Akıllı Telefonlar Artık Nabız Takip Edecek!

Kardiyovasküler sağlık ve genel ölüm oranlarının belirlenmesinde kritik bir biyobelirteç olan dinlenim kalp hızı (RHR), geleneksel olarak akıllı saatler ve bileklikler gibi giyilebilir cihazlarla takip edilebilmektedir. Ancak bu cihazların erişilebilirliği ve kullanım yaygınlığı, sağlık izleme teknolojilerinden en çok fayda sağlayabilecek kesimler arasında hala sınırlıdır. Nature dergisinde yayımlanan yeni bir araştırma, akıllı telefonların ön kamerasını kullanarak günlük etkileşimler sırasında kalp hızını pasif olarak ölçebilen, derin öğrenme tabanlı "Pasif Kalp Hızı İzleme" (PHRM) sistemini tanıttı.

PHRM sistemi, "video tabanlı uzak fotopletismografi" (rPPG) adı verilen bir teknikle çalışmaktadır. Bu yöntem, cilt yüzeyindeki kan hacmi değişimlerini analiz ederek kalp hızını ölçmektedir. Geliştirilen sistem, 485 katılımcıdan elde edilen 192.353 video ile eğitilmiş ve ardından laboratuvar ile günlük yaşam koşullarında 211 katılımcıdan alınan 162.546 video ile doğrulanmıştır. Bu çalışma, literatürdeki benzeri araştırmalar arasında şimdiye kadar yapılmış en geniş kapsamlı doğrulama çalışması olma özelliğini taşımaktadır.

Sistemin teknik mimarisi iki ana bileşenden oluşmaktadır. İlk aşamada, kullanıcının yüzünün 8 saniyelik kısa bir video klibini girdi olarak alan uçtan uca bir kalp hızı tahmin modülü yer almaktadır. Bu modül; video stabilizasyonu, yüz kırpma ve yeniden boyutlandırma gibi ön işlemlerden sonra, hesaplama açısından verimli olan "zamansal kaydırmalı evrişimli sinir ağları" (TSCNN) topluluğunu kullanarak kalp hızını tahmin etmektedir. Sistem, kalp hızını basit bir sayısal değer yerine 40-180 bpm aralığında çok sınıflı bir sınıflandırma problemi olarak ele alarak, tahminin güven düzeyini de belirleyebilmektedir. Bu sayede aşırı hareket gibi hatalı sonuç doğurabilecek durumlarda sistem belirsizliği tespit ederek yanlış ölçümleri eleyebilmektedir.

Sistemin ikinci bileşeni ise gün boyu alınan bu anlık ölçümleri bir araya getirerek günlük dinlenim kalp hızını (RHR) hesaplayan bir algoritmadır. PHRM, akıllı telefonun ekran kilidi açıldığı anda arka planda otomatik olarak çalışacak şekilde tasarlanmıştır. Tahminlerin güven skorları ve bir Kalman filtresi kullanılarak optimize edilen bu süreç, kullanıcıya herhangi bir ek zahmet vermeden güncel sağlık verileri üretmektedir.

Araştırmanın en dikkat çekici yanlarından biri, cilt tonu farklılıklarının yarattığı eşitsizlikleri gidermeye odaklanmasıdır. Mevcut rPPG yöntemleri, melanin konsantrasyonunun yüksek olduğu koyu cilt tonlarında doğruluk kaybı yaşamaktadır. PHRM ise açık, orta ve koyu olmak üzere üç farklı cilt pigmentasyonu grubu üzerinde test edilmiştir. Sonuçlar, tüm cilt tonları için ortalama mutlak yüzde hatanın (MAPE) %10'un altında kaldığını ve endüstri standartlarını karşıladığını göstermiştir. Bu durum, sistemin farklı etnik kökenlerden gelen insanlar için adil ve kapsayıcı bir sağlık izleme aracı olabileceğini kanıtlamaktadır.

Laboratuvar ortamında yapılan testlerde, PHRM'nin referans kabul edilen elektrokardiyogram (EKG) sonuçlarıyla yüksek uyum gösterdiği görülmüştür. Katılımcı bazında ortalama mutlak hata 4,09 bpm olarak kaydedilmiştir. Özellikle egzersiz sonrası ölçümlerde, hareket ve hızlı nefes alma gibi zorlayıcı koşullara rağmen, sistemin güven skorlaması sayesinde hatalı verilerin ayıklandığı ve %2,74 gibi oldukça düşük bir hata payı ile çalıştığı saptanmıştır.

Sistem, 2019-2025 yılları arasında geliştirilen 15 farklı modern rPPG modeliyle karşılaştırılmış ve tüm cilt tonlarında %10'un altında hata payı yakalayan tek model olduğu ortaya çıkmıştır. Diğer derin öğrenme mimarileri ve sinyal işleme algoritmaları, özellikle gerçek dünya koşullarında ve koyu cilt tonlarında PHRM'nin performansının oldukça gerisinde kalmıştır.

Gerçek yaşam koşullarında gerçekleştirilen sekiz günlük takip çalışmasında, katılımcıların günde ortalama 230,7 video klibi yüklediği gözlemlenmiştir. Bu videolar; loş ışık, parlak güneş ışığı, farklı kamera açıları ve yüz maskesi gibi çeşitli engeller içeren gerçek dünya senaryolarını kapsamaktadır. Akıllı telefon sensörlerinden gelen veriler, ölçümlerin büyük çoğunluğunun dururken (%79,7), bir kısmının ise yürürken (%16,0) veya araç içindeyken (%4,1) gerçekleştiğini göstermiştir. Bu çeşitlilik, sistemin günlük yaşamın doğal akışına entegre edilebileceğini kanıtlamıştır.

Son olarak, PHRM tarafından ölçülen günlük dinlenim kalp hızının, giyilebilir takip cihazlarıyla karşılaştırıldığında ortalama mutlak hatasının dakikada 5 atımın altında olduğu belirlenmiştir. Ayrıca, sistemin elde ettiği verilerin, kardiyovasküler hastalıklar için bilinen risk faktörleriyle güçlü bir ilişki içerisinde olduğu tespit edilmiştir. Araştırmacılar, bilimsel ilerlemeyi desteklemek amacıyla önceden eğitilmiş kalp hızı modelini ve geniş, etiketlenmiş video veri setini kamuya açık hale getirmişlerdir.