當我們吸氣時，我們的肺部充滿了含有氧氣的空氣，這些空氣會被分配到我們的紅血球中以便在我們的身體中運輸。為了發揮作用，我們的身體需要大量的氧氣，健康的人至少一直有95%的氧飽和度。
哮喘或COVID-19等疾病使身體更難從肺部吸收氧氣。這導致氧飽和度會下降到90%或以下，這表明需要醫療關注。
在醫院裡，醫生使用脈搏血氧儀來監測氧飽和度。脈搏血氧儀是那些放在指尖或耳朵上的夾子。在家裡，如果每天能多次監測氧飽和度那麼則有許多潛在的好處。
在一項原則性研究中，來自華盛頓大學(UW)和加州大學聖地亞哥分校(UCSD)的研究人員已經表明，智能手機能夠檢測到低至70%的血氧飽和度水平–根據美FDA的建議，這是脈搏血氧儀應該能夠測量的最低值。
這項技術涉及參與者將他們的手指放在智能手機的攝像頭和閃光燈上，智能手機使用深度學習算法來破譯血氧水平。在測試中，該團隊向六名受試者提供了受控的氮氣和氧氣混合物，從而人為地使他們的血氧水平下降。在80%的時間裡，智能手機正確預測了受試者是否有低血氧水平。
“其他能做到這一點的智能手機應用都是通過要求人們屏住呼吸而開發。但人們感到非常不舒服，在一分鐘左右就會不得不呼吸，而這時他們的血氧水平還沒有下降到足以代表臨床相關數據的全部範圍。通過我們的測試，我們能夠從每個受試者那裡收集15分鐘的數據。我們的數據顯示，智能手機可以在關鍵的閾值範圍內很好地工作，”Jason Hoffman說道。Hoffman是研究論文的共同第一作者。
在智能手機上測量血氧水平的另一個好處是，現在幾乎每個人都有一個。
“這樣一來，你就可以用自己的設備進行多次測量且不需要任何費用或費用很低，”研究論文共同作者、華盛頓大學醫學院家庭醫學教授Matthew Thompson博士說道，“在一個理想的世界里，這些信息可以無縫傳輸到醫生的辦公室。這對遠程醫療預約或分流護士來說真的很有好處，他們能迅速確定病人是否需要去急診室或他們是否可以繼續在家休息並在那之後跟他們的初級保健醫生預約。”
研究人員招募了6名年齡在20至34歲之間的參與者：三人是女性，三人是男性。他們中一名參與者為非裔美國人，其他參與者則為高加索人。
為了收集數據以訓練和測試算法，研究小組讓每個參與者在一個手指上佩戴標準脈搏血氧儀，然後將同一隻手的另一個手指放在智能手機的攝像頭和閃光燈上。每個參與者的兩隻手都同時有這樣的設置。
“攝像頭正在錄製視頻，”研究論文第一作者Edward Wang說道，“每當你的心臟跳動時，新鮮的血液就會流過被閃光燈照亮的部分。”據悉，Wang作為華盛頓大學研究電子和計算機工程的博士生開始這個項目，現在他則是加州大學聖地亞哥分校設計實驗室和電子和計算機工程系的助理教授。
Wang表示，相機記錄了血液在紅、綠、藍三個顏色通道中每一個通道對閃光燈光線的吸收程度，然後他們可以將這些強度測量值輸入其深度學習模型中。
據了解，每位參與者都吸入了受控的氧氣和氮氣混合物以慢慢降低氧氣水平。這個過程花了大約15分鐘。對於所有六個參與者，該團隊獲得了超10000個介於61%和100%之間的血氧水平讀數。
科學家們通過使用其中四名參與者的數據來訓練深度學習算法，以此來拉出血氧水平。他們用剩餘的數據來驗證該方法，然後對其進行測試以看看它在新的受試者身上表現如何。
“智能手機的光線會被你手指上的所有這些其他部件散射，這意味着我們正在看的數據中有很多噪音，”共同牽頭人Varun Viswanath說道，“深度學習在這裡是一種非常有用的技術，因為它可以看到這些非常複雜和細微的特徵，並幫助你找到你在其他方面無法看到的模式。”
研究團隊希望通過在更多人身上測試該算法來繼續這項研究。
“我們的一個研究對象的手指上有厚厚的繭，這使得我們的算法更難準確確定他們的血氧水平。如果我們將這項研究擴大到更多的受試者，我們可能會看到更多有老繭的人和更多有不同膚色的人。然後我們可能會有一個具有足夠複雜性的算法，從而能更好地模擬所有這些差異，”Hoffman說道。
但研究人員們表示，這是朝着開發由機器學習輔助的生物醫學設備邁出的良好第一步。
“做這樣的研究太重要了。傳統的醫療設備要經過嚴格的測試。但計算機科學研究仍剛剛開始挖掘其在生物醫學設備開發中使用機器學習的潛力，我們都還在學習。通過強迫自己嚴格要求自己，我們強迫自己學習如何正確做事，”Wang說道。