智能手机测血氧是什么原理（智能手机可帮助人们在家中）

智能手机测血氧是什么原理（智能手机可帮助人们在家中）研究人员招募了6名年龄在20至34岁之间的参与者：三人是女性，三人是男性。他们中一名参与者为非裔美国人，其他参与者则为高加索人。“这样一来，你就可以用自己的设备进行多次测量且不需要任何费用或费用很低，”研究论文共同作者、华盛顿大学医学院家庭医学教授Matthew Thompson博士说道，“在一个理想的世界里，这些信息可以无缝传输到医生的办公室。这对远程医疗预约或分流护士来说真的很有好处，他们能迅速确定病人是否需要去急诊室或他们是否可以继续在家休息并在那之后跟他们的初级保健医生预约。”这项技术涉及参与者将他们的手指放在智能手机的摄像头和闪光灯上，智能手机使用深度学习算法来破译血氧水平。在测试中，该团队向六名受试者提供了受控的氮气和氧气混合物，从而人为地使他们的血氧水平下降。在80%的时间里，智能手机正确预测了受试者是否有低血氧水平。“其他能做到这一点的智能手机应用都是通过要求人们屏住呼吸而

当我们吸气时，我们的肺部充满了含有氧气的空气，这些空气会被分配到我们的红血球中以便在我们的身体中运输。为了发挥作用，我们的身体需要大量的氧气，健康的人至少一直有95%的氧饱和度。

哮喘或COVID-19等疾病使身体更难从肺部吸收氧气。这导致氧饱和度会下降到90%或以下，这表明需要医疗关注。

在医院里，医生使用脉搏血氧仪来监测氧饱和度。脉搏血氧仪是那些放在指尖或耳朵上的夹子。在家里，如果每天能多次监测氧饱和度那么则有许多潜在的好处。

在一项原则性研究中，来自华盛顿大学(UW)和加州大学圣地亚哥分校(UCSD)的研究人员已经表明，智能手机能够检测到低至70%的血氧饱和度水平--根据美FDA的建议，这是脉搏血氧仪应该能够测量的最低值。

这项技术涉及参与者将他们的手指放在智能手机的摄像头和闪光灯上，智能手机使用深度学习算法来破译血氧水平。在测试中，该团队向六名受试者提供了受控的氮气和氧气混合物，从而人为地使他们的血氧水平下降。在80%的时间里，智能手机正确预测了受试者是否有低血氧水平。

“其他能做到这一点的智能手机应用都是通过要求人们屏住呼吸而开发。但人们感到非常不舒服，在一分钟左右就会不得不呼吸，而这时他们的血氧水平还没有下降到足以代表临床相关数据的全部范围。通过我们的测试，我们能够从每个受试者那里收集15分钟的数据。我们的数据显示，智能手机可以在关键的阈值范围内很好地工作，”Jason Hoffman说道。Hoffman是研究论文的共同第一作者。

在智能手机上测量血氧水平的另一个好处是，现在几乎每个人都有一个。

“这样一来，你就可以用自己的设备进行多次测量且不需要任何费用或费用很低，”研究论文共同作者、华盛顿大学医学院家庭医学教授Matthew Thompson博士说道，“在一个理想的世界里，这些信息可以无缝传输到医生的办公室。这对远程医疗预约或分流护士来说真的很有好处，他们能迅速确定病人是否需要去急诊室或他们是否可以继续在家休息并在那之后跟他们的初级保健医生预约。”

研究人员招募了6名年龄在20至34岁之间的参与者：三人是女性，三人是男性。他们中一名参与者为非裔美国人，其他参与者则为高加索人。

为了收集数据以训练和测试算法，研究小组让每个参与者在一个手指上佩戴标准脉搏血氧仪，然后将同一只手的另一个手指放在智能手机的摄像头和闪光灯上。每个参与者的两只手都同时有这样的设置。

“摄像头正在录制视频，”研究论文第一作者Edward Wang说道，“每当你的心脏跳动时，新鲜的血液就会流过被闪光灯照亮的部分。”据悉，Wang作为华盛顿大学研究电子和计算机工程的博士生开始这个项目，现在他则是加州大学圣地亚哥分校设计实验室和电子和计算机工程系的助理教授。

Wang表示，相机记录了血液在红、绿、蓝三个颜色通道中每一个通道对闪光灯光线的吸收程度，然后他们可以将这些强度测量值输入其深度学习模型中。

据了解，每位参与者都吸入了受控的氧气和氮气混合物以慢慢降低氧气水平。这个过程花了大约15分钟。对于所有六个参与者，该团队获得了超10000个介于61%和100%之间的血氧水平读数。

科学家们通过使用其中四名参与者的数据来训练深度学习算法，以此来拉出血氧水平。他们用剩余的数据来验证该方法，然后对其进行测试以看看它在新的受试者身上表现如何。

“智能手机的光线会被你手指上的所有这些其他部件散射，这意味着我们正在看的数据中有很多噪音，”共同牵头人Varun Viswanath说道，“深度学习在这里是一种非常有用的技术，因为它可以看到这些非常复杂和细微的特征，并帮助你找到你在其他方面无法看到的模式。”

研究团队希望通过在更多人身上测试该算法来继续这项研究。

“我们的一个研究对象的手指上有厚厚的茧，这使得我们的算法更难准确确定他们的血氧水平。如果我们将这项研究扩大到更多的受试者，我们可能会看到更多有老茧的人和更多有不同肤色的人。然后我们可能会有一个具有足够复杂性的算法，从而能更好地模拟所有这些差异，”Hoffman说道。

但研究人员们表示，这是朝着开发由机器学习辅助的生物医学设备迈出的良好第一步。

“做这样的研究太重要了。传统的医疗设备要经过严格的测试。但计算机科学研究仍刚刚开始挖掘其在生物医学设备开发中使用机器学习的潜力，我们都还在学习。通过强迫自己严格要求自己，我们强迫自己学习如何正确做事，”Wang说道。