БИОФИЗИКА, 2023, том 68, № 2, с. 389-395

МЕДИЦИНСКАЯ БИОФИЗИКА

УДК 57.087

ПРИМЕНЕНИЕ МЕТОДОВ ОПТИЧЕСКОГО АНАЛИЗА

ДЛЯ НЕИНВАЗИВНОГО КОНТРОЛЯ УРОВНЯ ОКСИГЕНАЦИИ КРОВИ

*Институт аналитического приборостроения РАН, ул. Ивана Черных, 31-33, Санкт-Петербург, 198095, Россия

^#E-mail: maria51m@mail.ru

Поступила в редакцию 26.04.2022 г.

После доработки 22.10.2022 г.

Принята к публикации 24.10.2022 г.

Разработана и испытана интеллектуальная оптическая система медицинской экспресс-диагности-

ки. Продемонстрирован способ визуализации кислородного статуса биологических тканей в виде

«цифровых образов», описывающих общее функциональное состояние организма человека. Пока-

зана возможность применения метода главных компонент и иерархической кластеризации вкупе с

оптическими методами детектирования форм гемоглобина в биологических тканях для неинвазив-

ного контроля и экспресс-диагностики кислородного статуса организма человека. Результаты ис-

следования говорят о возможности дифференциации испытуемых на группы риска по показаниям

оптических измерений. В отличие от пульсоксиметрии, применение которой распространено для

определения уровня оксигенации крови, представленный метод способен оценить перифериче-

ский кислородный статус, благодаря этому можно вовремя заметить тромбозы и ишемии конечно-

стей.

Ключевые слова: сенсорная система, оптические сенсоры, машинное обучение, метод главных компо-

нент, кислородный статус тканей.

DOI: 10.31857/S0006302923020199, EDN: CDEUXP

В последнее время особенно остро стоит про-

пользуются инвазивные методы (их золотым

стандартом можно считать метод BGA - анализ

блема оценки функционального состояния чело-

газового состава крови), такие методы достаточно

века в ходе реабилитации после перенесенного

точные, однако не отслеживают процессы в дина-

заболевания. Для наблюдения за восстановлени-

ем в динамике критически важно обращать вни-

мике [4-6].

мание на качество доставки кислорода к биологи-

Также возможно использование неинвазив-

ческим тканям [1, 2].

ных методов, самым популярным из них считает-

ся пульсоксиметрия. В основе метода лежит спек-

Транспорт кислорода в тканях регулируется

изменением сродства гемоглобина к кислороду,

трофотометрический способ определения насы-

щения крови кислородом. Данный метод, хоть и

при гипоксии происходит образование метаформ

гемопротеидов (цитохромов), при патологиче-

удобен, но слишком чувствителен к внешним

факторам, таким как движение и яркий свет, кра-

ских процессах в тканях повышается уровень

порфиринов, с возрастом накапливаются липо-

сители (даже лак на ногтях), неправильное распо-

ложение датчика. Кроме того, было замечено, что

фусцин и протопорфирин IX [3]. Кислородный

статус тканей человека определяется по содержа-

сердечные аритмии могут нарушать восприятие

пульсоксиметром сигнала [7, 8]. Также пульсок-

нию основных фракций гемоглобина, его степе-

ни насыщения кислородом.

симетр может дать характеристику только ло-

кальной оксигенации, тогда как необходимо сле-

Отслеживание качества доставки, потребле-

дить за всем периферическим кислородным ста-

ния и снабжения тканей кислородом давно стало

тусом, ведь частыми осложнениями после

одним из основополагающих методов оценки со-

заболеваний являются тромбозы и ишемии ко-

стояния организма человека в клинической прак-

нечностей [9-12].

тике. В наше время для измерения содержания

кислорода и качества его переноса к тканям ис-

Для решения проблемы доступной диагности-

ки и мониторинга кислородного статуса тканей

Сокращение: ЧСС - частота сердечных сокращений.

была разработана и испытана неинвазивная оп-

389

390

ГУЗЕНКО и др.

