当你的血氧饱和度偏低不舒服时，智能手机就能进行初步检测

当我们吸气时，我们的肺部充满了氧气，氧气被分配到我们的红细胞中，以便在我们的全身运输。我们的身体需要大量的氧气才能发挥作用，而健康人的氧饱和度保持在95%。

呼吸道疾病使身体更难从肺部吸收氧气。这导致氧饱和度百分比下降到 90% 或更低，这表明需要医疗护理。

在诊所里，医生使用脉搏血氧仪监测血氧饱和度，那些夹在指尖或耳朵上的夹子。

在一项原理验证研究中，智能手机能够检测低至 70% 的血氧饱和度水平。

该技术涉及参与者将手指放在智能手机的相机和闪光灯上，智能手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氮气和氧气混合物以人为降低他们的血氧水平时，智能手机在 80% 的时间内正确预测受试者的血氧水平是否偏低。

其他这样做的智能手机应用程序是通过要求人们屏住呼吸来开发的。但是人们会在大约一分钟后变得非常不舒服并且不得不呼吸，而那是在他们的血氧水平下降到足以代表所有临床相关数据之前，通过测试，能够从每个受试者那里收集 15 分钟的数据。数据显示，智能手机可以在临界阈值范围内正常工作。

通过这种方式，可以免费或低成本地使用自己的设备进行多次测量，在理想情况下，这些信息可以无缝传输到医生办公室。这对于远程医疗预约或分诊护士能够快速确定患者是否需要去急诊室，或者他们是否可以继续在家休息并稍后与初级保健提供者预约非常有益。

为了收集数据以训练和测试算法，研究人员让每个参与者在一根手指上佩戴标准脉搏血氧仪，然后将另一只手指放在同一只手上，放在智能手机的相机和闪光灯上。每个参与者同时在双手上进行相同的设置。

相机正在录制一段视频：心脏跳动时，新鲜的血液都会流过被闪光灯照亮的部分。

相机记录了血液在它测量的三个颜色通道中吸收了多少来自闪光灯的光：红色、绿色和蓝色，然后可以将这些强度测量值输入到深度学习模型中。

每个参与者都吸入受控的氧气和氮气混合物，以缓慢降低氧气水平。这个过程大约需要 15 分钟。对于所有六名参与者，该团队获得了超过 10,000 个介于 61% 和 99%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。其余数据用于验证该方法，然后对其进行测试以查看它在新受试者上的表现如何。

智能手机的光线会被手指中的所有这些其他组件散射，这意味着我们正在查看的数据中有很多噪音，深度学习在这里是一种非常有用的技术，因为它可以看到这些非常复杂和细微的特征，并帮助你找到原本无法看到的模式。

一个受试者的手指上有厚厚的老茧，这使得我们的算法更难准确地确定他们的血氧水平，如果我们将这项研究扩大到更多受试者，可能会看到更多长老茧的人和更多不同肤色的人。然后我们就有可能拥有一个足够复杂的算法，从而能够更好地模拟所有这些差异。

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。