Biphasic Spectral Signatures Enable Non-Linear Glucose Estimation from Smartphone Photoplethysmography

بالنسبة لملايين الأشخاص الذين يعيشون مع مرض السكري، يعد فحص مستوى السكر في الدم طقسًا يوميًا يتضمن وخزة حادة في الإصبع وقطرة من الدم. وبينما جعلت الأجهزة الحديثة هذه العملية أسهل، لا تزال الحاجة إلى الاختبارات الجراحية تشكل عائقًا أمام الفحص واسع النطاق والمراقبة المستمرة. لطالما سعى العلماء لإيجاد طريقة لقياس مستويات الجلوكوز دون كسر الجلد، متوجهين بدلاً من ذلك نحو الضوء الذي يرتد عن جلودنا. فعندما ينبض الدم عبر الأوعية الصغيرة الموجودة تحت السطح مباشرة، فإنه يمتص الضوء ويعكسه بطرق دقيقة. وتتمتع الكاميرات الموجودة في الهواتف الذكية بحساسية كافية للكشف عن هذه التقلبات الطفيفة والمنتظمة في اللون، وهي تقنية تُعرف باسم "التصوير الضوئي بالمطياف عن بُعد" (remote photoplethysmography). وكان التحدي يكمن في أن العلاقة بين أنماط الضوء هذه ومستوى السكر في الدم ليست خطًا بسيطًا ومستقيمًا؛ إذ إن استجابة الجسم لمستويات السكر المرتفعة تتغير بمرور الوقت، مما يجعل من الصعب على الأدوات الرياضية القياسية العثور على إشارة موثوقة وسط الضجيج.

لقًد أظهر فريق من الباحثين من كوريا الجنوبية الآن طريقة جديدة لقراءة هذه الإشارات، من خلال الانتقال من مجرد النظر إلى المتوسطات البسيطة إلى فحص الإيقاع المعقد لتدفق الدم نفسه. ومن خلال تحليل مقاطع الفيديو لوجه شخص تم تسجيلها باستخدام هاتف ذكي قياسي، تمكنوا من تقدير مستويات جلوكوز الدم أثناء الصيام بدقة تفوق المحاولات غير الجراحية السابقة. ولم يكن مفتاح نجاحهم هو النظر فقط في مدى تغير حجم الدم، بل في فحص الترددات المحددة لتلك التغييرات بمرور الوقت. فقد اكتشفوا أن العلاقة بين سكر الدم وإشارة تدفق الدم ليست خطًا مستقيمًا؛ بل تتبع نمطًا منحنيًا ذا جزأين، حيث يسلك الإشارة سلوكًا مختلفًا في المراحل المبكرة من ارتفاع سكر الدم مقارنة بالمراحل المتأخرة الأكثر شدة. وباستخدام نموذج حاسوبي قادر على التعرف على هذا النمط المنحني، حقق الباحثون متوسط معدل خطأ قدره 8.40 بالمائة، وهو تحسن كبير عن معدلات الخطأ التي تتراوح بين 13 و18 بالمائة والتي كانت شائعة في الطرق السابقة.

شملت الدراسة 100 مشارك صاموا لمدة ثماني ساعات على الأقل قبل الاختبار. وضع كل شخص وجهه أمام كاميرا هاتف ذكي، والتي سجلت فيديو لخديه لمدة 40 ثانية تقريبًا. وفي الوقت نفسه، قدم اختبار الوخز التقليدي للإصبع قياسًا مرجعيًا لسكر الدم لديهم. ثم قام الباحثون بمعالجة الفيديو لاستخراج إشارة النبض، وتحويل البيانات الخام إلى خريطة مرئية توضح كيفية تغير طاقة تدفق الدم عبر سرعات اهتزاز مختلفة. وكشفت هذه الخريطة أن المعلومات الأكثر أهمية لتخمين سكر الدم كانت مركزة في نطاق محدد من السرعات المنخفضة للإشارة. وعندما قارنوا خرائط الأشخاص الذين لديهم سكر دم طبيعي بأولئك الذين لديهم مستويات مرتفلة قليلاً وأولئك المصابين بالسكري، ظهر نمط متميز؛ حيث انخفضت قوة الإشارة في ذلك النطاق المحدد من السرعة المنخفضة لدى الأشخاص الذين لديهم سكر مرتفع قليًا، لتعود وترتفع مرة أخرى لدى أولئك الذين يعانون من سكر مرتفع بشكل كبير.

