贫血或低血红蛋白影响着全球25%以上的人口。医院或病理实验室附近，人们很容易获得医学诊断，但贫血在医疗条件差的地方更常见。贫血通常是由体内缺铁引起的体内红细胞数量或质量不足，红细胞含有携带氧气的血红蛋白，如果没有足够的血红蛋白和氧气，皮肤会变成苍白的颜色。专家们表示，贫血是导致死亡的一个重要风险因素，尤其是在儿童、老人和慢性病等弱势人群中。然而，目前还缺乏一些廉价、方便和非侵入性的即时护理工具，来筛查和诊断这种疾病。
这项由美国医院的领导的新研究可以提供一种更容易的诊断方法。他们开发了一个程序，可以用一个分布更广泛的工具——智能手机来识别贫血症。布朗大学急诊医学、该研究论文的第一作者SelimSuner博士说:“其他人利用手掌、指甲床和其他部位的折痕照片设计出预测贫血的算法。但这些身体部位严重依赖血液流动，可能会受到温度变化的影响，因此可能会给出错误的结果。”
Suner和他的同事们把注意力放在了下眼睑的内部:那里血液流量低，黑色素和其他可能影响颜色的物质很少。医院拍摄了名患者的眼睑照片，这些患者的血红蛋白水平广泛。他们用这些数据训练机器学习算法来识别贫血的颜色。
他们将每张照片的结膜区域放大，并开发了一种提高颜色分辨率的新算法，即每个像素代表多种颜色色调的能力。然后，他们开发了一个预测模型，将结膜颜色与周围皮肤和眼白相比较，与血红蛋白水平相联系。
研究人员随后在名新患者身上测试了该工具，将算法的预测结果与患者的血红蛋白水平进行了比较。研究人员训练了人工智能模型，用以分析人们下眼睑(即睑结膜)内部的照片。
他们发现，该模型测试总体上的准确性为72.6%，其中，低输血阈值的准确率为94.4%，高输血阈值的准确率为86%。虽然测试结果目前还低于实验室测试的*金标准，但这个结果仍是一个非常有用的筛选指标。研究结果表明，智能手机应用程序可以用于在无法进行血液检测的远程环境中筛查贫血。
虽然这项研究依赖于训练有素的医务人员拍摄照片，但Suner说，该团队希望接下来把重点放在拓宽该工具的使用上。他说：“我们将在下一次迭代中设计功能，让新手用户可以轻松拍照。同时结合算法，在照片质量足以呈现准确结果时提醒用户。我们已经证明了照片某些特征，例如聚焦和灯光效果会影响效果，所以在最终版本中考虑到这些因素将非常重要。”
该团队还将在一组新的患者身上测试该工具，希望在其应用更广泛之前对其进行改进和改进。
本文由升哲科技编译，转载请注明来自sensoro.