Monitorización de Salud en Tiempo Real con Cámaras de Smartphone y Computadora

La telemedicina se ha convertido en una forma crítica para que los médicos sigan proporcionando atención médica mientras minimizan el contacto en persona durante COVID-19. Pero con citas por teléfono 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 usa la cámara en el smartphone o computadora de una persona para tomar su pulso y señal de respiración desde un video en tiempo real de su rostro. Para que el aprendizaje automático sea útil en detección de salud remota, el sistema debe identificar la región de interés en un video que contenga la fuente más fuerte de información fisiológica —como el pulso— y luego medirla a lo largo del 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 apariencia y el entorno en el que está.

El sistema del equipo preserva la privacidad —se ejecuta en el dispositivo en lugar de en la nube— y usa aprendizaje automático para capturar cambios sutiles en cómo la luz refleja en el rostro de una persona, lo cual se correlaciona con el flujo sanguíneo cambiante. Luego convierte estos cambios en tanto pulso como frecuencia respiratoria.

La primera versión de este sistema se entrenó con un conjunto de datos que contenía tanto videos de rostros de personas como información "ground truth": el pulso y la frecuencia respiratoria de cada persona medidos por instrumentos estándar en el campo. El sistema luego usó información espacial y temporal de los videos para calcular ambos signos vitales. Superó a sistemas similares de aprendizaje automático en videos donde los sujetos se movían y hablaban. Pero aunque el sistema funcionaba bien en algunos conjuntos de datos, aún luchaba con otros que contenían diferentes personas, fondos e iluminación —un problema común conocido como "overfitting".

Los investigadores mejoraron el sistema haciéndolo producir un modelo de aprendizaje automático personalizado para cada individuo. Específicamente, ayuda a buscar áreas importantes en un fotograma de video que probablemente contengan características fisiológicas correlacionadas con el flujo sanguíneo cambiante en un rostro bajo diferentes contextos como diferentes tonos de piel, condiciones de iluminación y entornos. Desde allí, puede enfocarse en esa área y medir el pulso y la frecuencia respiratoria.

Aunque este nuevo sistema supera a su predecesor cuando se le dan conjuntos de datos más desafiantes, especialmente para personas con tonos de piel más oscuros, aún queda trabajo por hacer. Todavía hay una tendencia hacia un rendimiento inferior cuando el tipo de piel del sujeto es más oscuro, en parte porque la luz refleja de manera diferente en la piel más oscura, resultando en una señal más débil para que la cámara la capte.

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