тическая система видимого и ближнего ИК-диа-

источника излучения белого света был выбран

пазонов длин волн. Такая система проста в ис-

белый люминофорный SMD светодиод на основе

пользовании и подходит для эксплуатации вне

гетероструктур нитрида галия GaN. Несмотря на

медицинского учреждения.

то, что спектр излучения белого SMD светодиода

не является широкополосным излучением (на-

Для качественной обработки данных и удоб-

пример, как спектр у солнца или галогеновых

ства их восприятия были использованы методы

ламп), все же спектр переизлучения светодиодов

машинного обучения, визуализации и распозна-

в такой конфигурации захватывает достаточно

вания «цифровых образов» состояния биологиче-

широкую область видимого диапазона от красно-

ских тканей. Информационно-вычислительный

го до синего цвета с определенным провалом в

модуль системы использовал статистические ал-

области сине-зеленого цвета.

горитмы и методы математического моделирова-

ния для анализа и визуализации массива данных

Информационно-вычислительный модуль

в виде «цифровых образов», представленных ра-

осуществляет управление и отображение полу-

диальными диаграммами. Обработка данных

ченных значений, он представлен математиче-

происходила с использованием метода главных

ской моделью статистических алгоритмов обра-

компонент и иерархической кластеризации [13-

ботки и анализа многомерных данных. Матема-

16].

тическая модель статистических алгоритмов

представлена целым набором математических

МАТЕРИАЛЫ И МЕТОДЫ

методов машинного обучения, классически ис-

пользующихся для разведывательного интеллек-

Разработанная оптическая система для неин-

туального анализа данных, а также для распозна-

вазивного контроля и экспресс-диагностики кис-

вания и визуализации образов. В работе было

лородного статуса организма человека состоит из

предложено использовать такие методы как ме-

двух модулей - оптико-электронного и вычисли-

тод главных компонент, наиболее популярные

тельно-информационного. Принцип работы си-

иерархические (методы одиночной, средней и

стемы основан на процессах поглощения и рассе-

полной связи) и неиерархические методы класте-

яния света, направленного на ткани, а также на

ризации (методы k-means и PAM). Обучение си-

зависимости количества обратно рассеянного из-

стемы заключается в создании «образа эталона»

лучения от глубины проникновения квантов све-

исследуемой биологической ткани [11]. Далее ис-

та и максимального поглощения их составляю-

следуемый «образ объекта» распознается и визуа-

щими тканей (спектрофотометрия в обратно

лизируется. Для реализации всех предложенных

рассеянном свете). В основе метода лежит спо-

методов машинного обучения с целью комплекс-

собность фотоприемника регистрировать спек-

ного анализа данных в ходе работы авторами был

тральные интенсивности части света, изменен-

разработан программный модуль, который осу-

ных после прохождения через биологические тка-

ществляет загрузку подлежащих анализу двумер-

ни: в зависимости от присутствия определенных

ных числовых таблиц в программу и применяет к

веществ в исследуемых тканях оптические свой-

ним различные алгоритмы машинного обучения

ства изменяются по-разному [17, 18].

с последующей визуализацией полученных ре-

Оптико-электронный модуль системы пред-

зультатов анализа в удобной форме. Программ-

ставляет собой 18-канальный сенсорный инте-

ный модуль был написан на языке R в графиче-

гральный оптический анализатор спектров види-

ском интерфейсе R Studio.

