หัวใจที่คอยแอบฟัง: เหตุใดอุปกรณ์สวมใส่จึงต้อง 'ฟัง' ชีพจรเพื่อค้นหาลมหายใจ

2. ข้อได้เปรียบของการใช้งานหลายวัตถุประสงค์

วิธีการทางอ้อมช่วยขจัดความจำเป็นในการใช้อุปกรณ์ตรวจวัดระบบทางเดินหายใจแบบเฉพาะเจาะจง (เช่น สายรัดหน้าอก) โดยการตรวจวัดสัญญาณชีพหลายอย่างพร้อมกันจากอินพุตเซ็นเซอร์เดียวกัน อุปกรณ์เหล่านี้ให้ภาพรวมที่ครอบคลุมของสถานะทางสรีรวิทยาปัจจุบันของผู้สวมใส่ โดยมีฟังก์ชันการทำงานที่หลากหลายซึ่งเหมาะอย่างยิ่งสำหรับการตรวจสอบสุขภาพโดยทั่วไป

III. ลายเซ็นทางชีวภาพ: การหายใจทิ้งร่องรอยไว้บนชีพจรอย่างไร

ข้อมูลเชิงลึกที่สำคัญที่สนับสนุนการเปลี่ยนแปลงกระบวนทัศน์นี้คือปฏิสัมพันธ์ระหว่างหัวใจและระบบทางเดินหายใจ ซึ่งเป็นการสนทนาที่คงที่และคาดการณ์ได้ระหว่างปอดและระบบไหลเวียนโลหิต

1. ลายนิ้วมือความถี่ในสัญญาณเชิงกล

เซ็นเซอร์เชิงกล เช่น การตรวจคลื่นเสียงหัวใจ (SCG) และการตรวจคลื่นเสียงหัวใจ (BCG) จะตรวจจับการสั่นสะเทือนขนาดเล็กที่เกิดจากหัวใจและปอด

• ส่วนประกอบความถี่ต่ำของสัญญาณ SCG ตรงกับการเคลื่อนไหวของผนังทรวงอกที่เกิดจากการหายใจ

• ส่วนประกอบความถี่สูงตรงกับการเต้นของหัวใจ

ข้อคิด: เนื่องจากระบบหัวใจและหลอดเลือดและระบบทางเดินหายใจบันทึกกิจกรรมของตนในแถบความถี่ที่แยกจากกันบนสัญญาณเชิงกลเดียวกัน เทคโนโลยีที่ซับซ้อนจึงสามารถ... อัลกอริทึมสามารถแยกและวิเคราะห์พลวัตทั้งสองอย่างได้อย่างแม่นยำพร้อมกัน ความสามารถพิเศษนี้ในการสังเกตพลวัตของระบบหัวใจและหลอดเลือดนอกโรงพยาบาลเป็นข้อโต้แย้งที่ทรงพลังสำหรับการใช้ SCG/BCG ในการตรวจสอบการนอนหลับ กีฬาที่ต้องการพลังงานสูง และงานด้านจิตใจ

2. การปรับเปลี่ยนทางไฟฟ้าและการไหลเวียนโลหิต

การหายใจเปลี่ยนแปลงสัญญาณของหัวใจทั้งทางกายภาพและทางไฟฟ้า:

• การเอียงทางไฟฟ้า (EDR): เมื่อหน้าอกเคลื่อนไหว อิเล็กโทรดที่วัด ECG จะเลื่อนระยะทางและทิศทาง ทำให้เกิดการเปลี่ยนแปลงที่คาดการณ์ได้ในแอมพลิจูดของ QRS complex "การเอียงทางไฟฟ้า" นี้คือสิ่งที่อัลกอริธึม EDR ติดตาม ซึ่งยืนยันว่าการหายใจที่ได้จาก ECG นั้นเกิดจากการเคลื่อนไหวของหน้าอกและการเปลี่ยนแปลงในการกระจายความต้านทานของหน้าอกมนุษย์เป็นหลัก