هذا النمط "ثنائي الطور" (biphasic)، حيث تنخفض الإشارة ثم ترتفع، يفسر سبب معاناة الطرق السابقة. فالأساليب القديمة غالبًا ما اعتمدت على نماذج خطية تفترض وجود علاقة خط مستقيم، وتتوقع أن الإشارة ستستمر دائمًا في الارتفاع أو الانخفاض مع ارتفاع مستويات السكر. ولأن الإشارة تنخفض ثم ترتفع بالفعل، فإن النموذج الخطي يصاب بالارتباك، حيث يرى الانخفاض والارتفاع كضجيج متناقض بدلاً من كونهما قصة واحدة متماسكة. استخدم النهج الجديد شبكة عصبية مدمجة، وهي نوع من الذكاء الاصطناعي المصمم للتعرف على الأشكال والأنماط المعقدة، لتفسير هذه العلاقة المنحنية. وقد تعلم النظام التمييز بين الانخفاض المرتبط بالتغيرات الأيضية المبكرة والارتفاع المرتبط بتصلب الأوعية الدموية المتقدم. وكانت النتيجة نموذجًا يمكنه التنبؤ بمستويات سكر الدم بدقة عالية، خاصة بالنسبة للأشخاص الذين لديهم مستويات طبيعية أو مرتفعة قليلاً، وهي المجموعة الأكثر أهمية للفحص المبكر.

كما اختبر الباحثون ما إذا كان من الممكن تحسين النظام من خلال التعلم من تاريخ الفرد الخاص. ووجدوا أنه إذا قدم المستخدم خمس قراءات سابقة لسكر الدم لمعايرة النظام، فإن الدقة تتحسن بشكل أكبر، خاصة في الأيام التي تلي المعايرة مباشرة. ومع ذلك، عمل النظام بشكل جيد حتى بدون هذه البيانات الشخصية، مما يشير إلى إمكانية استخدامه لفحص عام للسكان حيث لا يتوفر تاريخ طبي مسبق. كانت الدراسة صارمة في تصميمها، حيث استخدمت طريقة تسمى "التحقق المتقاطع" (cross-validation) لضمان أن النموذج لا يقوم بمجرد حفظ الأشخاص الذين تم تدريبه عليهم، بل يتعلم قاعدة عامة تنطبق على أشخاص جدد. وقد أدى النموذج أداءً ثابتًا عبر مختلف الأعمار والأجناس، رغم أنه أظهر صعوبة طفيفة مع المجموعة الصغيرة من المشاركين الذين لديهم سكر دم مرتفع جدًا، وهو قصور يعزوه المؤلفون إلى العدد الصغير من هذه الحالات في مجموعة البيانات الخاصة بهم.

وعلى الرغم من أن النتائج واعدة، إلا أن المؤلفين حذرون في تأطير هذا العمل كإثبات تقني للمفهوم وليس كجهاز طبي نهائي. فقد أجريت الدراسة في ظروف خاضعة للرقابة مع مشاركين صائمين، ولم يختبر الباحثون النظام على أشخاص يتناولون الوجبات أو بشكل مستمر. علاوة على ذلك، تم اختيار مجموعة الدراسة من بلد واحد، ولم يتم التحقق تمامًا من أداء النظام مع درجات بشرة مختلفة أو في بيئات مختلفة. إن الارتباط بين أنماط الضوء المحددة والتغيرات البيولوجية الكامنة، مثل تصلب الأوعية الدموية، مدعوم بالأدلة الطبية الموجودة، ولكن لم يتم قياسه مباشرة في هذه المجموعة المحددة من الأشخاص. ويقترح الباحثون أن التغيرات في الإشارة الملحوظة ناتجة على الأرجح عن الطريقة التي تغير بها مستويات السكر المرتفعة ديناميكيات تدفق الدم ومرونة الأوعية، لكنهم يؤكدون أن الدراسات المستقبلية التي تتضمن قياسات وعائية مباشرة ضرورية لتأكيد الآلية البيولوجية الدقيقة.

ورغم هذه القيود، يمثل هذا العمل خطوة كبيرة للأمام في السعي وراء المراقبة الصحية غير الجراحية. فمن خلال تحويل التركيز من القياسات البسيطة القائمة على الوقت إلى التحليل التفصيلي لتردد الإشارة وكيفية تغيرها بمرور الوقت، كشف الفريق عن بنية خفية في البيانات فاتت الأساليب الخطية. إن القدرة على اكتشاف استجابة غير خطية وثنائية المرحلة في إشارة تدفق الدم توفر تفسيرًا منطقيًا لسبب إخفاق المحاولات السابقة، وتفتح مسارًا واضحًا للتحسينات المستقبلية. وتشير النتائج إلى أنه مع الأدوات الحسابية المناسبة، يمكن لكاميرا الهاتف الذكي التقاط تغيرات فسيولوجية دقيقة كانت غير مرئية سابقًا للتحليل القياسي، مما يفتح الباب أمام طرق أكثر سهولة وأقل توغلًا لإدارة الصحة الأيضية.