Progressi nel monitoraggio ECG in-ear

Negli ultimi anni, la tecnologia indossabile è diventata sempre più popolare, soprattutto per monitorare la salute. Molti di questi dispositivi, come braccialetti e cerotti, vengono usati per tenere sotto controllo l'attività cardiaca tramite vari metodi, come l'ECG (elettrocardiogramma) e il PPG (fotoplettismogramma). Sebbene siano utili, spesso hanno delle limitazioni. Ad esempio, i braccialetti di solito misurano la Frequenza Cardiaca nel tempo, ma non possono fornire una lettura completa dell'ECG a meno che non usi entrambe le mani, come con l'Apple Watch. Allo stesso modo, i cerotti sul petto sono migliori per il monitoraggio a lungo termine, ma possono essere scomodi per l'uso quotidiano.

È emersa una nuova categoria di dispositivi chiamati "hearables". Questi sono progettati per essere indossati nell’orecchio e possono monitorare continuamente i segni vitali. L'orecchio è un buon posto per questo perché è vicino a organi importanti ed è di solito in una posizione stabile mentre una persona svolge le sue attività. Gli esperti si aspettano che il mercato degli hearables possa raggiungere dimensioni significative nei prossimi anni.

Questi dispositivi indossati nell'orecchio possono tenere traccia di vari segnali di salute, comprese le onde cerebrali (EEG), l'attività cardiaca (ECG) e il flusso sanguigno (PPG). Sono già usati per vari scopi, come monitorare il sonno, misurare i livelli di ossigeno nel sangue, controllare la pressione sanguigna, valutare il carico mentale e rilevare la sonnolenza.

In particolare, la salute cardiaca può essere monitorata usando tre metodi principali: elettrico (ECG), ottico (PPG) e tecnologia audio. I segnali elettrici dell'ECG possono essere rilevati posizionando sensori nell'orecchio. Tuttavia, questi segnali spesso contengono molto rumore causato da altre funzioni corporee, il che rende difficile catturare dati accurati sul cuore. Questo problema si presenta perché i segnali elettrici prodotti dal cuore sono piuttosto deboli quando misurati nell'orecchio rispetto ad altre posizioni standard come il petto.

Una delle sfide di usare l'ECG basato sull'orecchio è il segnale debole, che può portare a un rapporto segnale-rumore (SNR) scarso. Questo significa che il segnale desiderato del cuore è spesso sepolto sotto il rumore di altre fonti, principalmente l'attività cerebrale (EEG) ma anche da altre attività muscolari. Il movimento della mascella o della testa può anche contribuire al rumore, complicando ulteriormente la situazione.

Per trarre pieno vantaggio dal monitoraggio ECG intra-auricolare, sono necessari metodi migliori per recuperare le informazioni sul cuore mentre si sopprimono i segnali irrilevanti. Lavori recenti hanno dimostrato che un metodo di filtraggio specifico può aiutare a identificare punti chiave nel segnale ECG anche quando è presente molto rumore. Sebbene questo metodo sia promettente, ha delle limitazioni nella capacità di ridurre il rumore e identificare correttamente le diverse forme del segnale cardiaco.

In uno studio recente, i ricercatori hanno sviluppato un nuovo approccio usando un autoencoder convoluzionale di denoising (DCAE) per ripulire le registrazioni ECG intra-auricolari. Il DCAE funziona prendendo registrazioni rumorose e tentando di ricreare una versione più chiara basata su segnali ECG puliti corrispondenti provenienti da una fonte diversa.

I ricercatori hanno raccolto dati registrando sia segnali ECG intra-auricolari che segnali ECG standard Lead I da 45 persone sane. Ogni sessione è durata cinque minuti mentre i partecipanti sono stati invitati a rilassarsi. Sebbene fossero presenti alcuni artefatti di movimento nei dati, non sono stati rimossi, consentendo al modello di apprendere in diverse condizioni.

Per insegnare efficacemente al modello, i ricercatori hanno aggiunto esempi sintetici di segnali ECG rumorosi, che includevano rumore simile a quello riscontrato durante le reali registrazioni auricolari. L'obiettivo era garantire che il modello potesse costruire tecniche solide per ripulire i segnali cardiaci rumorosi.

Il modello DCAE è composto da più livelli che elaborano i segnali ECG. La prima fase cattura caratteristiche essenziali, e la seconda fase ricostruisce il segnale ripulito. Addestrando il modello in questo modo, impara a concentrarsi sugli aspetti importanti dell'ECG ignorando il rumore irrilevante.

Dopo che il modello è stato addestrato, le sue prestazioni sono state valutate. I risultati hanno mostrato un miglioramento significativo dell'SNR dai segnali ECG intra-auricolari. Infatti, l'SNR mediana è aumentata di 5.9 dB dopo il processo di denoising. Questo significa che i segnali ripuliti erano molto più chiari e facili da interpretare per la frequenza e il ritmo cardiaco.

Inoltre, il modello ha migliorato anche l'accuratezza delle stime della frequenza cardiaca. Ha ridotto l'errore medio nella misurazione della frequenza cardiaca del 67%, e la precisione nell'identificazione dei battiti cardiaci chiave (picchi R) è migliorata significativamente, raggiungendo una mediana impressionante del 90%.

I risultati dimostrano che le tecniche di denoising possono ripulire efficacemente i segnali ECG intra-auricolari, permettendo loro di essere all'altezza delle registrazioni ECG tradizionali. Il modello è stato in grado di mantenere le caratteristiche critiche dell'onda ECG, anche nell'ambiente rumoroso tipico delle registrazioni auricolari. Questa caratteristica è cruciale per le potenziali applicazioni cliniche dove è necessario un monitoraggio accurato del cuore.

Inoltre, i ricercatori hanno testato il modello in vari scenari, compresi segnali con forme più complesse, come quelli che si verificano durante specifiche condizioni cardiache. Anche in questi casi, il modello ha dimostrato la capacità di recuperare le caratteristiche essenziali del segnale ECG.

I progressi evidenziati da questo studio pongono l'ECG intra-auricolare come uno strumento pratico per monitorare da vicino la salute cardiaca. La portabilità continua e il comfort degli hearables offrono una promettente opportunità per la rilevazione precoce e la gestione continua delle malattie cardiache.

Con ulteriori sviluppi e test nel mondo reale, questa tecnologia potrebbe aprire la strada a fornire informazioni preziose sulla salute cardiovascolare, migliorando alla fine i risultati per i pazienti.