血氧模拟器的不同肤色与组织厚度模拟：算法公平性测试

血氧模拟器的不同肤色与组织厚度模拟：算法公平性测试

做血氧饱和度（SpO2）监测设备，有一个越来越受关注的问题——不同肤色患者的测量准确性差异。近年来，多项临床研究发现，一些血氧仪在深色皮肤患者身上的测量误差明显大于浅色皮肤患者，可能导致深色皮肤患者的低氧血症被漏诊。这个问题引起了FDA、WHO等监管机构的重视，也成为血氧设备研发和测试的新课题。要测试不同肤色和组织厚度下的血氧准确性，就需要血氧模拟器能模拟不同肤色和组织厚度的光学特性。今天就聊聊血氧模拟器的不同肤色与组织厚度模拟，以及算法公平性测试方法。

先说说为什么肤色会影响血氧测量。血氧测量用的是光电容积脉搏波法（PPG）——红光（660nm）和红外光（940nm）照射组织，光电管接收透射或反射光，计算两个波长的交流/直流比值（R值），再换算成血氧饱和度。这个方法假设不同患者的组织光学特性相似，但实际上，皮肤中的黑色素对光有强烈吸收，而且黑色素对不同波长光的吸收不同——黑色素在可见光波段（包括红光660nm）吸收很强，在近红外波段（940nm）吸收较弱。这就导致深色皮肤患者的红光信号衰减比红外光更严重，R值（红光AC/DC比红外AC/DC）发生变化，如果算法没有针对不同肤色做校准，就会产生系统误差。

除了黑色素，组织厚度也影响血氧测量——手指粗细、组织厚度、骨骼大小不同，光程长度不同，信号强度和DC电平不同。肥胖患者的手指组织厚，光衰减大，信号弱；消瘦患者的手指薄，信号强。组织厚度还影响脉搏波的形态和幅度。另外，指甲厚度、指甲颜色（如灰指甲、指甲油）、皮肤色素沉着（如妊娠斑、老年斑）、纹身等也会影响光吸收和信号质量。

临床研究发现的问题：2020年以来，《新英格兰医学杂志》（NEJM）等顶级期刊发表了多项研究，发现一些主流品牌的血氧仪在深色皮肤（Black患者）身上的测量值系统性偏高——实际血氧已经低于88%（低氧血症阈值），但血氧仪显示92%-93%，导致低氧血症被漏诊，延误治疗。这个问题在COVID19大流行期间尤为突出，因为血氧仪被广泛用于家庭监测，深色皮肤患者可能因为血氧仪读数偏高而没有及时就医。FDA在2021年发布了安全沟通，提醒医护人员注意血氧仪在深色皮肤患者上的局限性；WHO也在2023年发布了血氧仪性能评估指南，特别强调了不同肤色下的准确性要求。这些都说明，肤色公平性已经成为血氧设备必须面对和解决的问题。

我们遇到过一个客户，做指夹式血氧仪，之前只在浅色皮肤（白人）志愿者身上做了人体实验标定算法，准确度很好（±2%以内）。但产品上市后，收到深色皮肤用户的反馈——测量值偏高，有时候实际已经低氧了还显示正常。他们一开始以为是个别用户的问题，后来用不同肤色的模拟手指（模拟不同黑色素浓度的光学模型）测试，发现深色皮肤模拟手指下测量值确实系统性偏高2%-4%，问题出在算法标定数据缺乏深色皮肤样本。后来他们用能模拟不同肤色的血氧模拟器（或光学模型），补充了深色皮肤的标定数据，优化了算法（增加了黑色素补偿，或用多波长/多路径测量来减少肤色影响），才解决了公平性问题。这个案例说明，血氧算法必须在不同肤色和组织厚度下标定和测试，不能只在单一肤色上验证。

先说说适合肤色和组织厚度测试的血氧模拟器应该具备什么能力。传统的血氧模拟器（如Fluke Index 2、Datrend OxSimFlex）主要模拟的是"标准"手指的光学特性，通常只有一种或少数几种组织模型，不能精确模拟不同肤色和组织厚度。要做肤色公平性测试，需要更专业的设备：

第一，不同肤色光学模型——能模拟不同黑色素浓度（对应不同肤色，如Fitzpatrick皮肤分型I型到VI型，从非常浅到非常深）的光学特性，包括黑色素在红光和红外光波段的吸收系数、散射系数。G端模拟器或专用的"肤色模拟手指"（Skin Tone Phantom）能提供不同肤色的光学模型。

