基于智能手机的SpO2监测系统的探索

低氧血症是一种当血液没有携带足够的氧气来充分供应组织时引发的医学症状，是哮喘、慢性阻塞性肺病和新冠肺炎（COVID-19）等呼吸系统疾病出现危险并发症的主要标志。虽然专用的脉搏血氧仪可以提供准确的血氧饱和度（SpO2）读数，从而可以诊断低氧血症，但如果只需要升级相关软件即可利用原装的智能手机摄像头进行低氧血症的即时诊断，则可以让更多人可以更便利地获取有关其健康的重要信息。

在以往的研究中，已有研究人员针对基于智能手机的SpO2监测方法进行了探索，例如采用各种方法来收集和稳定光电容积脉搏波描记法（PPG）信号、增强红外（IR）滤波宽波段摄像头传感能力，以及过滤所得信号以进行噪声或异常值校正。其中一些方法需要额外的硬件（如滤色器或外部光源）支持，而其他方法仅依赖于原有的智能手机内置硬件并采用软件技术来处理PPG信号。这些先前的工作表明，基于智能手机的SpO2监测器有可能填补低氧血症即时诊断的空白，但目前还缺乏充足的、包含所有临床相关SpO2水平的验证数据。先前的研究可以验证的最低SpO2水平为80%，其采用的方法是让受试者屏气，由于很容易引起受试者的不适，这种方法仅限于短时间的数据收集，从而限制了研究结果的临床适用性。根据美国食品药品监督管理局（FDA）的规定，准许上市的反射式脉搏血氧仪设备，在进行处于临床范围内（70%–100%）的SpO2测量时，其误差要小于3.5%。

据麦姆斯咨询报道，来自华盛顿大学（University of Washington）、加州大学圣地亚哥分校（University of California San Diego）以及南卫理公会大学（Southern Methodist University）的研究人员基于FDA的规定，创新性地提出基于可变吸入气中的氧浓度分数（FiO2）的研究方法，该研究方法可以实现在全临床范围内，对基于智能手机摄像头的脉搏血氧仪的SpO2测量功能进行评估，如图1所示。相关研究成果以“Smartphone camera oximetry in an induced hypoxemia study”为题，发表于npj Digital Medicine期刊。

图1 基于智能手机摄像头的可变吸入气中的氧浓度分数（FiO2）研究方法

在这项工作中，研究人员向使用智能手机摄像头监测SpO2迈出了重要的一步。该研究的设想是，相比于之前的基于智能手机的研究，通过使用来自可变FiO2研究方法的数据进行模型训练，研究人员可以在更广泛的临床相关水平（70%-100%）上准确预测SpO2。研究结果表明，在70%-100%范围内，卷积神经网络（CNN）模型对新受试者SpO2水平的预测，平均绝对误差（MAE）可以控制在5.00%的水平(σ=1.9)的。此外，关于潜在的低氧血症筛查能力，研究表明，当新受试者的SpO2水平低于90%时，筛查的平均敏感性和特异性分别为81%和79%。

图2 来自可变吸入气中的氧浓度分数（FiO2）研究的回归分析结果、Bland-Altman一致性分析以及时间序列数据

为了进一步了解该研究中所开发模型的准确性，研究人员研究了排除数据集的子集对准确性的影响。由于与之前的研究相比，本研究中评估的范围更大，因此总体MAE要高于之前的研究结果。然而，一项数据消融研究表明，随着与SpO2读数真值较低相关的数据子集被删除，该研究所构建的模型的准确性接近其他已发表工作的准确性。值得注意的是，所有先前的概念验证工作，在评估过程中所采用的数据，其SpO2低于85%的比例都没有达到统计意义上的显著水平，但是在该项基于可变FiO2研究的数据集中，SpO2的最小数值是70%,同时所有SpO2水平真值的平均值为87.1%（图1C）。

具体地，研究人员首先对数据集进行二次采样，以便只包括高于最低阈值的SpO2真值样本。然后，研究人员对模型进行了重新训练和评估，以计算子数据集的MAE。在所有可能的阈值范围内，研究人员观察到最小SpO2值与由此产生的平均绝对误差之间存在负线性相关性。也就是说，随着减少训练和测试数据集中SpO2值的范围，该模型的预测会更加精确。

图3 数据消融研究

总体而言，在这项针对6名受试者的初步研究中，研究结果给出了正向的反馈，即在无需添加额外硬件的情况下，智能手机可以用于低氧血症的风险评估。为了验证该传感系统的有效性，研究人员利用可变FiO2研究方法诱导低氧血症，以收集更多数据，从而增加训练数据的多样性和深度学习模型的准确性。通过改进的模型，研究人员可以建立用户研究系统，将应用程序与独立的脉搏血氧仪结合使用，以评估基于该应用程序的方法在现实场景应用中的准确性。此外，进一步的研究方向可能涉及以不同方式处理或准备此类数据集，包括探索使用不同的感兴趣区域（ROI）进行信号提取，并以不同方式收集数据以研究预设相机增益的影响。此外，不同的智能手机型号具有不同的摄像头传感器配置，因此还应测试该模型的跨设备兼容性。

审核编辑：郭婷