• System PHRM oparto na deep learningu i zdalnej fotopletyzmografii: 8-sekundowe nagrania twarzy podczas zwykłego odblokowania/używania telefonu.
• Do walidacji użyto 162 546 filmów od 211 osób; porównaniem dla tętna było EKG, a dla tętna spoczynkowego – tracker nadgarstkowy.
• W warunkach „real life” błąd pomiaru tętna wyniósł MAPE 6,09% na poziomie uczestnika, czyli poniżej progu 10% stosowanego dla konsumenckich monitorów tętna.
• Dzienne tętno spoczynkowe oszacowano z błędem 3,62 uderzenia/min na poziomie dnia i 4,39 uderzenia/min na poziomie uczestnika.
• Ważne: dokładność przy zaakceptowanych pomiarach była podobna między grupami pigmentacji skóry, ale odsetek udanych pomiarów był niższy u osób z najciemniejszą pigmentacją skóry.
To nie jest jeszcze „diagnoza z telefonu”. Bardziej: potencjalny kierunek dla szerszego, pasywnego monitorowania parametrów sercowo-naczyniowych – pod warunkiem zgody użytkownika, ochrony prywatności i dalszej walidacji klinicznej.
Ograniczenia: technologia wymagała odrzucania części nagrań niskiej jakości; badanie nie oceniało decyzji klinicznych, rozpoznań chorób ani wpływu takiego monitorowania na wyniki zdrowotne.
Wniosek:
Algorytm Ai analizujący krótkie nagrania twarzy z przedniej kamery telefonu mierzył tętno dość dokładnie, także w warunkach codziennego używania smartfona.
bfiałek