мого и ближнего инфракрасного диапазонов, ко-

торый основан на отладочной плате AS7256х

Помимо этого, разработанная оптическая си-

производства компании AMS AG (Австрия). Пла-

стема представлена не одним сенсором, а целым

та AS7256х объединяет в себе 18 фоточувствитель-

набором (массивом) оптических датчиков, реги-

ных элементов, работающих в оптическом диапа-

стрирующих обратно-рассеянный в тканях свет

зоне на длинах волн от 410 до 940 нм, а также

на разных длинах волн (мультисенсорная систе-

16-битные встроенные АЦП, предназначенные

ма). Стандартно в исследованиях с использова-

для преобразования детектируемых оптических

нием мультисенсорных систем «цифровые отпе-

аналоговых сигналов в цифровые. Для обеспече-

чатки» могут быть представлены в виде много-

ния устройства источниками оптического излу-

гранников (радиальных диаграмм) с числом

чения авторами были осуществлены подбор и

вершин, совпадающим с числом используемых

ручная поверхностная установка трех SMD свето-

сенсоров. Таким образом, в работе после первич-

диодов типоразмера 3216: белого (Kingbright, KP-

ной обработки полученных данных (стандартиза-

3216QWF-D), красного (Kingbright, KPTD-

ции данных) отклики 18 оптических сенсоров

3216SRC-PRV) и инфракрасного света (King-

представлялись в виде лепестковых диаграмм с

bright, KP-3216F3C). Таким образом, в качестве

18 вершинами.

БИОФИЗИКА том 68

№ 2

2023

ПРИМЕНЕНИЕ МЕТОДОВ ОПТИЧЕСКОГО АНАЛИЗА

391

Рис. 1. Блок-схема диагностической сенсорной системы анализа кислородного статуса тканей человека.

В процессе обучения системы предъявляется

комплексного медицинского осмотра наличие

матрица известных «образов эталонов», для кото-

серьезных медицинских отклонений или патоло-

рых вычисляются и запоминаются средние значе-

гий у испытуемых выявлено не было.

ния осей многогранника и их средние квадратич-

Физическая нагрузка организма человека, ко-

ные отклонения. Статистические параметры мат-

торой подвергались испытуемые, представляла

рицы

«образов эталонов» заносятся в базу

собой выполнение пробы Штанге, существенно

данных.

влияющей на физиологические изменения в

Распознавание образов включает в себя фор-

функционировании организма, а также отражаю-

мирование «образа объекта» за несколько циклов

щей устойчивость организма к состоянию гипо-

предъявления исследуемого образца, вычисление

ксии - пониженному содержанию кислорода в

и запоминание его статистических параметров, а

крови, тканях и органах [19].

также их сравнение с значениями матрицы «обра-

При проведении экспериментальной оценки

за эталона» того же типа.

физической нагрузки организма оптическую экс-

В процессе исследования был разработан ма-

пресс-систему помещали на предплечье левой ру-

кет корпуса прибора, ограничивающий поступ-

ки. Также был использован секундомер для фик-

ление дневного света к датчикам при проведении

сирования времени от момента начала физиче-

измерений. Схема неинвазивной оптической си-

ских упражнений (приседаний) до их окончания.

стемы для диагностики кислородного статуса

Оптическая система проводила измерения в не-

тканей человека изображена на рис. 1.

прерывном режиме каждые 3 с до физической на-

грузки организма испытуемого, в течение и после

нее. Данные измерения позволили получить мас-

ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ

сив данных, отражающих изменение уровня ок-

Цель экспериментальных исследований за-

сигенации крови испытуемых в условных едини-

ключалась в получении результатов измерений с

цах. Состояние измерительной системы в режиме

помощью оптической диагностической системы

сбора данных до физической нагрузки длилось

в виде матрицы значений восемнадцати оптиче-

60 с, после нагрузки - 240 с. Параллельно с экс-

ских сенсоров. В экспериментальных исследова-

периментальным исследованием было проведено

ниях приняли участие семь испытуемых мужско-

независимое медико-биологическое исследова-

го пола в возрасте от 18 до 23 лет. В результате

ние под наблюдением медицинского персонала.

БИОФИЗИКА том 68

№ 2

2023

392

ГУЗЕНКО и др.

Рис. 2. «Цифровые образы» испытуемых с различными уровнями адаптированности к изменению уровня оксигенации.

Красный график отражает показания датчиков спустя

4 мин после физической нагрузки, нормированные по

показаниям датчиков в состоянии покоя.

