で 国際保健会議 今週、科学者たちはワシントン大学 e マイクロソフトリサーチ 提示します 新技術 これにより、医療専門家は患者のバイタルサイン(脈拍と心拍数)をリモートで監視できます。
このツールは、スマートフォンまたはコンピューターのカメラを使用して、人物の顔のビデオをキャプチャします。 そのビデオは、患者の皮膚から反射された光の変化を測定するために分析されます。これは、血液量と血液循環の変化に関連しています。
UWとMicrosoftの研究者は、機械学習とビデオおよび健康統計のXNUMXつのデータセットを使用して、システムをトレーニングしました。


免責事項
最近では、他の機械学習プロジェクトでも発生しています。 繰り返しになりますが、このテクノロジーは、異なる人種の人々の間ではあまり正確に機能しませんでした。 この場合、明るい肌はより反射性が高く、暗い肌はより多くの光を吸収し、楽器は反射の微妙な変化を認識するのに苦労します。
「人それぞれ違います。 このため、システムは、各人の固有の生理学的特徴に迅速に適応し、それを他のバリエーションから分離できなければなりません。 バイタルサインをより適切に追跡するために、それらがどのように見えるか、およびそれらが必要としている環境を除外する必要があります」と彼は言います。 新劉 、研究の筆頭著者であり、Paul G. Allen School of Computer Science&Engineeringの博士課程の学生。
研究者は肌の色の問題の解決策を見つけました: システムは 18 秒間のユーザー ビデオを収集し、バイタル サインを検出する前にシステムを調整します。 キャリブレーション フェーズでは、肌の色合い、患者の年齢 (赤ちゃんや子供の薄くて若い肌は、年配のユーザーの肌とは異なる挙動を示します)、顔の毛、背景、照明、およびその他の要因を調整できます。 科学者はパフォーマンスをさらに改善するために取り組んでいますが、この戦略によりシステムの精度が大幅に向上しました。


キャリブレーションを使用してパフォーマンスを最適化するということは、機械学習をより小さなデータセットで実装できることを意味します。
これは良いニュースです ダニエル・マクダフ、MicrosoftResearchとの共著者および研究者。 少なくともXNUMXつの理由:
- データセットが小さいほど、情報を提供する必要のある人が少なくなるため、プライバシーの保持が強化されます。
- 民主化して、より幅広い開発者が機械学習にアクセスできるようにします。
- これは、エンティティがグローバル データセットで取得された膨大な量の情報を所有したままにされないことを意味します。
研究者の次のステップは、臨床現場で技術をテストすることです。
遠隔医療と遠隔診断が離陸している
デジタル ヘルスは、Covid (および巨額の投資) によって後押しされた人気の波に乗っているため、研究者は、より正確なリモート ヘルスケアを提供できるテクノロジ ツールの開発を急いでいます。


リモートのバイタルサインだけではありません
先月Amazonは 宣言された これにより、リモートヘルスケアサービスが拡大します。 と呼ばれる アマゾンケア そしてそれは従業員だけのために予約されていました。 今では、最初はワシントン州で、次に年末までに全国的に、非従業員向けにもなります。 シアトルの遠隔医療スタートアップ 98point6 それは劇的に成長します。 別の研究者チーム(これもワシントン大学から)は 技術を発表 人工知能を使用して、スマートスピーカーを不整脈を検出できる高感度の医療機器に変えます。