In una conferenza internazionale sulla salute questa settimana, gli scienziati dell’Università di Washington e Microsoft Research presenteranno una nuova tecnologia che consente agli operatori sanitari di controllare a distanza parametri vitali (polso e frequenza cardiaca) di un paziente.
Lo strumento utilizza la fotocamera su uno smartphone o un computer per acquisire il video del viso di una persona. Quel video viene analizzato per misurare i cambiamenti nella luce riflessa dalla pelle di un paziente, correlata a sua volta ai cambiamenti nel volume del sangue e alla circolazione sanguigna.
I ricercatori di UW e Microsoft hanno utilizzato il machine learning e tre set di dati di video e statistiche sulla salute per addestrare il loro sistema.
Doveroso disclaimer
È già accaduto anche nel recente passato con altri progetti di machine learning. Anche stavolta, la tecnologia ha funzionato in modo meno accurato tra persone di razze diverse. In questo caso, la pelle più chiara è più riflettente, mentre la pelle più scura assorbe più luce e lo strumento fa più fatica a percepire sottili cambiamenti nei riflessi.
“Ogni persona è diversa. Per questo il sistema deve poter adattarsi rapidamente alla firma fisiologica unica di ogni persona e separarla da altre variazioni. L’aspetto che hanno e l’ambiente in cui si trovano devono essere esclusi per meglio rilevare i parametri vitali,” dice Xin Liu , autore principale della ricerca e studente di dottorato presso la Paul G. Allen School of Computer Science & Engineering.
I ricercatori hanno trovato una soluzione al problema del colore della pelle: il sistema raccoglie 18 secondi di video dell’utente con i quali calibra il sistema prima di rilevare i parametri vitali. La fase di calibrazione può regolare il tono della pelle, l’età del paziente (la pelle sottile e giovane di neonati e bambini si comporta in modo diverso dalla pelle di un utente più anziano), i peli del viso, lo sfondo, l’illuminazione e altri fattori. Gli scienziati lavorano per migliorare ancora le prestazioni, ma la strategia ha notevolmente aumentato la precisione del sistema.
L’uso della calibrazione per ottimizzare le prestazioni significa che l’apprendimento automatico può essere implementato con set di dati più piccoli.
Questa è una buona notizia per Daniel McDuff, coautore e ricercatore dellaMicrosoft Research. Per almeno tre motivi:
- Set di dati più piccoli portano a una maggiore conservazione della privacy poiché meno persone hanno bisogno di fornire informazioni.
- Democratizza e rende l’apprendimento automatico accessibile a una gamma più ampia di sviluppatori.
- Significa che un’entità non è lasciata in possesso di enormi quantità di informazioni acquisite in set di dati globali.
Il prossimo passo dei ricercatori è testare la tecnologia in un ambiente clinico.
La telemedicina e la telediagnostica stanno spiccando il volo
Poiché la salute digitale sta cavalcando un’ondata di popolarità alimentata dal Covid (e da enormi investimenti), i ricercatori si affrettano a sviluppare strumenti tecnologici in grado di fornire assistenza sanitaria remota sempre più precisa.
Non solo parametri vitali a distanza
Il mese scorso Amazon ha dichiarato che espanderà il suo servizio di assistenza sanitaria a distanza. Si chiama Amazon Care ed era riservato solo ai dipendenti. Ora sarà anche per i non dipendenti, prima nello stato di Washington e poi a livello nazionale entro fine anno. La startup di telemedicina di Seattle 98point6 cresce vertiginosamente. Un altro team di ricercatori (sempre dell’Università di Washington) ha presentato una tecnologia che utilizza l’intelligenza artificiale per trasformare altoparlanti intelligenti in dispositivi medici sensibili in grado di rilevare battiti cardiaci irregolari.