Исследование также представляло собой прове-

(1)

дение классической пробы Штанге, только при

этом оценивались продолжительность задержки

дыхания на вдохе (проба Штанге) и показатель

где x - исходная величина,

- среднее значение

реакции частоты сердечных сокращений (ЧСС)

всей выборки, S_x - стандартное отклонение всей

[20, 21]. Последний параметр отражает изменение

выборки.

ЧСС при проведении эксперимента и равен отно-

Однако при расчетах вместо среднего значе-

шению ЧСС через 30 с после окончания физиче-

ния всей выборки в формулу подставляли среднее

ской нагрузки к ЧСС за 30 с до физической на-

значение показаний датчиков до начала нагрузки.

грузки. При отклонении показателя реакции от

Таким образом, все показания оптических датчи-

значения 1.2 в большую сторону можно говорить

ков были стандартизированы относительно со-

о недостаточной компенсаторно-адаптационной

стояния покоя, что впоследствии повысило ин-

реакции сердечно-сосудистой системы организ-

формативность анализа. Полученные диаграммы

ма испытуемого при недостатке кислорода.

отражают индивидуальный кислородный статус,

уникальный для каждого испытуемого, они пред-

ставляют собой «цифровые образы», описываю-

РЕЗУЛЬТАТЫ

щие общее функциональное состояние организ-

ма. Примеры полученных «цифровых образов» до

В ходе обработки и визуализации эксперимен-

и после физической нагрузки приведены на

тальных данных были построены индивидуаль-

рис. 2.

ные радиальные диаграммы для каждого испыту-

Как видно из графиков, у испытуемых наблю-

емого. Они представляли собой восемнадцати-

даются разные уровни адаптированности к изме-

угольники, на осях которых отложены

нению уровня оксигенации. При этом, согласно

стандартизированные показания, считанные с

независимому медико-биологическому исследо-

18 датчиков. Стандартизация данных осуществ-

ванию, испытуемые с уровнем адаптированности

лялась для приведения всех показаний датчиков к

как на рис. 2 (слева) имеют наилучшие результаты

одному диапазону. В ходе работы авторами было

в пробе Штанге (показатель реакции меньше 1,

предложено применение оптимальной методики

большая длительность задержки), тогда как ис-

стандартизации данных, которая представляла

пытуемые с тенденцией как на рис. 2 (справа), на-

собой использование базового метода Z-оценки

оборот, показали неудовлетворительные резуль-

при котором расчет стандартизованной величи-

таты в дыхательной пробе (показатель реакции

ны z производится по формуле (1):

больше или равен 1.2), что говорит о неблагопри-

БИОФИЗИКА том 68

№ 2

2023

ПРИМЕНЕНИЕ МЕТОДОВ ОПТИЧЕСКОГО АНАЛИЗА

393

Рис. 3. Результат кластеризации методом одиночной

связи. Семь пациентов распределяются по трем кла-

стерам, расстояние между кластерами определяется

расстоянием между ближайшими объектами в различ-

ных кластерах.

Рис. 4. Результат кластеризации с помощью метода

главных компонент в пространстве первых двух

главных компонент по 18 переменным для семи

ятной реакции сердечно-сосудистой системы на

испытуемых.

недостаток кислорода. Таким образом, с точки

зрения здоровья испытуемого хорошим результа-

том является представленный на рис. 2 (слева),

но с помощью известного эмпирического стати-

когда через 4 мин после задержки дыхания пока-

стического алгоритма машинного обучения - ме-

затели или восстанавливаются до показателей,

тодом локтя (Elbow method). При этом в группу 1

зарегистрированных в состоянии покоя, или на-

согласно независимому медико-биологическому

блюдается снижение уровня показателей относи-

исследованию попал испытуемый с неудовлетво-

тельно показателей, зарегистрированных в состо-

рительной реакцией на нагрузку, в группу 2 -ис-

янии до проведения функциональной нагрузки,

пытуемый с нормальной реакцией, а в группе 3

как отображено на рис. 2 (слева).

были объединены испытуемые с хорошей реак-

Возможность наблюдения таких динамиче-

цией на дыхательную пробу.

