eléctrica e Informática.

“La cámara registra cuánto absorbe la sangre la luz del flash en cada uno de los tres canales de color que mide: rojo, verde y azul”, dijo Wang, quien también dirige el Laboratorio DigiHealth de UC San Diego.

“Entonces podemos alimentar esas mediciones de intensidad en nuestro modelo de aprendizaje profundo”.

Cada participante respiró una mezcla controlada de oxígeno y nitrógeno para reducir lentamente los niveles de oxígeno.

El proceso duró unos 15 minutos. Para los seis participantes, el equipo obtuvo más de 10 000 lecturas de niveles de oxígeno en sangre entre 61 % y 100 %.

Los investigadores utilizaron datos de cuatro de los participantes para entrenar un algoritmo de aprendizaje profundo para extraer los niveles de oxígeno en la sangre.

El resto de los datos se usó para validar el método y luego probarlo para ver qué tan bien funcionaba en nuevos sujetos.

“La luz del teléfono inteligente puede dispersarse por todos estos otros componentes en su dedo, lo que significa que hay mucho ruido en los datos que estamos viendo“, dijo el coautor principal Varun Viswanath, un ex alumno de la UW que ahora es estudiante de doctorado. asesorado por Wang en UC San Diego.

“El aprendizaje profundo es una técnica realmente útil aquí porque puede ver estas características realmente complejas y matizadas y lo ayuda a encontrar patrones que de otro modo no podría ver”.

El equipo espera continuar esta investigación probando el algoritmo en más personas.

“Uno de nuestros sujetos tenía callos gruesos en los dedos, lo que dificultaba que nuestro algoritmo determinara con precisión sus niveles de oxígeno en la sangre”, dijo Hoffman.

“Si ampliáramos este estudio a más sujetos, probablemente veríamos más personas con callos y más personas con diferentes tonos de piel.

Entonces, potencialmente podríamos tener un algoritmo con suficiente complejidad para poder modelar mejor todas estas diferencias”.

Pero, dijeron los investigadores, este es un buen primer paso hacia el desarrollo de dispositivos biomédicos que cuentan con la ayuda del aprendizaje automático.

Fuente: University of Washington