به گزارش افرنگ خبر / به نقل از اس اف، دوربین‌های گوشی‌های هوشمند به زودی می‌توانند به اندازه گیری میزان اکسیژن خون شما کمک کنند.

پژوهشگران دانشگاه واشنگتن در مطالعه اخیرشان اظهار کرده‌اند، این فناوری شامل قرار دادن انگشت روی دوربین و فلاش است؛ سپس هوش مصنوعی (AI) سطوح اکسیژن خون را از الگوهای ثبت شده در ویدیو رمزگشایی می‌کند. این روش می‌تواند نشانه‌های اولیه افت خطرناک سطح اکسیژن را در بین بیماران مبتلا به کووید-۱۹ شناسایی کند و حملات آسم را قبل از وقوع پیش‌بینی کند.

بدن ما به ۹۵ درصد اشباع اکسیژن نیاز دارد. بیماری‌های تنفسی می‌توانند این میزان را به کمتر از ۹۰ درصد کاهش دهند و در آن زمان است که فرد به لوله‌های استنشاقی یا ماسک‌های اکسیژن نیازمند می‌شود.

نتایج این مطالعه نشان می‌دهد، زمانی که پژوهشگران از یک کوکتل شیمیایی (chemical cocktail) برای کاهش مقادیر در داوطلبان جوان استفاده می‌کردند، عملکرد این دستگاه در ۸۰ درصد مواقع دقیق بوده است.

"پال جی آلن" (Paul G. Allen) دانشجوی دانشکده علوم و مهندسی کامپیوتر دانشگاه واشنگتن گفت: برنامه‌های دیگر گوشی‌های هوشمند که این کار را انجام می‌دهند با درخواست از مردم برای حبس نفس ساخته شده‌اند؛ اما مردم چندان در هنگام کار با این برنامه راحت نیستند و مجبور می‌شوند بعد از یک دقیقه یا بیشتر نفس بکشند و این قبل از آن است که سطح اکسیژن خون آنها به اندازه کافی پایین بیاید که طیف کاملی از داده‌های بالینی مرتبط را نشان دهد. با آزمایش خود، می‌توانیم ۱۵ دقیقه داده از هر موضوع جمع‌آوری کنیم. داده‌های ما نشان می‌دهد که گوشی‌های هوشمند می‌توانند در محدوده آستانه بحرانی به خوبی کار کنند.اطلاعات را نیز می‌توان به طور یکپارچه به مطب پزشک منتقل کرد.

وقتی نفس می کشیم، ریه‌هایمان پر از اکسیژن می‌شود. توسط گلبول‌های قرمز خون به اندام های دیگر منتقل می‌شود که این امر نشانه‌ای از تناسب اندام و سلامت قلب است. ویروس‌ها و آلرژی‌ها میزان جذب اکسیژن را مختل می‌کنند. نتایج این مطالعه نشان داد که گوشی‌های هوشمند می‌توانند سطح اکسیژن را تا ۷۰ درصد تشخیص دهند که این میزان کمترین مقدار برای پالس اکسی‌متر است. این محققان یک شبکه عصبی کامپیوتری یا الگوریتم یادگیری عمیق را برای اندازه گیری سطح اکسیژن در بین شش شرکت کننده بین ۲۰ تا ۳۴ سال آموزش دادند.

یافته های این مطالعه که در مجله "npj Digital Medicine" منتشر شده است، اولین گام به سوی توسعه دستگاه‌های زیست پزشکی است که با یادگیری ماشینی برای تولید نتایج بهتر کار می‌کنند.