El sistema usa cámaras de teléfonos inteligentes o computadoras para medir la salud

La telesalud se ha convertido en una forma crítica para que los médicos aún brinden atención médica y minimicen el contacto en persona durante COVID-19. Pero con las citas telefónicas o en línea, es más difícil para los médicos obtener signos vitales importantes de un paciente, como su pulso o frecuencia respiratoria, en tiempo real.

Un método utiliza la cámara en el 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. Para que el aprendizaje automático sea útil en la detección remota de la salud, el sistema debe identificar la región de interés en un video que contiene la fuente más fuerte de información fisiológica, como el pulso, y luego medirla con el tiempo. Dado que cada persona es diferente, el sistema debe adaptarse rápidamente a la firma fisiológica única de cada persona y separarla de otras variaciones, como su aspecto 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 cómo la luz se refleja en la cara de una persona, lo que se correlaciona con el flujo sanguíneo cambiante. 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 los rostros de las personas e información de "verdad sobre el terreno":el pulso y la frecuencia respiratoria de cada persona medidos por instrumentos estándar en el campo. Luego, el sistema usó información espacial y temporal de los videos para calcular ambos signos vitales. Superó a sistemas de aprendizaje automático similares en videos donde los sujetos se movían y hablaban. Pero aunque el sistema funcionó bien en algunos conjuntos de datos, aún tuvo problemas con otros que contenían diferentes personas, antecedentes e iluminación, un problema común conocido como "sobreajuste".

Los investigadores mejoraron el sistema haciendo que produjera un modelo de aprendizaje automático personalizado para cada individuo. Específicamente, ayuda a buscar áreas importantes en un cuadro de video que probablemente contenga características fisiológicas correlacionadas con cambios en el flujo sanguíneo en una cara en diferentes contextos, como diferentes tonos de piel, condiciones de iluminación y entornos. A partir de ahí, 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 personas con tonos de piel más oscuros, aún queda trabajo por hacer. Todavía existe una tendencia hacia un rendimiento inferior cuando el tipo de piel del sujeto es más oscuro, en parte porque la luz se refleja de manera diferente en la piel más oscura, lo que genera una señal más débil para que la cámara la capte.

Cualquier capacidad para detectar el pulso o la frecuencia respiratoria de forma remota brinda nuevas oportunidades para la atención remota de pacientes y la telemedicina. Esto podría incluir autocuidado, atención de seguimiento o triaje, especialmente cuando alguien no tiene acceso conveniente a una clínica.