
Googlen tutkijoiden kehittämä koneoppimisalgoritmi älykellossa osoitti kyvyn tunnistaa äkillisen pulssin katoamisen korkealla tarkkuudella (99,99 %) ja kohtalaisella herkkyydellä (67,23 %), kertoo Google Researchin johtama tutkimus. Sydänpysähdystapahtumien tunnistamiseen suunniteltu järjestelmä voi automaattisesti soittaa hätäpuhelun havaitessaan tapahtuman, vaikka käyttäjä olisi reagoimaton.
Sairaalan ulkopuolella tapahtuvat sydänpysähdykset (OHCA) ovat merkittävä äkillisen sydänkuoleman aiheuttaja, ja selviytymismahdollisuudet riippuvat vahvasti välittömästä tunnistamisesta ja toimenpiteistä. Noin 50–75 % OHCA-tapauksista tapahtuu ilman silminnäkijöitä, mikä vähentää välittömän lääketieteellisen avun ja elvytyksen todennäköisyyttä. Tutkijat arvioivat, voiko älykello itsenäisesti havaita pulssittomuuden ja ottaa yhteyttä hätäpalveluihin minimoiden samalla virheelliset hälytykset.
Nature-lehdessä julkaistussa tutkimuksessa ”Automated Loss of Pulse Detection on a Consumer Smartwatch” tutkijat kouluttivat algoritmin käyttäen fotopletysmografiaa (PPG) ja liiketietoja. Tiimi validoi järjestelmän kuudessa eri kohortissa, mukaan lukien kontrolloidut kliiniset ympäristöt ja todelliset arkielämän olosuhteet.
Elektrofysiologian laboratoriossa 100 potilasta, jotka kävivät läpi defibrillaattorin testauksen, kokivat indusoitua kammiovärinää, mikä tarjosi tietoa pulssittomuudesta. Toiset 99 osallistujaa kokivat pulssittomuuden kiristyssiteen aiheuttaman valtimotukoksen kautta. Laajempi 948 käyttäjän arkielämän kohortti tarjosi lisätietoja ilman pulssittomia tapahtumia.
220 osallistujaa käytti älykelloa passiivisesti päivittäisessä elämässä, jotta nähtäisiin, kuinka usein vääriä positiivisia tuloksia esiintyy. 135 osallistujaa tutkittiin sekä arkielämän olosuhteissa (tarkkuuden arvioimiseksi) että kontrolloidussa ympäristössä, jossa heidän pulssinsa pysäytettiin tarkoituksellisesti kiristyssiteen aiheuttaman valtimotukoksen avulla (herkkyyden arvioimiseksi).
21 ammattimaisesti koulutettua stunttinäyttelijää simuloi sairaalan ulkopuolella tapahtuvia sydänpysähdyskohtauksia algoritmin tunnistustarkkuuden arvioimiseksi korkean liikkeen tapahtumissa.
PPG-signaalien välillä ei havaittu tilastollista eroa kammiovärinän ja valtimotukoksen aiheuttaman pulssittomuuden välillä. Liikkumattomien pulssittomien tapahtumien herkkyys oli 72 %, kun taas simuloitujen romahtamistapahtumien herkkyys oli 53 %. Tarkkuus saavutti 99,99 %, jolloin yksi väärä hätäpuhelu tapahtui 21,67 käyttäjävuoden aikana. Järjestelmä tunnisti pulssittomuuden 57 sekunnissa, minkä jälkeen tehtiin 20 sekunnin käyttäjän reagointitarkistus ennen puhelun aloittamista.
Puettavat laitteet, jotka havaitsevat sydänpysähdyksen, voisivat merkittävästi parantaa selviytymismahdollisuuksia, erityisesti ilman silminnäkijöitä tapahtuvissa tapauksissa. Tarpeettomien hätäpuhelujen estämiseksi alhaisemman väärän positiivisen tuloksen saavuttaminen on kriittinen seuraava askel.
Algoritmi koulutettiin käyttäen kontrolloituja pulssittomuustapahtumia, eikä se välttämättä vastaa täydellisesti todellisia tapahtumia. Jatkuva todellisen maailman älykellotietojen kerääminen voi mahdollistaa algoritmin tarkkuuden ja luotettavuuden parantamisen erilaisissa olosuhteissa.