• จังหวะการเต้นของหัวใจ (RSA): รูปแบบที่ละเอียดอ่อนที่สุดคือภาวะหัวใจเต้นผิดจังหวะไซนัสจากการหายใจ (RSA) ซึ่ง HRV จะซิงโครไนซ์กับการหายใจ โดยช่วง RR จะสั้นลงในระหว่างการหายใจเข้าและยาวขึ้นในระหว่างการหายใจออก นี่คือกลไกพื้นฐานที่อุปกรณ์สวมใส่เชิงพาณิชย์ส่วนใหญ่ (มักใช้ PPG) ใช้ในการคำนวณอัตราการหายใจ (RR) ซึ่งเป็นช่องทางสำคัญในการเข้าถึงระบบประสาทอัตโนมัติ

IV. ความได้เปรียบทางวิศวกรรม: อัลกอริทึมช่วยแก้ไขข้อบกพร่องของเซ็นเซอร์

ข้อวิจารณ์ที่เกิดขึ้นอย่างต่อเนื่องที่สุดเกี่ยวกับการวัดที่ได้จากหัวใจ—ความไวต่อสิ่งรบกวนจากการเคลื่อนไหว (MA)—ไม่ใช่ทางตัน แต่เป็นตัวเร่งนวัตกรรมขั้นสูงสุด

1. AI เปลี่ยนสัญญาณรบกวนให้เป็นความยืดหยุ่น

ความแม่นยำของ EDR ได้รับผลกระทบอย่างมากจากสิ่งรบกวน คุณภาพสัญญาณต่ำของ PPG โดยเฉพาะอย่างยิ่งเมื่อมี MA อยู่ด้วย ทำให้ประโยชน์ในการวินิจฉัยโรคของ EDR มีข้อจำกัดมาโดยตลอด อย่างไรก็ตาม ข้อบกพร่องนี้กำลังได้รับการแก้ไขโดย AI ซึ่งพิสูจน์ให้เห็นว่าความแข็งแกร่งของซอฟต์แวร์สามารถเอาชนะความไม่สะดวกของฮาร์ดแวร์ได้

• การหลอมรวมข้อมูล: แทนที่จะพึ่งพาสัญญาณที่ไม่สมบูรณ์เพียงสัญญาณเดียว ระบบสวมใส่ได้กำลังรวมเซ็นเซอร์หลายตัว เช่น การรวม ECG หรือ PPG เข้ากับหน่วยวัดความเฉื่อย (IMU) (มาตรวัดความเร่ง) กลยุทธ์การผสมผสานนี้ช่วยให้อัลกอริธึมสามารถใช้ข้อมูลการเคลื่อนไหวเพื่อกรองสัญญาณรบกวนได้

• การเรียนรู้เชิงลึกเพื่อความทนทาน: เทคนิคขั้นสูงโดยใช้โครงข่ายประสาทเทียมแบบคอนโวลูชัน (CNN) และการเรียนรู้ของเครื่องได้รับการพัฒนาขึ้นโดยเฉพาะเพื่อประมาณอัตราการหายใจ (RR) แม้จะมีการเคลื่อนไหว อัลกอริธึมเหล่านี้ช่วยปรับปรุงความสามารถของอุปกรณ์ในการจดจำและตีความรูปแบบการหายใจที่แตกต่างกัน และรับประกันประสิทธิภาพและความแม่นยำ

2. ความทนทานต่อผู้ใช้ทุกกลุ่ม

วิธีการเชิงอัลกอริทึมทำให้มั่นใจได้ว่าการวัดทางอ้อมจะมีความทนทานต่อสภาวะจริงที่หลากหลาย การศึกษาการตรวจสอบความถูกต้องบนเซ็นเซอร์ PPG แบบสวมใส่ได้ ซึ่งวัดอัตราการหายใจ (RR) ในช่วงกว้าง 4–59 ครั้งต่อนาที (brpm) แสดงให้เห็นว่าอัลกอริทึมที่เสนอไม่มีความแตกต่างอย่างมีนัยสำคัญ (p = 0.63) ในการกำหนดค่า RR ได้อย่างแม่นยำในผู้ที่มีสีผิวเข้มกว่า ซึ่งพิสูจน์ได้ว่าการรวมกันของอัลกอริทึม PPG และมาตรวัดความเร่งสามารถเอาชนะความท้าทายทางแสงที่เกี่ยวข้องกับเม็ดสีผิว ซึ่งโดยทั่วไปแล้วจะทำให้เซ็นเซอร์แบบออปติคอลทำงานได้ไม่ดี

