基于智能手機的SpO2監(jiān)測系統(tǒng)的探索

低氧血癥是一種當血液沒有攜帶足夠的氧氣來充分供應(yīng)組織時引發(fā)的醫(yī)學癥狀，是哮喘、慢性阻塞性肺病和新冠肺炎（COVID-19）等呼吸系統(tǒng)疾病出現(xiàn)危險并發(fā)癥的主要標志。雖然專用的脈搏血氧儀可以提供準確的血氧飽和度（SpO2）讀數(shù)，從而可以診斷低氧血癥，但如果只需要升級相關(guān)軟件即可利用原裝的智能手機攝像頭進行低氧血癥的即時診斷，則可以讓更多人可以更便利地獲取有關(guān)其健康的重要信息。

在以往的研究中，已有研究人員針對基于智能手機的SpO2監(jiān)測方法進行了探索，例如采用各種方法來收集和穩(wěn)定光電容積脈搏波描記法（PPG）信號、增強紅外（IR）濾波寬波段攝像頭傳感能力，以及過濾所得信號以進行噪聲或異常值校正。其中一些方法需要額外的硬件（如濾色器或外部光源）支持，而其他方法僅依賴于原有的智能手機內(nèi)置硬件并采用軟件技術(shù)來處理PPG信號。這些先前的工作表明，基于智能手機的SpO2監(jiān)測器有可能填補低氧血癥即時診斷的空白，但目前還缺乏充足的、包含所有臨床相關(guān)SpO2水平的驗證數(shù)據(jù)。先前的研究可以驗證的最低SpO2水平為80%，其采用的方法是讓受試者屏氣，由于很容易引起受試者的不適，這種方法僅限于短時間的數(shù)據(jù)收集，從而限制了研究結(jié)果的臨床適用性。根據(jù)美國食品藥品監(jiān)督管理局（FDA）的規(guī)定，準許上市的反射式脈搏血氧儀設(shè)備，在進行處于臨床范圍內(nèi)（70%–100%）的SpO2測量時，其誤差要小于3.5%。

據(jù)麥姆斯咨詢報道，來自華盛頓大學（University of Washington）、加州大學圣地亞哥分校（University of California San Diego）以及南衛(wèi)理公會大學（Southern Methodist University）的研究人員基于FDA的規(guī)定，創(chuàng)新性地提出基于可變吸入氣中的氧濃度分數(shù)（FiO2）的研究方法，該研究方法可以實現(xiàn)在全臨床范圍內(nèi)，對基于智能手機攝像頭的脈搏血氧儀的SpO2測量功能進行評估，如圖1所示。相關(guān)研究成果以“Smartphone camera oximetry in an induced hypoxemia study”為題，發(fā)表于npj Digital Medicine期刊。

圖1 基于智能手機攝像頭的可變吸入氣中的氧濃度分數(shù)（FiO2）研究方法

在這項工作中，研究人員向使用智能手機攝像頭監(jiān)測SpO2邁出了重要的一步。該研究的設(shè)想是，相比于之前的基于智能手機的研究，通過使用來自可變FiO2研究方法的數(shù)據(jù)進行模型訓練，研究人員可以在更廣泛的臨床相關(guān)水平（70%-100%）上準確預測SpO2。研究結(jié)果表明，在70%-100%范圍內(nèi)，卷積神經(jīng)網(wǎng)絡(luò)（CNN）模型對新受試者SpO2水平的預測，平均絕對誤差（MAE）可以控制在5.00%的水平(σ=1.9)的。此外，關(guān)于潛在的低氧血癥篩查能力，研究表明，當新受試者的SpO2水平低于90%時，篩查的平均敏感性和特異性分別為81%和79%。

圖2 來自可變吸入氣中的氧濃度分數(shù)（FiO2）研究的回歸分析結(jié)果、Bland-Altman一致性分析以及時間序列數(shù)據(jù)

為了進一步了解該研究中所開發(fā)模型的準確性，研究人員研究了排除數(shù)據(jù)集的子集對準確性的影響。由于與之前的研究相比，本研究中評估的范圍更大，因此總體MAE要高于之前的研究結(jié)果。然而，一項數(shù)據(jù)消融研究表明，隨著與SpO2讀數(shù)真值較低相關(guān)的數(shù)據(jù)子集被刪除，該研究所構(gòu)建的模型的準確性接近其他已發(fā)表工作的準確性。值得注意的是，所有先前的概念驗證工作，在評估過程中所采用的數(shù)據(jù)，其SpO2低于85%的比例都沒有達到統(tǒng)計意義上的顯著水平，但是在該項基于可變FiO2研究的數(shù)據(jù)集中，SpO2的最小數(shù)值是70%,同時所有SpO2水平真值的平均值為87.1%（圖1C）。

具體地，研究人員首先對數(shù)據(jù)集進行二次采樣，以便只包括高于最低閾值的SpO2真值樣本。然后，研究人員對模型進行了重新訓練和評估，以計算子數(shù)據(jù)集的MAE。在所有可能的閾值范圍內(nèi)，研究人員觀察到最小SpO2值與由此產(chǎn)生的平均絕對誤差之間存在負線性相關(guān)性。也就是說，隨著減少訓練和測試數(shù)據(jù)集中SpO2值的范圍，該模型的預測會更加精確。

圖3 數(shù)據(jù)消融研究

總體而言，在這項針對6名受試者的初步研究中，研究結(jié)果給出了正向的反饋，即在無需添加額外硬件的情況下，智能手機可以用于低氧血癥的風險評估。為了驗證該傳感系統(tǒng)的有效性，研究人員利用可變FiO2研究方法誘導低氧血癥，以收集更多數(shù)據(jù)，從而增加訓練數(shù)據(jù)的多樣性和深度學習模型的準確性。通過改進的模型，研究人員可以建立用戶研究系統(tǒng)，將應(yīng)用程序與獨立的脈搏血氧儀結(jié)合使用，以評估基于該應(yīng)用程序的方法在現(xiàn)實場景應(yīng)用中的準確性。此外，進一步的研究方向可能涉及以不同方式處理或準備此類數(shù)據(jù)集，包括探索使用不同的感興趣區(qū)域（ROI）進行信號提取，并以不同方式收集數(shù)據(jù)以研究預設(shè)相機增益的影響。此外，不同的智能手機型號具有不同的攝像頭傳感器配置，因此還應(yīng)測試該模型的跨設(shè)備兼容性。

審核編輯：郭婷