第二，不同组织厚度模拟——能模拟不同手指厚度（如薄手指10mm、中等15mm、厚手指25mm）、不同组织层结构（皮肤、脂肪、肌肉、骨骼的厚度比例），测试不同组织厚度下的信号质量和测量准确性。

第三，不同DC电平和信号强度——肤色深、组织厚会导致DC电平高（吸收多）、AC信号弱（脉搏波小），模拟器应该能输出不同DC电平（从低到高）和不同AC幅度（从强到弱），模拟不同肤色和组织厚度下的信号特征。

第四，真实人体数据验证——模拟器的肤色模型需要用真实人体数据验证，确保模拟的光学特性和真实不同肤色患者一致。好的方法是采集不同肤色志愿者的PPG数据，建立真实数据库，用于算法标定和验证。

第五，多波长支持——如果设备用多波长（如除了660/940nm，还有其他波长）来减少肤色影响，模拟器应该支持多波长输出。

如果没有专业的肤色模拟设备，也可以用一些替代方法：（1）用不同颜色的滤光片或中性密度滤光片叠加在血氧探头上，模拟不同光吸收（但不能精确模拟黑色素的波长选择性吸收）；（2）用不同厚度的透明材料（如亚克力、硅胶）模拟组织厚度；（3）在模拟器输出的基础上，人为调整红光和红外光的DC比例，模拟黑色素对红光吸收更强的特性；（4）zui可靠的还是真实人体测试——招募不同肤色的志愿者，在受控条件下（如吸入不同氧浓度的气体，用血气分析做参考）测试。

再说说肤色和组织厚度公平性测试的具体方法。

方法一：不同肤色下的血氧准确度对比测试。这是最核心的测试。用能模拟不同肤色的血氧模拟器（或真实不同肤色志愿者），在每种肤色下（如浅肤色、中等肤色、深肤色、非常深肤色），测试不同血氧值（70%、80%、85%、90%、95%、98%、100%）的测量准确度，计算每种肤色下的平均误差、标准差、最大误差。重点关注：（1）不同肤色下的误差是否有显著差异——深肤色下误差是否明显大于浅肤色？（2）误差的方向——深肤色下是偏高还是偏低？（通常偏高，因为黑色素对红光吸收更强，R值偏小，换算的血氧偏高）（3）低血氧范围（<90%）的误差——这是临床最关心的，深肤色下低氧是否被漏诊？（4）如果误差有显著差异，说明算法存在肤色偏差，需要优化。

方法二：不同组织厚度下的血氧准确度测试。用不同厚度的模拟手指（或不同手指粗细的志愿者），测试不同组织厚度下的血氧准确度和信号质量。重点关注：（1）厚手指（肥胖、组织厚）下信号是否足够？测量是否稳定？（2）薄手指（消瘦、儿童）下信号是否过强导致饱和？（3）不同组织厚度下的误差差异；（4）新生儿/小儿的小手指测试——新生儿手指很小，普通指夹式探头可能不适用，需要专用包裹式探头。

方法三：不同肤色下的弱灌注性能测试。深肤色+弱灌注是双重困难场景——深肤色本身信号弱（黑色素吸收多），弱灌注（休克、低体温）进一步减弱信号，两者叠加可能导致测量失败或严重误差。同时设置深肤色模型和低PI（0.5%、0.2%、0.1%），测试设备在双重困难下：（1）能否测量？（2）误差多大？（3）测量时间多长？（4）会不会显示错误值？这种组合测试最能反映设备在真实恶劣临床环境下的公平性和可靠性。

方法四：不同肤色下的运动伪影测试。深肤色患者（如 sickle cell disease 镰状细胞病患者，容易发生血管闭塞危象和低氧）可能在躁动时需要监测，运动伪影+深肤色是另一个困难组合。同时设置深肤色模型和运动伪影，测试设备在运动下的测量准确性和稳定性。

方法五：算法公平性指标评估。除了对比误差，还可以用一些公平性指标来量化算法的肤色偏差：（1）不同肤色组的平均误差差异——如深肤色组平均误差 - 浅肤色组平均误差，差异越小越公平；（2）不同肤色组的灵敏度差异——在检测低氧血症（如SpO2<88%）时，深肤色组的灵敏度（真阳性率）是否低于浅肤色组？灵敏度差异是临床最关心的公平性指标——如果深肤色患者的低氧更容易被漏诊（灵敏度低），就是严重的公平性问题；（3）不同肤色组的特异度差异——检测低氧时的假阳性率差异；（4）误差分布的重叠度——不同肤色组的误差分布是否重叠，还是有明显偏移；（5）最大误差的肤色分布——最大误差出现在哪种肤色？是不是集中在深肤色？