V. ข้อมูลเชิงลึกใหม่: ข้อมูลต่อเนื่องเผยให้เห็นอะไรเกี่ยวกับสุขภาพของคุณ

คุณค่าที่แท้จริงของการตรวจสอบทางอ้อมอย่างต่อเนื่องคือการเปลี่ยนแปลงในวาทกรรมด้านสุขภาพ อุปกรณ์สวมใส่ในอนาคตจะไม่เพียงบันทึกสถิติที่แยกส่วนเท่านั้น แต่จะรายงานข้อมูลเชิงลึกทางสรีรวิทยาแบบไดนามิกที่ส่งผลโดยตรงต่อการรับรู้ความเครียด การฟื้นตัว และความเสี่ยงของผู้ใช้

• รายงานความเครียด: ด้วยการติดตาม HRV และ RSA อุปกรณ์จะให้ข้อมูลแบบเรียลไทม์เกี่ยวกับระบบประสาทอัตโนมัติ ตัวอย่างเช่น เครื่องตรวจวัด BCG ที่ฝังอยู่ในเตียงสามารถบันทึกอัตราการเต้นของหัวใจ ความแปรปรวนของอัตราการเต้นของหัวใจ รอบการหายใจ รอบการนอนหลับ การเคลื่อนไหวบนเตียง การฟื้นตัวโดยรวม และระดับความเครียดได้อย่างละเอียด การตรวจสอบการหายใจอย่างต่อเนื่องพร้อมกับข้อมูลหัวใจสามารถนำมาใช้ในการประเมินความเครียดได้

• การแจ้งเตือนภาวะหยุดหายใจขณะหลับ: วิธีการทางอ้อมเหมาะอย่างยิ่งสำหรับการตรวจสอบการนอนหลับในระยะยาว ซึ่งการไม่มีการเคลื่อนไหวจะช่วยลดสัญญาณรบกวน อัลกอริทึมเช่น kPCA เหมาะอย่างยิ่งสำหรับการตรวจจับภาวะหยุดหายใจขณะหลับและการตรวจสอบที่บ้านอย่างแม่นยำ ความสามารถของ BCG และ SCG ในการตรวจจับการเปลี่ยนแปลงทางโลหิตพลศาสตร์ระหว่างภาวะหยุดหายใจขณะหลับที่จำลองขึ้น ทำให้เกิดแนวทางการวินิจฉัยใหม่นอกคลินิก

• ความลึกของการหายใจและการดำเนินของโรค: แม้ว่า EDR จะใช้เป็นหลักสำหรับ RR แต่ก็สามารถใช้เพื่อติดตามการเปลี่ยนแปลงของปริมาตรน้ำขึ้นน้ำลง (TV) ซึ่งเป็นความลึกของการหายใจได้เช่นกัน ความสามารถในการประเมินรูปแบบการหายใจนี้ให้ข้อมูลที่มีค่าเกี่ยวกับการดำเนินของโรค สนับสนุนการติดตามอาการต่างๆ เช่น โรคหอบหืดและโรคปอดอุดกั้นเรื้อรัง (COPD)

สรุป

ทางเลือกระหว่างความแม่นยำที่รบกวนของโลกเก่า (สายรัดหน้าอก หน้ากากกันแก๊ส) และความสะดวกที่ไม่สมบูรณ์แบบของโลกใหม่ (แหวน แผ่นแปะ) นั้นชัดเจน: ประโยชน์ใช้สอยคือชะตากรรม

อุปกรณ์สวมใส่ไม่สามารถวัดการหายใจโดยตรงได้ เนื่องจากผู้ป่วยจะไม่ทนต่อความไม่สบายหรือความจำเป็นในการปรับเทียบและปรับแต่งบ่อยๆ

ระบบที่เข้าใจการหายใจของคุณอย่างแท้จริงคือระบบที่คุณลืมไปเลยว่ากำลังสวมใส่ อนาคตของอุปกรณ์สวมใส่ไม่ได้เกี่ยวกับการวัดที่แม่นยำยิ่งขึ้น แต่เกี่ยวกับการประยุกต์ใช้ AI ที่ชาญฉลาดกว่ากับจังหวะที่ละเอียดอ่อนและเชื่อมโยงกันของร่างกาย เปลี่ยนสัญญาณชีพชั่วขณะให้กลายเป็นเรื่องราวสุขภาพที่ต่อเนื่องและคาดการณ์ได้