Smartphonecamera’s kunnen nauwkeurig het zuurstofgehalte in het bloed meten


Bloedzuurstofniveaus gemeten met een smartphone camera

Onderzoekers hebben aangetoond dat smartphone camera’s in staat zijn om bloedzuurstofsaturatie niveaus te detecteren tot 70%, wat de laagste waarde is die speciale pulsoximeters moeten kunnen meten zoals aanbevolen door de U.S. Food and Drug Administration.

De proof-of-principle studie werd uitgevoerd door onderzoekers van de Universiteit van Washington en de Universiteit van Californië San Diego en publiceerde een paper over de resultaten in npj Digital Medicine. De methode vraagt deelnemers om hun vinger over de camera en flitser van een smartphone te plaatsen, die vervolgens de taak krijgt om het zuurstofgehalte in het bloed te ontcijferen met behulp van een app gewapend met een deep-learning algoritme.

De studie gebruikte zes deelnemers in de leeftijd van 20 tot 34 jaar, drie geïdentificeerd als vrouw en drie geïdentificeerd als man. Om het algoritme te trainen en te testen, lieten de onderzoekers elke deelnemer een standaard pulsoxymeter op één vinger dragen en tegelijkertijd een andere vinger op dezelfde hand boven de camera en flits van een smartphone plaatsen.

Bloedzuurstofgehalte gemeten door smartphone camera
Eén manier om zuurstofverzadiging te meten is het gebruik van pulsoximeters – die kleine clipjes die je over je vingertop doet (sommige hier grijs en blauw afgebeeld). In een proof-of-principle studie hebben onderzoekers van de University of Washington en de University of California San Diego aangetoond dat smartphones in staat zijn om de zuurstofverzadiging van het bloed te meten in een vergelijkbaar bereik als de losse clips. De techniek houdt in dat deelnemers hun vinger over de camera en flitser van een smartphone plaatsen.

“De camera neemt een video op: Elke keer dat je hart klopt, stroomt er vers bloed door het deel dat door de flitser wordt verlicht,” zegt senior auteur Edward Wang, die dit project begon als doctoraalstudent van de Universiteit van Washington die elektrische en computertechniek studeerde en nu assistent-professor is bij UC San Diego’s Design Lab en de afdeling Elektrische en Computertechniek.

“De camera registreert hoeveel dat bloed het licht van de flitser absorbeert in elk van de drie kleurkanalen die hij meet: rood, groen en blauw. Vervolgens kunnen we die intensiteitsmetingen invoeren in ons deep-learning model.”

Normaliter kan smartphone licht verstrooid raken rond de vele onderdelen waaruit een menselijke vinger bestaat, wat betekent dat er veel ruis in de gegevens zit. Deep learning werd gebruikt om door de ruis heen te kijken en patronen te vinden die anders moeilijk te onderscheiden zouden zijn, legt co-leider Varun Viswanath uit.

Het team zegt dat toen ze zes proefpersonen een gecontroleerd mengsel van stikstof en zuurstof toedienden om hun bloedzuurstofgehalte kunstmatig omlaag te brengen, de smartphone-app 80% van de tijd correct voorspelde of de proefpersoon een laag bloedzuurstofgehalte had.

“Andere smartphone-apps die dit doen werden ontwikkeld door mensen te vragen hun adem in te houden. Maar mensen worden erg ongemakkelijk en moeten na een minuut of zo ademhalen, en dat is voordat hun bloedzuurstofgehalte ver genoeg is gedaald om het volledige bereik van klinisch relevante gegevens weer te geven,” zegt co-lead auteur Jason Hoffman, een University of Wasthington promovendus in de Paul G. Allen School of Computer Science and Engineering.

“Met onze test zijn we in staat om 15 minuten aan gegevens van elke proefpersoon te verzamelen. Onze gegevens laten zien dat smartphones goed zouden kunnen werken in het kritische drempelgebied.”

Bloedzuurstofniveaus gemeten door smartphone camera

De onderzoekers zeggen dat de methode niet alleen goed werkt, maar ook gebruik maakt van een apparaat dat in principe iedereen al heeft, waardoor het thuis meten van het zuurstofgehalte in het bloed in theorie eenvoudig en voor vrijwel iedereen beschikbaar is.

“Op deze manier zou je meerdere metingen kunnen doen met je eigen apparaat zonder kosten of tegen lage kosten,” zegt co-auteur Dr. Matthew Thompson, hoogleraar huisartsgeneeskunde aan de University of Washington School of Medicine.

“In een ideale wereld zou deze informatie naadloos kunnen worden doorgestuurd naar een dokterspraktijk. Dit zou echt nuttig zijn voor telegeneeskundige afspraken of voor triageverpleegkundigen om snel te kunnen bepalen of patiënten naar de spoedeisende hulp moeten of dat ze thuis kunnen blijven rusten en later een afspraak kunnen maken met hun huisarts.”

Het team hoopt het onderzoek voort te zetten door de pool van gebruikers waarop het algoritme werd getest uit te breiden.

“Het is zo belangrijk om een studie als deze te doen,” zegt Wang. “Traditionele medische apparaten worden rigoureus getest. Maar het computeronderzoek begint nog maar net zijn tanden te zetten in het gebruik van machine learning voor de ontwikkeling van biomedische apparaten en we zijn allemaal nog aan het leren. Door onszelf te dwingen streng te zijn, dwingen we onszelf te leren hoe we dingen goed kunnen doen.”


Beeldcredits: Dennis Wise/Universiteit van Washington