方法六：真实人体多肤色验证。模拟器测试是基础，但最终必须用真实人体验证。招募不同肤色（Fitzpatrick I-VI型）、不同年龄、不同性别的志愿者，在受控条件下（如吸入不同氧浓度的氮氧混合气体，同时用动脉血气分析做金标准）测试血氧仪的准确度。这是FDA和ISO要求的血氧准确度人体实验的标准方法，现在特别强调要纳入足够比例的深色皮肤志愿者（通常要求至少20%-30%的受试者为深色皮肤）。人体实验是验证肤色公平性的金标准。

方法七：算法优化和补偿测试。如果测试发现算法存在肤色偏差，需要优化算法。常见的优化方法：（1）补充深色皮肤标定数据——在算法标定阶段纳入足够的深色皮肤样本，让算法学习不同肤色的特征；（2）黑色素补偿——通过测量DC电平或红光/红外光DC比值，估算黑色素浓度，对R值进行补偿；（3）多波长测量——增加额外波长（如800nm、730nm等），利用多波长信息减少肤色影响；（4）多路径测量——用不同距离的发射-接收路径，区分皮肤层和深层组织的信号，减少皮肤黑色素的影响；（5）自适应算法——根据信号特征（如DC电平、AC幅度、波形形态）自动调整算法参数，适应不同肤色和组织条件。优化算法后，要重新做肤色公平性测试，确认偏差已经消除或减小到可接受范围。

再说说肤色公平性测试的常见误区。误区一：只在浅色皮肤上标定和测试——这是最常见的错误，也是导致肤色偏差的根本原因。算法必须在不同肤色上标定和验证。误区二：觉得"模拟器测不出来肤色影响"——传统血氧模拟器确实主要模拟标准手指，但可以通过调整红光/红外光DC比例、用滤光片、用专用肤色模拟手指、或真实人体测试来评估肤色影响。不要因为传统模拟器不支持就忽略这个问题。误区三：只看平均误差，不看灵敏度和漏诊率——平均误差可能看起来不大（如深肤色下平均偏高2%），但在临床阈值附近（如88%），2%的偏高可能导致实际85%的患者显示87%，刚好低于报警阈值，漏诊率显著增加。必须看低氧检测的灵敏度和漏诊率。误区四：深肤色样本量不足——人体实验中如果深色皮肤志愿者比例太低（如只有5%），统计结果不可靠，不能充分评估深肤色下的性能。监管机构现在要求足够比例的深色皮肤样本。误区五：忽略组织厚度和其他因素——除了肤色，组织厚度、指甲状况、纹身等也影响测量，要综合考虑。误区六：觉得"这是行业普遍问题，我们也没办法"——肤色公平性是可以通过算法优化和多波长技术改善的，不能因为行业普遍存在就忽视。越来越多的监管要求和临床需求会推动这个问题的解决。

最后说说我们的经验。肤色公平性是血氧设备领域近年来zui受关注的问题之一，它不仅是技术问题，更是社会公平和患者安全问题——深色皮肤患者不应该因为肤色而得到不准确的医疗监测。做血氧产品，必须把肤色公平性作为重要的设计和测试指标：第一，在算法标定阶段纳入足够的不同肤色样本，不能只在单一肤色上标定；第二，用能模拟不同肤色和组织厚度的设备（专用肤色模拟手指、多肤色人体实验）全面测试不同肤色下的准确度、弱灌注性能、运动性能；第三，用公平性指标（不同肤色组的误差差异、低氧检测灵敏度差异）量化评估，而不是只看整体平均误差；第四，如果发现偏差，通过算法优化（黑色素补偿、多波长、多路径）来改善；第五，在产品说明书中明确告知设备在不同肤色下的性能特点和局限性。监管机构（FDA、NMPA、WHO）对血氧仪的肤色公平性要求越来越严格，未来这会是血氧设备注册和临床使用的必查项。提前重视和解决这个问题，不仅是合规要求，更是对所有患者（无论肤色）的健康负责。如果你们在肤色公平性测试、算法优化、模拟器选型中有具体问题，欢迎一起交流。