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 секунд пользовательского видео, с помощью которого она калибрует систему перед обнаружением основных показателей жизнедеятельности. На этапе калибровки можно отрегулировать 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 повышением производительности, но эта стратегия значительно повысила точность системы.
Использование калибровки для оптимизации производительности означает, что машинное обучение может быть реализовано 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.
- Демократизируйте машинное обучение и сделайте его доступным для более широкого круга разработчиков.
- Это означает, что объекту не остается огромных объемов информации, содержащейся в глобальных наборах данных.
Следующим шагом исследователей будет испытание технологии в клинических условиях.
Набирают популярность телемедицина и теледиагностика
Поскольку цифровое здравоохранение набирает популярность, подпитываемую Covid (и огромными инвестициями), исследователи спешат разработать технологические инструменты, которые могут обеспечить более точную удаленную медицинскую помощь.
Не только отдаленные жизненно важные признаки
В прошлом месяце у Amazon объявленный который расширит возможности удаленного медицинского обслуживания. Называется Amazon Care 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.
