В международная конференция по здравоохранению на этой неделе ученые изВашингтонский университет e Microsoft Research представит новая технология который позволяет медицинским работникам удаленно контролировать жизненно важные показатели пациента (пульс и частоту сердечных сокращений).
Инструмент использует камеру смартфона или компьютера для съемки лица человека на видео. Это видео анализируется для измерения изменений света, отраженного от кожи пациента, что, в свою очередь, связано с изменениями объема крови и кровообращения.
Исследователи из UW и Microsoft использовали машинное обучение и три набора данных видео и статистики здоровья для обучения своей системы.
Заявление об отказе от ответственности
Это также произошло в недавнем прошлом с другими проектами машинного обучения. Опять же, технология работала менее точно между людьми разных рас. В этом случае более светлая кожа обладает большей отражающей способностью, в то время как более темная кожа поглощает больше света, и инструменту труднее воспринимать тонкие изменения в отражениях.
«Каждый человек индивидуален. Для этого система должна иметь возможность быстро адаптироваться к уникальной физиологической характеристике каждого человека и отделить ее от других вариаций. Необходимо исключить то, как они выглядят, и среду, в которой они находятся, чтобы лучше отслеживать показатели жизнедеятельности », - говорит он. Синь Лю , ведущий автор исследования и аспирант Школы компьютерных наук и инженерии Пола Г. Аллена.
Исследователи нашли решение проблемы цвета кожи: система собирает 18-секундное видео пользователя, с помощью которого она калибрует систему перед обнаружением основных показателей жизнедеятельности. На этапе калибровки можно настроить тон кожи, возраст пациента (тонкая и молодая кожа младенцев и детей ведет себя иначе, чем кожа пожилого пользователя), растительность на лице, фон, освещение и другие факторы. Ученые работают над дальнейшим улучшением производительности, но эта стратегия значительно повысила точность системы.
Использование калибровки для оптимизации производительности означает, что машинное обучение можно реализовать с меньшими наборами данных.
Это хорошие новости для Дэниел Макдафф, соавтор и исследователь Microsoft Research. Как минимум по трем причинам:
- Меньшие наборы данных приводят к большему сохранению конфиденциальности, поскольку меньше людей нужно предоставлять информацию.
- Демократизировать и сделать машинное обучение доступным для более широкого круга разработчиков.
- Это означает, что объект не остается во владении огромными объемами информации, захваченной в глобальных наборах данных.
Следующим шагом исследователей будет испытание технологии в клинических условиях.
Набирают популярность телемедицина и теледиагностика
По мере того, как цифровое здравоохранение набирает популярность, подпитываемую Covid (и огромными инвестициями), исследователи спешат разработать технологические инструменты, которые могут предоставлять еще более точную удаленную медицинскую помощь.
Не только отдаленные жизненно важные признаки
В прошлом месяце у Amazon объявленный который расширит возможности удаленного медицинского обслуживания. Называется Уход за Амазонкой и он был зарезервирован только для сотрудников. Теперь это также будет для лиц, не являющихся сотрудниками, сначала в штате Вашингтон, а затем по всей стране к концу года. Стартап телемедицины в Сиэтле 98point6 он резко растет. Другая группа исследователей (также из Вашингтонского университета) представил технологию который использует искусственный интеллект для превращения умных динамиков в чувствительные медицинские устройства, которые могут обнаруживать нерегулярное сердцебиение.
