Desafíos en el uso de sensores portátiles para medir la presión arterial

El uso de la tecnología en la salud ha crecido un montón, especialmente durante la pandemia de COVID-19. Los investigadores ahora están viendo cómo los datos de sensores portátiles pueden ayudar a evaluar medidas de salud como la Presión arterial y los niveles de glucosa. Estos avances podrían mejorar mucho el manejo de enfermedades crónicas y hacer que las consultas médicas a distancia sean más efectivas.

Un método que se está estudiando es usar la Fotopletismografía (PPG), que rastrea el flujo sanguíneo a través de la luz, para estimar la presión arterial de manera no invasiva. Los métodos tradicionales para medir la presión arterial, como los esfingomanómetros, requieren equipos especializados que no siempre están disponibles o son cómodos para usar a largo plazo. Por eso, hay necesidad de métodos no invasivos que se puedan usar en situaciones cotidianas, como con smartphones u otros dispositivos portátiles.

#El Potencial de la Tecnología Portátil

Los dispositivos portátiles ya son comunes, y a menudo incluyen sensores que pueden rastrear varias medidas de salud. Por ejemplo, muchos smartphones tienen cámaras que pueden medir la frecuencia cardíaca analizando los cambios en el color de la piel mientras circula la sangre. Este tipo de tecnología podría ser muy útil para monitorear a personas con condiciones como hipertensión y diabetes.

El desafío aparece cuando los investigadores intentan estimar medidas de salud complejas, como la presión arterial, a partir de datos de sensores más simples como el PPG. Aunque puede parecer prometedor, no siempre hay suficiente evidencia para apoyar que el PPG pueda predecir la presión arterial de manera fiable.

#La Brecha de Investigación

La mayoría de las investigaciones actuales se enfocan en entrenar modelos de aprendizaje profundo para predecir medidas de salud usando datos etiquetados recolectados de dispositivos de grado clínico. El proceso implica reunir datos de sensores de pacientes y compararlos con los datos recolectados con herramientas más precisas. Sin embargo, este enfoque a menudo pasa por alto si los datos de entrada son suficientes para hacer predicciones fiables.

Se desperdician muchas horas de trabajo desarrollando modelos que ni siquiera funcionan bien. Es esencial evaluar si los datos de los sensores pueden predecir con precisión las medidas de salud antes de invertir en modelos complejos de aprendizaje automático.

#Presión Arterial y PPG

La presión arterial es la fuerza que ejerce la sangre al circular por las paredes de los vasos sanguíneos. Es vital monitorearla, ya que una presión arterial anormal puede llevar a graves consecuencias para la salud. Los métodos no invasivos para medir la presión arterial típicamente incluyen dos técnicas principales: el Tiempo de Tránsito del Pulso (PTT) y el Análisis de Olas de Pulso (PWA).

#Tiempo de Tránsito del Pulso (PTT)

El método PTT utiliza el tiempo que tarda una onda de presión en viajar entre puntos de la arteria para estimar la presión arterial. Aunque tiene una base teórica sólida, el PTT puede cambiar debido a otros factores como el envejecimiento de los vasos sanguíneos, lo que puede llevar a lecturas inexactas si no se calibra regularmente.

#Análisis de Olas de Pulso (PWA)

El PWA se basa en analizar la forma de onda generada por el PPG para estimar la presión arterial. El PPG mide los cambios en el volumen sanguíneo en pequeños vasos sanguíneos usando luz. Aunque este método es más accesible ya que solo requiere un sensor, tiene un apoyo teórico más débil en comparación con el PTT.

A pesar de los desafíos actuales, el PWA sigue siendo un área activa de investigación, con algunos productos comerciales que ya utilizan esta tecnología. Sin embargo, no hay suficientes pruebas concretas que muestren que el PWA puede seguir de manera consistente y precisa los pequeños cambios en la presión arterial.

#Revisión de la Investigación Actual

Muchos estudios existentes han intentado predecir la presión arterial a partir de las formas de onda de PPG, pero muchos han encontrado problemas comunes que afectan sus hallazgos. Problemas como la filtración de datos, restricciones demasiado estrictas en los rangos de datos y un preprocesamiento de datos poco realista pueden sesgar significativamente los resultados.

