La telesalud se ha convertido en una forma fundamental para que los médicos sigan brindando atención médica mientras minimizan el contacto en persona durante el COVID-19. Pero con las citas telefónicas o con Zoom, es más difícil para los médicos obtener signos vitales importantes de un paciente, como su pulso o frecuencia respiratoria, en tiempo real.
Un equipo dirigido por la Universidad de Washington ha desarrollado un método que utiliza la cámara del teléfono inteligente o la computadora de una persona para tomar su pulso y la señal de respiración de un video en tiempo real de su rostro. Los investigadores presentaron este sistema de vanguardia en diciembre en la conferencia Neural Information Processing Systems.
Ahora el equipo propone un sistema mejor para medir estas señales fisiológicas. Es menos probable que este sistema se active con diferentes cámaras, condiciones de iluminación o rasgos faciales, como el color de la piel. Los investigadores presentarán estos hallazgos el 8 de abril en la Conferencia ACM sobre Salud, Interferencia y Aprendizaje.
“El aprendizaje automático es bastante bueno para clasificar imágenes. Si le das una serie de fotos de gatos y luego le dices que busque gatos en otras imágenes, puede hacerlo. Pero para que el aprendizaje automático sea útil en la detección remota de la salud, necesitamos un sistema que puede identificar la región de interés en un video que contiene la fuente más fuerte de información fisiológica, el pulso, por ejemplo, y luego medir eso con el tiempo “, dijo el autor principal Xin Liu, estudiante de doctorado de la Universidad de Washington en Paul G Escuela Allen de Ingeniería y Ciencias de la Computación.
“Cada persona es diferente”, dijo Liu. “Por lo tanto, este sistema debe poder adaptarse rápidamente a la firma fisiológica única de cada persona y separarla de otras variaciones, como su apariencia y el entorno en el que se encuentra”.
El sistema del equipo preserva la privacidad (se ejecuta en el dispositivo en lugar de en la nube) y utiliza el aprendizaje automático para capturar cambios sutiles en la forma en que la luz se refleja en la cara de una persona, lo que se correlaciona con los cambios en el flujo sanguíneo. Luego, convierte estos cambios en pulso y frecuencia respiratoria.
La primera versión de este sistema se entrenó con un conjunto de datos que contenía videos de rostros de personas e información de “verdad fundamental”: el pulso y la frecuencia respiratoria de cada persona medidos por instrumentos estándar en el campo. Luego, el sistema utilizó información espacial y temporal de los videos para calcular ambos signos vitales. Superó a los sistemas de aprendizaje automático similares en videos en los que los sujetos se movían y hablaban.
Pero si bien el sistema funcionó bien en algunos conjuntos de datos, todavía tuvo problemas con otros que contenían diferentes personas, fondos e iluminación. Este es un problema común conocido como “sobreajuste”, dijo el equipo.
Los investigadores mejoraron el sistema al hacer que produjera un modelo de aprendizaje automático personalizado para cada individuo. Específicamente, ayuda a buscar áreas importantes en un fotograma de video que probablemente contengan características fisiológicas correlacionadas con el flujo sanguíneo cambiante en una cara en diferentes contextos, como diferentes tonos de piel, condiciones de iluminación y entornos. Desde allí, puede enfocarse en esa área y medir el pulso y la frecuencia respiratoria.
Si bien este nuevo sistema supera a su predecesor cuando se le brindan conjuntos de datos más desafiantes, especialmente para las personas con tonos de piel más oscuros, todavía hay más trabajo por hacer, dijo el equipo.
“Reconocemos que todavía hay una tendencia hacia un rendimiento inferior cuando el tipo de piel del sujeto es más oscuro”, dijo Liu. “Esto se debe en parte a que la luz se refleja de manera diferente en la piel más oscura, lo que resulta en una señal más débil para que la cámara la capte. Nuestro equipo está desarrollando activamente nuevos métodos para resolver esta limitación”.
Los investigadores también están trabajando en una variedad de colaboraciones con médicos para ver cómo funciona este sistema en la clínica.
“Cualquier capacidad para detectar el pulso o la frecuencia respiratoria de forma remota brinda nuevas oportunidades para la atención remota del paciente y la telemedicina. Esto podría incluir el cuidado personal, la atención de seguimiento o la clasificación, especialmente cuando alguien no tiene un acceso conveniente a una clínica”, dijo el senior. el autor Shwetak Patel, profesor tanto en la Escuela Allen como en el departamento de ingeniería eléctrica e informática. “Es emocionante ver a las comunidades académicas trabajando en nuevos enfoques algorítmicos para abordar esto con dispositivos que las personas tienen en sus hogares”.
Fuente de la historia:
Materiales proporcionados por Universidad de Washington. Original escrito por Sarah McQuate. Nota: El contenido puede editarse por estilo y longitud.
.