Tokion yliopiston ja Institute of Science Tokyon tutkijat selvittivät, voidaanko ihmisen kasvoista kuvattavia hienovaraisia verenkierron muutoksia käyttää terveydentilan arviointiin. Tutkimuksessa 215 osallistujan kasvoja ja kämmeniä kuvattiin nopealla spektrikameralla. Koneoppiminen analysoi muun muassa pulssiaallon dynamiikkaa, ihon verenvirtausta ja ihon värin spektrisiä ominaisuuksia. Viiden sekunnin tallenteesta malli tunnisti verenpainetaudin 90,3 %:n ja diabeteksen 81,2 %:n tarkkuudella. 30 sekunnin tallenteella verenpainetauti tunnistettiin 95,0% tarkkuudella. Käytössä oli kuitenkin tavallisen puhelimen kameran sijaan 150 kuvaa sekunnissa tallentava spektrikamera, ja tutkijat itse korostivat tarvetta validoida menetelmä erilaisilla ihon pigmentaatioilla ja väestöryhmillä.

Sote-signaalina olennaista on kameran roolin muuttuminen. Kamera ei tällaisessa järjestelmässä vain välitä kuvaa etävastaanotolle, vaan kuva itsessään muuttuu mittaukseksi. Jos teknologia kehittyy tavallisiin kameroihin, esimerkiksi etävastaanoton, itsepalvelupisteen tai kotihoidon yhteydessä kuvattu lyhyt video voisi tulevaisuudessa tuottaa samalla fysiologista terveystietoa ilman erillisiä mittausvaiheita. Tällä hetkellä videokameralla saadaan käsittääkseni melko luotettavasti jo syke, happisaturaatio, hengitystiheys ja lämpö. Jos tähän taipuisi puhelimen kamera, olisi mahdollisuudet tosi kiinnostavat.

Suomalaisessa sotessa kiinnostavin käyttötapa olisi minusta seulonta ja palvelutarpeen tunnistaminen. Todella vaivaton tapa löytää oireettomia henkilöitä ja auttaa kohdentamaan varsinaisen verenpaine-, laboratorio- tai muun tutkimuksen niille, joilla riski vaikuttaa kohonneelta. Pidemmällä aikavälillä sama teknologia voisi mahdollistaa myös muutosten seuraamisen. Päivittäinen viiden sekunnin video omista kasvoista, ja mittaukset olisi sillä hoidettu!

Epävarmuus on toistaiseksi suurta. ESC:n diabetestulos ei vielä ole vertaisarvioitu, tutkimus on yhden keskuksen aineisto ja käytetty kamera ei ruokakaupan hyllystä löydy. Verenpaineen numeerisessa arvioinnissa hajonta ylitti tutkimuksessa AAMI:n hyväksymiskriteerin, vaikka keskimääräinen virhe oli pieni. Lisäksi ihon sävy, valaistus, liike, kameran ominaisuudet ja väestöryhmien väliset erot voivat vaikuttaa tuloksiin.