数十年間、パルスオキシメータは医療現場で最もよく知られた機器の一つでした。指にクリップを挟むと、数秒のうちに血液中の酸素量を知らせ、健康の重要な指標となります。原理は概してシンプルです。赤色光と赤外光が組織を透過または反射し、酸素化ヘモグロビンと脱酸素化ヘモグロビンがそれらの色を異なる割合で吸収し、ソフトウェアが捕らえた光を患者の健康状態の指標へと変換します。
しかし、光は人によって透過・反射する様相が同じにはなりません。肌の色素沈着、血流、年齢の違いは、パルスオキシメータや光を用いる他のウェアラブル機器が依存する微かな光信号を変える可能性があります。これは重要です。酸素飽和度の小さな誤差が、臨床上の大きな問題となり得るからです。特に、医師が患者が酸素を必要とするほど病状が悪化しているか、入院や集中治療が必要かを判断する場面においてです。
異なる集団でのパルスオキシメータの機能—あるいは機能しない点—は、新型コロナウイルス感染症のパンデミック初期にニュースを賑わせました。2020年のニューイングランドジャーナル・オブ・メディスンの研究は、慰めとなるパルスオキシメータの読み値にもかかわらず、黒人患者の最大で約17%が危険な読み間違いを起こし、潜在性低酸素血症—動脈血中の酸素が極端に低い状態—を示したと報告しました。これは白人患者に比べ、誤診率が3倍以上高いものでした。
電気・計算機工学の准教授バレンシア・クームソンの研究室が開発した新しいウェアラブルシステムは、その問題を解決することを目的としています。彼女と同僚らは、広範な肌色にわたる血中酸素飽和度、心拍数、および呼吸数を測定できるデバイスを作成しました。ChromaSenseと呼ばれ、手首に取り付ける時計サイズの箱を用い、指を通して光を透過させる従来のパルスオキシメータのように光を透過させるのではなく、そこ（皮膚と組織）から反射された光を測定します。すべての利用者に1つの光設定が適合すると仮定する代わりに、まず個人の肌の反射特性を測定し、反射光を測定するために放出する光の強さと信号処理パラメータの両方を調整します。
前回の50名の参加者を対象とした初期試験では、ChromaSenseは酸素飽和測定の精度を、標準参照のオキシメータに対して1.4%以内に達し、FDAが求める限界内でした。これらの測定は通常の飽和レベルで取得されました。サンフランシスコ校のHypoxia Research Laboratoryで実施された新しい研究では、デバイスはさらに厳しい条件の下で評価されました。酸素レベルは意図的に非常に短時間70%から100%の飽和範囲に低下させ、その後、血液から直接読み取る参照オキシメータと比較されました。これは肌の色調の影響を受けません。
その研究には、黒人、アジア系、ヒスパニック、白人、および多民族参加者を含む幅広い肌色の健常な成人ボランティアが含まれていました。ChromaSenseの酸素飽和測定の精度は、標準参照オキシメータとの差が2.87%以内で、FDAの性能要件を満たしました。低酸素レベルを含め、肌の色調依存バイアスは観測されませんでした。
The light-based technology used to measure what’s going on inside the body is called photoplethysmography (PPG). It begins with a simple physical fact: blood volume in the body’s microscopic blood vessels, called the microvasculature, rises and falls with every heartbeat. When light illuminates tissue, the light reflected back rises and falls in a pulsing pattern, representing arterial blood.
パルスオキシメトリでは、脈動波形を用いて赤色光と赤外光の吸収の差を測定し、酸素化ヘモグロビンと非酸素化ヘモグロビンのレベルを示します。しかし、皮膚の色素であるメラニンも光を吸収・散乱します。肌が濃い人々では、追加の吸収が信号を弱めたり、酸素飽和度を算出する際に用いられる比率を歪めたりする可能性があります。
クームソンは、PPGで拾うデータは「実際に心臓が動脈を通じて末梢へ血液をどれだけよく送り出し、戻しているかの指標にほかならない」と述べます。ピーク間の間隔が心拍数を、光の吸収と反射が酸素レベルを示し、脈動振幅と周波数の変化の遅いパターンが呼吸数を示します。これらすべては、心臓が収縮と弛緩を繰り返す際の血液の動きに結びついています。
If you train a model that converts light signals to blood oxygen, pulse or pressure and you don’t ensure that the dataset that you’re training with is diverse enough in terms of age, race, and gender, it can affect the performance or accuracy of the model
Valencia Koomson
彼女と同僚は、ChromaSenseデバイスに血圧モニタリング機能も追加することを目指しています。「市場にはPPG波形を用いたカフレス血圧測定を試みる企業もありますが、患者差によって一部のサブグループでは精度が40%程度しか出ない場合がある」と彼女は述べました。
彼女のチームは、機械学習モデルを用いて、広範な医療データベースに含まれるPPG波形から収縮期血圧と拡張期血圧を推定する際、肌色、年齢、性別による異なるサブグループを識別しました。波形の各部位の幅を使って動脈の硬さの程度を示します。
チームは、2,315人の成人ICU患者のデータを分析し、これらの特徴の組み合わせによる人種、性別、年齢およびサブグループ間の性能を検討しました。収縮期および拡張期血圧について、精度は最大90%に達することが報告されました。「血圧の作業はまだChromaSenseには組み込まれていません」とクームソンは強調しつつも、「将来的にはその機械学習モデルをデバイスに組み込むことを目指しています」。
クームソンは問題を明快に説明しました。「光信号を血中酸素、脈、または圧力へ変換するモデルを訓練する際、訓練データセットが年齢、人種、性別の点で十分に多様であることを保証しないと、モデルの性能や精度に影響を与える可能性があります」と彼女は言います。「一見高性能に見えるモデルでも、特定のグループに分解すると印象が大きく変わることがあります。」
出典： タフツ大学
