Illustration: iStockphoto

据一项统计显示，当COVID-19在美国开始时，远程医疗访问量急剧增加 -- 超过4000%。但在这些虚拟预约中，医生能完成的工作是有限的。也就是说，他们不能通过电话检查病人的每一项生命体征。

但正在研发的新技术可以通过为手机配备可靠的软件来测量一个人的关键生物特征，从而改变这种状况。近日，在美国计算机协会（Association for Computing Machinery）召开的一次会议上，研究人员展示了一种机器学习系统，这种系统可以生成一个个性化模型，根据智能手机摄像头拍摄的短视频来测量心率和呼吸频率。

这项技术只需一个18秒的头部和肩部视频片段，算法就可以根据皮肤反射的光强度变化来确定心率或脉搏。呼吸频率或呼吸等可以从人们的头，肩膀和胸部的有节奏的运动收集。

微软研究院（Microsoft Research）首席研究员Daniel McDuff和华盛顿大学（University of Washington）博士生Xin Liu开发了该系统。McDuff说，目前除了极少数在家里有医疗级设备的患者外，其他人没有办法进行远程生命体征采集 -- 比如检测心率和血氧水平的脉搏血氧仪，或者血压袖带。大多数人并不拥有这些设备，因此对于绝大多数虚拟预约来说，患者还必须安排单独的面诊才能获得这些测量值。

基于视频所开发的软件可以在远程医疗预约期间收集生命体征，这将大大简化虚拟医疗流程。这类技术的研究始于2007年左右，当时数码相机变得足够敏感，能够捕捉到皮肤上显示血容量的小像素级变化。在COVID-19大流行的早期，远程医疗访问增加，这一领域出现了新的兴趣浪潮。

全球有几个研究小组一直在开发基于视频的非接触式生命体征传感技术。牛津大学的一个小组正在为医院重症监护室或接受肾透析的病人开发光学远程监测生命体征。莱斯大学的研究人员正在开发一种设备，用于监测车辆驾驶员心脏病发作的情况。

谷歌今年2月宣布，其基于Android的健康跟踪平台Google Fit将使用手机摄像头测量心率和呼吸频率。用户将一根手指放在手机后置摄像头上以获取心率，用户面部的视频可以采集呼吸频率。软件是为了健康的目的，而不是医疗用途或医生访问。这一领域的研究人员面临的挑战是开发出在真实世界环境中始终保持高精度工作的技术，在现实世界中，人脸和灯光会发生变化。McDuff和Liu开发的方法旨在解决这个问题。

在他们的方法中，心率是通过测量皮肤反射的光来确定的。”血容量的变化会影响皮肤反射光线的方式，因此，摄像机捕捉到了光强度的微小变化，可以用来恢复脉冲信号。从中我们可以推断出心率变化，并检测出心律失常等情况。

算法必须考虑诸如肤色、面部毛发、光线和衣服等变量。任何一种人脸识别技术都会出现问题，部分原因是训练机器学习算法的数据集不能代表我们不同的人群。

McDuff的模型面临着一个额外的挑战：“深色皮肤的黑色素含量较高，因此光反射强度会较低，因为更多的光被吸收，”他说，“这会导致信噪比变弱，从而更难检测到脉冲信号。”因此，这是关于有一个代表性的训练设置，还有一个基本的身体挑战，我们需要解决的问题在这里，”McDuff说。

为了应对这一挑战，该团队开发了一个系统，为每个人提供个性化的机器学习算法。“我们提出了一种学习算法来快速学习一个人的生理信号，”他说，“这个系统只需18秒的视频就能提供结果。”

与标准的医疗级设备相比，该方法在估计心率时的平均绝对误差为每分钟1到3次，Liu说。这在许多应用中都是可以接受的。

该系统还没有准备好用于医疗，还需要在临床试验中进行验证。为了提高系统的稳定性，该团队正在采取的一种方法是在计算机生成的图像上训练模型。“我们实际上可以合成高保真的化身，展示这些血流模式和呼吸模式，我们可以在计算机生成的数据上训练我们的算法，”McDuff说。

研究人员说，这项技术既可以用于医疗，也可以用于健身。除了远程健康访问之外，远程生命体征对于需要频繁、准确生物特征测量的慢性疾病患者也很有用。

往期推荐