Smartwatches Revolucionando o Monitoramento do Ritmo Cardíaco

Arritmia é quando o coração bate de forma irregular. Um exemplo comum é a fibrilação atrial (AF), que pode levar a sérios problemas de saúde. Com a população envelhecendo, o número de pessoas com AF deve aumentar bastante nos próximos anos. Monitoramento contínuo é importante porque muitos casos de AF aparecem e somem rápido. Métodos tradicionais de monitoramento, como ECGS, são muitas vezes desconfortáveis e inconvenientes, principalmente por precisarem de fios e gel.

Os smartwatches apareceram como uma alternativa prática para monitorar ritmos cardíacos. Eles conseguem gravar dados de fluxo sanguíneo através de um método chamado fotopletismografia (PPG) e ajudam a acompanhar condições do coração de forma eficaz e conveniente. Mas ainda é complicado distinguir entre os diferentes tipos de batimentos cardíacos irregulares, como contrações atriais prematuras (PAC) e contrações ventriculares prematuras (PvC).

#Desafios na Detecção de Arritmias

Detectar PAC e PVC é bem mais simples usando sinais de ECG do que sinais de PPG. As formas de onda que representam essas arritmias no PPG podem ser confusas. Além disso, os artefatos de movimento, ou distorções causadas por movimento, são um grande problema ao usar smartwatches. Esses artefatos podem imitar os padrões irregulares de batimentos que vemos na AF, dificultando a obtenção de leituras precisas.

Para melhorar a detecção, é necessário um grande banco de dados de dados PPG com uma variedade de artefatos de movimento. Isso pode ajudar no treinamento de modelos de aprendizado profundo para reconhecer PAC e PVC de forma eficaz. Porém, obter gravações longas de PPG para análise leva muito tempo e esforço, pois elas precisam ser comparadas com dados de ECG.

Muitos estudos sobre detecção de arritmia usaram dados coletados em ambientes controlados, muitas vezes usando dados de PPG de ponta dos dedos, que normalmente têm qualidade melhor do que dados de PPG de smartwatch.

#O Estudo Pulsewatch

Para resolver os problemas de detectar arritmias usando smartwatches, um estudo recente chamado Pulsewatch gravou dados PPG de adultos mais velhos em suas casas durante 14 dias. Cada participante usou um smartwatch e um adesivo no peito que gravou dados de ECG ao mesmo tempo. O principal objetivo era avaliar quão eficazes os smartwatches são para detectar AF em situações da vida real.

Durante o estudo, foram coletados dados sobre estilo de vida e histórico médico dos participantes, que eram principalmente pessoas com mais de 50 anos e com histórico de AVC. O estudo seguiu diretrizes éticas rigorosas para proteger os participantes.

Os smartwatches gravaram dados PPG a uma taxa de 50 vezes por segundo. Dados PPG com muito ruído de movimento foram filtrados por um algoritmo especializado, deixando apenas segmentos de dados limpos para análise.

#Treinamento e Teste do Modelo de Detecção

Para criar um modelo confiável para classificar arritmias, o estudo dividiu os dados gravados em duas metades para treinamento e teste. Isso garantiu que os sujeitos no conjunto de dados de treinamento não estivessem no conjunto de teste, o que melhora a confiabilidade do modelo. O conjunto de dados incluiu várias classes de arritmia, permitindo uma abordagem equilibrada para o treinamento.

Para o treinamento, foi usado um modelo específico chamado Unidade Recorrente Gated Bi-direcional 1D (1D-Bi-GRU). Esse modelo é bom em reconhecer padrões ao longo do tempo, o que é vital para detectar mudanças sutis nos ritmos de batimento cardíaco.

Diferentes combinações de dados de entrada foram testadas, incluindo sinais de PPG, frequência cardíaca (HR) e dados de movimento de acelerômetros. Essa combinação ajudou a melhorar a precisão na detecção de PAC e PVC, além de AF.

#Resultados do Estudo

O desempenho do modelo foi avaliado usando várias métricas-chave, incluindo sensibilidade, precisão e valor preditivo. Os resultados mostraram que usar HR junto com os sinais de PPG melhorou significativamente a capacidade do modelo de detectar PAC e PVC.

Comparado a métodos anteriores que usavam apenas dados de PPG, o modelo 1D-Bi-GRU alcançou valores de sensibilidade mais altos na detecção de PAC e PVC. Isso é particularmente importante, já que a maioria dos estudos anteriores usou dados com qualidade de sinal mais alta, como PPG de ponta dos dedos, o que muitas vezes leva a resultados otimistas.

Os resultados revelaram que, quando a HR foi incluída como entrada, a sensibilidade de detecção para PAC/PVC aumentou significativamente. O modelo demonstrou um nível de precisão mais alto em um cenário da vida real, mesmo com os desafios apresentados pelos dados de PPG de smartwatch.

#Eficiência Computacional e Praticidade

Uma das principais vantagens do modelo 1D-Bi-GRU é que ele é leve em termos computacionais. Isso significa que ele pode rodar em dispositivos vestíveis como smartwatches sem descarregar a bateria rapidamente. O modelo tem menos parâmetros em comparação com modelos anteriores, tornando-o mais rápido e eficiente.

Essa eficiência é crucial para aplicações de monitoramento cardíaco em tempo real, onde dados a tempo são essenciais para a segurança do usuário.

#Conclusão

O estudo Pulsewatch mostrou que os smartwatches podem ser ferramentas eficazes para monitorar ritmos cardíacos no dia a dia. Apesar dos desafios associados ao uso de dados de PPG de smartwatches, os avanços em modelos de detecção melhoraram a sensibilidade e a precisão na identificação de arritmias como PAC e PVC, além de AF.

À medida que a tecnologia continua a evoluir, os smartwatches podem desempenhar um papel cada vez mais importante na gestão da saúde do coração e fornecer informações valiosas tanto para pacientes quanto para prestadores de cuidados de saúde. Essa abordagem pode oferecer uma forma mais confortável e acessível de monitorar condições cardíacas, melhorando, no final, o cuidado e os resultados para os pacientes no futuro.

No geral, esses achados destacam o potencial da tecnologia de saúde inteligente para transformar a forma como monitoramos e entendemos a saúde cardíaca, tornando a detecção precoce e a gestão de arritmias mais fácil e prática para todo mundo.