ских изменений уровня интенсивности обратно-

Кроме того, была проведена оценка экспери-

рассеянного света в тканях с помощью оптиче-

ментальных данных методом главных компонент

ских методов связано с изменением количествен-

для уменьшения размерности многомерных дан-

ных соотношений оксигемоглобина и дезоксиге-

ных и поиска статистических взаимосвязей меж-

моглобина в крови и в тканях при гипоксическом

ду ними. Метод главных компонент представляет

воздействии. Помимо этого, под нагрузкой мо-

собой ортогональное линейное преобразование,

жет происходить расширение капиллярных сосу-

которое отображает данные из исходного про-

дов (реакция сосудов на функциональную на-

странства признаков в новое пространство мень-

грузку), что приводит к изменению величин рас-

шей размерности [22, 23]. Испытуемые были раз-

сеивающих и поглощающих площадей.

делены на три группы, они изображены на рис. 4.

После построения образов показания каждого

Таким образом, полученные распределения

из 18 сенсоров после физической нагрузки испы-

успешно соотносятся с реальными медицински-

туемых в виде многомерных данных были ис-

ми показаниями о компенсаторно-адаптацион-

пользованы для кластерного анализа с примене-

ных реакциях испытуемых, снятых независимо от

нием метода иерархической кластеризации и ме-

проведения эксперимента. Полученные резуль-

тода главных компонент.

таты независимого медико-биологического ис-

Визуализация кластеризации многомерных

следования подтвердило схожесть и различия ис-

данных методом одиночной связи представлена

пытуемых по реакции на гипоксическую пробы и

на рис. 3, на нем изображена дендрограмма, ли-

подтвердило возможность разбиения испытуе-

стья которой представляют собой номера испы-

мых на три условных группы с разным уровнем

туемых. В этом методе расстояние между двумя

адаптированности и устойчивости к гипоксии.

кластерами определяется расстоянием между

двумя наиболее близкими объектами (ближай-

ЗАКЛЮЧЕНИЕ

шими соседями) в различных кластерах.

В ходе кластеризации данным методом испы-

В результате проведенных экспериментальных

туемые разделились на три группы. Оптимальное

исследований и последующей математической

количество кластеров (равное трем) было оцене-

обработки был получен набор «цифровых обра-

БИОФИЗИКА том 68

№ 2

2023

394

ГУЗЕНКО и др.

зов», которые отражают компенсаторно-адапта-

периментов было получено информированное

ционную реакцию испытуемого на нагрузку, по

согласие на проведение исследования.

которым можно судить об уровне и динамике от-

клонений кислородного статуса испытуемых от

эталонных значений. Проведена кластеризация

СПИСОК ЛИТЕРАТУРЫ

групп испытуемых с различными уровнями окси-

Л. П. Кислякова, А. Л. Буляница, Ю. Я. Кисляков

генации крови. Показана возможность выявле-

и В. И. Гуляев, Научное приборостроение, 26 (2),

ния различимости испытуемых между собой по

37 (2016).

оптическим измерениям.

Yu. Ya. Kislyakov, S. A. Avduchenko, L. P. Kislyakova,

Таким образом, данное исследование демон-

and A. Yu. Zaitceva, J. Comput. Theor. Nanosci., 16,

стрирует эффективность применения математи-

4502 (2019).

ческих методов обработки больших массивов ин-

А. В. Абрамцова и В. Ю. Куликов, Медицина и об-

формации вкупе с оптическими методами неин-

разование в Сибири, 2, 8 (2011).

вазивного контроля для экспресс-диагностики

M. T. Ganter, U. Schneider, M. Heinzelmann, et al., J.

кислородного статуса биологических тканей при

Clin. Anesth., 19, 569 (2007).

оценке функционального статуса организма че-

J. Kofstad, Scand. J. Clin. Lab. Inv., 41 (4), 409 (1981).

ловека, а также для микроциркуляторного мони-

торинга тканей. Было показано, что использова-

I. Hennesey and A. Japp, Arterial blood gases made easy

(CBS, Churchill Livingstone, 2007).

