스마트폰·컴퓨터 카메라로 실시간 건강 모니터링

원격의료는 COVID-19 동안 대면 접촉 최소화하며 의료 서비스 제공하는 중요한 방식이 되었습니다. 하지만 전화나 온라인 진료로는 환자 맥박이나 호흡수 같은 중요한 활력 징후를 실시간으로 얻기 어렵습니다.

한 방법은 사람 스마트폰이나 컴퓨터 카메라로 얼굴 실시간 비디오에서 맥박과 호흡 신호를 가져옵니다. 머신러닝이 원격 건강 센싱에 도움이 되려면 비디오에서 가장 강한 생리적 정보 소스(맥박 등)를 가진 관심 영역을 식별하고 이를 시간에 따라 측정해야 합니다. 모든 사람이 다르므로 시스템은 각 개인 고유 생리적 서명에 빠르게 적응하고 이를 외모나 환경 같은 다른 변동에서 분리해야 합니다.

팀 시스템은 프라이버시 보호형입니다. 클라우드가 아닌 기기에서 실행되며, 머신러닝으로 사람 얼굴에서 빛 반사 미세 변화를 포착합니다. 이는 혈류 변화와 상관관계가 있습니다. 그런 다음 이를 맥박과 호흡수로 변환합니다.

이 시스템 첫 버전은 사람들 얼굴 비디오와 '그라운드 트루스(ground truth)' 정보(현장 표준 기기로 측정된 각 사람 맥박과 호흡수)를 모두 포함한 데이터셋으로 훈련되었습니다. 시스템은 비디오에서 시공간 정보를 사용해 두 활력 징후를 계산했습니다. 대상자가 움직이고 말하는 비디오에서 유사 머신러닝 시스템보다 우수했습니다. 하지만 일부 데이터셋에서는 잘 작동하면서도 다른 피부색, 배경, 조명을 가진 데이터셋에서는 여전히 어려움을 겪었습니다. '과적합(overfitting)'으로 알려진 흔한 문제입니다.

연구자들은 개별 맞춤형 머신러닝 모델을 생성하게 하여 시스템을 개선했습니다. 구체적으로 다른 피부톤, 조명 조건, 환경 같은 다양한 맥락에서 혈류 변화와 상관된 생리적 특징 포함 가능성이 높은 비디오 프레임 중요 영역을 찾도록 돕습니다. 거기서 그 영역에 초점 맞춰 맥박과 호흡수 측정합니다.

이 새 시스템이 더 도전적인 데이터셋, 특히 어두운 피부톤 사람들에게서 전작보다 우수하지만 아직 할 일이 더 남았습니다. 대상자 피부 타입이 어두울 때 열등한 성능 경향이 여전히 있는데, 부분적으로 빛이 어두운 피부에서 다르게 반사되어 카메라가 포착할 신호가 약해지기 때문입니다.

맥박이나 호흡수를 원격으로 감지하는 모든 능력은 원격 환자 케어와 원격의료에 새로운 기회를 제공합니다. 여기에는 셀프 케어, 추적 관리, 트리아지가 포함될 수 있으며, 특히 편리하게 병원 접근이 어려운 사람에게 유용합니다.