研究者らは、ビデオを通じて人の顔からバイタルサインを検出できる健康技術ツールを開発している。
リサ・スティフラー著
今週開催される国際健康会議で、ワシントン大学とマイクロソフト リサーチの科学者らは、医療従事者が患者の脈拍や心拍数を遠隔でチェックできる新技術を仮想的に発表する予定だ。
このツールは、スマートフォンやパソコンのカメラを使って人物の顔を撮影し、その動画を分析して患者の皮膚に反射する光の変化を測定します。この変化は、血液循環によって引き起こされる血液量や動きの変化と相関しています。
ワシントン大学とマイクロソフトの研究者たちは、機械学習と3つの動画および健康統計のデータセットを用いてシステムを学習させました。そして、画像や動画関連の様々な機械学習プロジェクトと同様に、この技術は人種の異なる人々の間では精度が低下しました。今回の課題は、肌の色が明るいほど反射率が高く、肌の色が濃いほど光の吸収率が高いため、ツールは反射の微妙な変化を捉える必要があることです。
「人は皆それぞれ違います。ですから、このシステムは各人の固有の生理学的特徴に素早く適応し、それを外見や環境といった他の要因と区別できる必要があります」と、本研究の筆頭著者であり、ワシントン大学ポール・G・アレン・コンピュータサイエンス＆エンジニアリング学部の博士課程学生であるシン・リウ氏は述べています。
研究者たちはこの問題の解決策を考案しました。このシステムでは、脈拍と心拍数を計算する前に、ユーザーに18秒間のビデオ撮影を義務付け、デバイスのキャリブレーションを行います。このキャリブレーション段階では、肌の色、患者の年齢（赤ちゃんや子供の薄くて若い肌は、高齢者の老化した肌とは異なる）、顔の毛、背景、照明などの要因を調整できます。科学者たちはまだ性能向上に取り組んでいますが、この戦略によりシステムの精度は大幅に向上しました。
キャリブレーションを使用してパフォーマンスを微調整すると、母集団を完全に代表していない可能性のある小さなデータセットを使用して機械学習を実装できるようになります。
共著者の一人であり、マイクロソフトリサーチの主任研究員であるダニエル・マクダフ氏は、これは良いニュースだと述べた。データセットが小さくなれば、情報を提供する人数が少なくなり、プライバシーの保護が強化される。これは機械学習を民主化し、より幅広い開発者が利用できるようになることを意味する。つまり、グローバルデータセットに蓄積された膨大な情報を一つの組織が抱え込むことがなくなるのだ。
「最高のパフォーマンスを得るには、パーソナライゼーションが常に必要になる」とマクダフ氏は語った。
このシステムは、データをクラウドから切り離して、完全に携帯電話やその他のデバイス上で実行できるため、個人情報も保護されます。
研究者の次のステップは、現在取り組んでいる臨床現場でこの技術をテストすることだ。
アレンスクールおよび電気・コンピュータ工学部の教授であるシュエタック・パテル氏は、ワシントン大学の研究論文の筆頭著者です。パテル氏は長年にわたり、一般的なスマートフォンを健康モニタリングデバイスに変える技術に取り組んできました。彼は、Googleに買収されたワシントン大学発のスピンオフ企業であるSenosis Healthの共同創業者でもあります。
他の著者には、アレン スクールの博士課程学生である Ziheng Jiang 氏、現在 OctoML で働いている UW 卒業生の Josh Fromm 氏、情報スクールの博士課程学生である Xuhai Xu 氏がいます。
この研究はビル＆メリンダ・ゲイツ財団、グーグル、ワシントン大学から資金提供を受けた。
デジタルヘルスはCOVID-19をきっかけに人気の高まりに乗り、数百万ドルの新たな投資に沸き立っているが、研究者たちは遠隔地でより強力なヘルスケアを提供できる技術ツールの開発に奔走している。
ありふれたテクノロジー機器を医療ツールに変える開発は、高まる遠隔医療の需要に応える絶好のタイミングと言えるでしょう。アマゾンは先月、遠隔医療サービス「Amazon Care」を非従業員向けに拡大すると発表しました。まずはワシントン州で、その後年内に全米で展開する予定です。シアトルの遠隔医療スタートアップ企業98point6は、パンデミックのさなか会員制サービスが急成長を遂げ、10月に1億1,800万ドルを調達しました。
ワシントン大学の別の研究者グループは先月、機械学習アルゴリズムを使用してスマートスピーカーを不整脈を検出できる高感度医療機器に変える技術を発表した。