ние предложенного метода позволяет выявлять

скрытые закономерности в оптических данных, а

R. Beasley, A. McNaughton, and G. Robinson, Lan-

полученные результаты отражают реальную ком-

cet, 367, 1124 (2006).

пенсаторно-адаптационную реакцию человека на

D. P. Davis, J. Q. Hwang, and J. V. Dunford, Prehosp.

функциональную нагрузку. В дальнейшем требу-

Emerg. Care, 12, 46 (2008).

ется проведение исследований для оценки тен-

K. Warrior, P. A. Chung, N. Ahmed, et al., Crit. Care

денции изменения показаний системы у различ-

Explor., 2 (6), 140 (2020).

ных групп испытуемых и увеличение общего на-

10.

M. Javid, T. R. Magee, and R. B. Galland, Eur. J. Vasc.

бора статистических данных для проведения

Endovasc. Surg., 35 (1), 84 (2008).

более глубокого факторного анализа. Получен-

ные результаты позволяют рекомендовать разра-

11.

H. Obara, K. Matsubara, and Yu. Kitagawa, Ann. Vasc.

Diseases, 11 (4), 443 (2018).

ботанную неинвазивную оптическую сенсорную

систему в качестве аппаратно-программного

12.

S. Nitecki, B. Brenner, A. Hoffman, et al., Eur. J. Vasc.

комплекса поддержки принятия врачебных ре-

Surg., 7 (4), 414 (1993).

шений, а также как автоматизированную систему

13.

J. Yang, D. Zhang, A. F. Frangi, and J. Yang, IEEE

экспресс-диагностики кислородного обеспече-

Trans. Pattern Anal. Mach. Intell., 26 (1), 131 (2004).

ния тканей человека и оценки нарушений ткане-

14.

A. Daffertshofer, C. J. C. Lamoth, O. G. Meijer, and

вой микрогемодинамики.

P. J. Beek, Clin. Biomech. 19 (4), 1 (2004).

15.

F. Murtagh and P. Contreras, WIREs: Data Mining and

Knowledge Discovery, 7 (3), 1219 (2017).

ФИНАНСИРОВАНИЕ РАБОТЫ

16.

S. C. Johnson, Psychometrika, 32, 241 (1967).

Исследование выполнено в рамках Государ-

ственного задания № 075-00280-21-00 по теме

17.

A. Yu. Zaitceva, L. P. Kislyakova, Yu. Ya. Kislyakov,

and S. A. Avduchenko, J. Phys.: Conf. Ser. 1400 (3),

«Новые подходы к разработке аналитических си-

3022 (2019).

стем на основе генетических, физико-химиче-

ских и иммунных методов исследования» СУ

18.

Yu. Ya. Kislyakov, S. A. Avduchenko, L. P. Kislyakova,

and A. Yu. Zaitceva, J. Comput. Theor. Nanosci. 16,

НИР 0074-2019-0013.

4502 (2019).

19.

Д. О. Кирсанов, Дисс. … д-ра хим. наук (СПбГУ,

КОНФЛИКТ ИНТЕРЕСОВ

СПб., 2014).

Авторы заявляют об отсутствии конфликта

20. G. E. P. Box and N. R. Draper, Empirical Model-Build-

ing and Response Surface (Wiley, N.-Y., 1987).

интересов.

21. Р. М. Воронин, Актуальные проблемы медицины,

14 (10), 173 (2011).

СОБЛЮДЕНИЕ ЭТИЧЕСКИХ СТАНДАРТОВ

22. K. H. Esbensen, Multivariate Data Analysis - in prac-

Исследование было проведено без риска для

tice. An introduction to multivariate data analysis and ex-

здоровья людей с соблюдением всех принципов

perimental design (CAMO AS, Oslo, 2001).

гуманности и этических норм (Хельсинкская де-

23. I. T. Jolliffe, Principal component analysis (Springer

кларация WMA, 2013 г.). От всех участников экс-

Science & Business Media, N.-Y., 2002).

БИОФИЗИКА том 68

№ 2

2023