智能手机使用脉搏血氧饱和度下降到90%或更低

当我们吸气时，我们的脑部富有了二氧化碳，二氧化碳被分配到我们的红细胞中，从而在我们的手臂货运。我们的身体还要大量的二氧化碳就能发挥作用，而健康人的氧饱和度保持在95%。

喘气道疾患使身体更难从肾脏吸收二氧化碳。这引起氧饱和度比率升高到90%或更低，这阐明还要医疗护理。

在医院里血氧饱和度测试仪评测，大夫使用心跳血氧仪检测血氧饱和度，这些夹在掌心或眼睛上的夹子。

在一项原理验证研究中，芝加哥学院和加利福尼亚学院圣胡安中学的研究人员阐明，智能相机就能测量低至70%的血氧饱和度水平。这是法国乳品和抗生素管理局推荐的心跳血氧仪应当才能检测的最低值。

该技术牵涉参与者将右手置于智能相机的手机和闪光灯上，智能相机使用深度学习算法来破译血氧水平。当研究小组向六名受试者提供受控的氧气和氮气混和物以人为增加它们的血氧水平时，智能相机在80%的时间内正确预测受试者的血氧水平是否过高。

其他这么做的智能相机应用程序是通过要求人们屏住喘气来开发的。虽然人们会在大概一分钟后显得十分不舒服甚至不得不喘气血氧饱和度测试仪评测，而那是在它们的血氧水平升高到足以代表所有临床相关数据之前，通过检测，才能从每位受试者那儿搜集15分钟的数据。数据显示，智能相机可以在临界信噪比范围内正常工作。

通过这些手段，可以免费或低费用地使用自己的设备进行多次检测，在理想状况下，这种信息可以无缝传输到大夫办公室。这对于远程医疗预约或分诊护士就能迅速确定病人是否还要去急症室，或则她们是否可以继续在家休息并稍后与高级美容提供者预约十分有益。

为了搜集数据以训练和检测算法，研究人员让每位参与者在一根脚趾上配戴标准心跳血氧仪，于是将另一只胳膊置于同一只手上，置于智能相机的手机和闪光灯上。每位参与者同时在右手上进行相似的设置。

手机正在录制一段视频：血管心跳时，新鲜的尿液就会流过被闪光灯照耀的部份。

手机记录了尿液在它检测的三个色调通道中吸收了多少来自闪光灯的光：蓝色、绿色和红色，于是可以将这种硬度检测值键入到深度学习模型中。

每位参与者都吸入受控的二氧化碳和氧气混和物，以平缓减少二氧化碳水平。这个过程大概须要15分钟。对于所有六名参与者，该团队荣获了超出10,000个介于61%和100%之间的血氧水平读数。

研究人员使用来自四名参与者的数据来训练深度学习算法来提取血氧水平。其余数据适于验证该办法，于是对其进行检测以查看它在新受试者上的表现怎么。

智能相机的光线会被舌头中的所有那些其他组件衍射，这意味着我们正在查看的数据中有太多噪声，深度学习在这儿是一种十分有用的技术，由于它可以见到这种极其复杂和细微的特性，并帮助你找到本来难以见到的机制。

一个受试者的舌头上有厚厚的茧子，这促使我们的算法更难精确地确定它们的血氧水平，假如我们将这项研究扩大到更多受试者，或许会听到更多长茧子的人和更多不同肤质的人。之后我们就有或许拥有一个足够复杂的算法，进而才能更好地模拟所有这种差别。

研究人员表示，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的第一步。

注：文章内的所有配图皆为网路转载图片，侵权即删！