#Filtración de Datos

La filtración de datos ocurre cuando los conjuntos de datos de entrenamiento y prueba no están correctamente separados. Si un modelo ha aprendido de datos que se superponen entre entrenamiento y prueba, puede dar tasas de precisión engañosas. Un ejemplo claro de esto es usar secciones superpuestas de los datos del mismo paciente tanto en el entrenamiento como en la prueba.

#Restricciones Excesivas en la Tarea

Otro problema es la tendencia a eliminar puntos de datos que se consideran atípicos o poco probables. Por ejemplo, algunos estudios ignoraron lecturas de presión arterial que estaban fuera de un cierto rango. Aunque esto puede parecer razonable, elimina información crucial necesaria para predicciones precisas y facilita demasiado la tarea.

#Preprocesamiento Poco Realista

Los investigadores a menudo limpian sus datos filtrando el ruido, pero medidas excesivas pueden llevar a un sobreajuste. Los modelos entrenados en datos altamente filtrados pueden lograr buenos resultados pero fallar en aplicaciones del mundo real donde los datos no son tan limpios.

#Herramientas Propuestas para el Análisis

Para abordar estos problemas, proponemos métodos para evaluar si el PPG puede ser un predictor fiable de la presión arterial. Usamos dos herramientas específicas basadas en mapeos multivaluados e Información Mutua para entender mejor la relación entre el PPG y la presión arterial.

#Mapeos Multivaluados

Este método busca pares de señales de entrada similares (en este caso, lecturas de PPG) que corresponden a salidas muy diferentes (lecturas de presión arterial). Si se encuentran un número significativo de tales coincidencias, indica un problema con la tarea de predicción.

#Información Mutua

La información mutua es una medida estadística que cuantifica la cantidad de información que se obtiene sobre una variable a través del conocimiento de otra. Al calcular la información mutua entre los valores de PPG y presión arterial, podemos evaluar mejor cuánta información proporciona el PPG para hacer predicciones de presión arterial.

#Hallazgos

Nuestro análisis usando estas herramientas reveló que predecir la presión arterial a partir del PPG es un problema complejo y mal condicionado. Por ejemplo, encontramos que alrededor del 33.2% de las muestras de PPG tenían formas de onda muy similares pero producían presiones arteriales significativamente diferentes. En contraste, para las predicciones de frecuencia cardíaca a partir del PPG, solo el 0.02% de las muestras tenía entradas similares pero salidas diferentes.

Además, incluso cuando calculamos la información mutua, encontramos valores muy bajos que indican que el PPG no proporciona suficiente información fiable para predecir con precisión la presión arterial. En contraste, las predicciones de frecuencia cardíaca mostraron mucha más información mutua, sugiriendo que la frecuencia cardíaca es una medida mucho más fiable.

#Importancia de las Medidas Precisas

Establecer lecturas precisas de presión arterial es crucial porque un diagnóstico erróneo puede llevar a tratamientos inadecuados. Si la tecnología portátil puede proporcionar datos fiables a lo largo del tiempo, podría servir como una herramienta esencial para la gestión de la salud, especialmente para pacientes con condiciones crónicas.

En el esfuerzo por estimar con precisión la presión arterial a partir del PPG, es vital utilizar procesos de evaluación completos que consideren otros factores que influyen tanto en la presión arterial como en las lecturas tomadas de los dispositivos portátiles.

#Conclusión

El potencial para usar sensores portátiles para monitorear signos vitales, como la presión arterial, es grande, pero hay obstáculos significativos que los investigadores deben abordar. Los métodos actuales pueden no estimar efectivamente la presión arterial a partir de los datos de las formas de onda de PPG debido a limitaciones en el contenido de información de los datos y los métodos utilizados en el análisis.

A medida que la tecnología avanza, es esencial realizar evaluaciones exhaustivas para asegurar que las predicciones se basen en datos sólidos. Se necesitan enfoques más fundamentados que se enfoquen en la fiabilidad de los datos de entrada para avanzar en el campo del monitoreo de la salud a través de dispositivos portátiles. Con la investigación y desarrollo continuos, hay esperanza de que podamos aprovechar mejor las capacidades de la tecnología moderna para la atención médica.