Hace unos días vimos que Apple algún día podría utilizar sensores de ondas cerebrales en los AirPods para medir la calidad del sueño e incluso detectar convulsiones.
Ahora, un nuevo artículo muestra cómo la empresa está explorando conocimientos más profundos sobre la salud cardíaca con la ayuda de la IA. Aquí están los detalles.
Un poco de contexto
Con watchOS 26, Apple introdujo notificaciones de hipertensión en el Apple Watch.
como empresa eso lo explica:
Las notificaciones de presión arterial alta del Apple Watch utilizan datos de un sensor cardíaco óptico para analizar cómo responden los vasos sanguíneos del usuario a los latidos del corazón. El algoritmo funciona pasivamente en segundo plano revisando datos durante un período de 30 días y notificará a los usuarios si detecta síntomas persistentes de presión arterial alta.
Si bien la función está lejos de ser una herramienta de diagnóstico de grado médico, y Apple es el primero en admitir que “las notificaciones de hipertensión pueden no detectar todos los casos de hipertensión”, la compañía también afirma que la función “notificará a más de 1 millón de personas con hipertensión no diagnosticada durante el primer año”.
Un aspecto importante de esta característica es que no se basa en mediciones instantáneas, sino en datos durante un período de 30 días, lo que significa que sus algoritmos analizan tendencias en lugar de lecturas hemodinámicas en tiempo real o estimaciones de parámetros cardiovasculares específicos.
Y ahí es exactamente donde entra en juego este nuevo estudio de Apple.
Hay más datos disponibles de sensores ópticos.
Una cosa que es importante dejar clara desde el principio: no tiene sentido Este estudio menciona, o tiene, el Apple Watch cualquier Reclamaciones sobre próximos productos o características.
Este estudio, como la mayoría (si no todos) los estudios que salen de Apple Blog de investigación sobre aprendizaje automáticoSe centra en la investigación básica y la tecnología propiamente dicha.
En este artículo en particular, se llama Modelado híbrido de fotopletismografía para la monitorización no invasiva de parámetros cardiovasculares.Apple propone “un enfoque híbrido que utiliza simulaciones hemodinámicas y datos clínicos no etiquetados para inferir biomarcadores cardiovasculares directamente a partir de señales PPG”.
En otras palabras, los investigadores muestran que es posible Para estimar métricas cardíacas profundas se utiliza un simple sensor de pulso en el dedo, también conocido como fotopletismógrafo (PPG), el mismo método de detección óptica utilizado en el Apple Watch (aunque con diferentes características de señal).
Lo que hicieron los investigadores de Apple fue combinar un gran conjunto de datos de formas de onda de presión arterial (APW) simuladas etiquetadas con un conjunto de datos de mediciones simultáneas de APW y PPG en el mundo real.
A continuación, entrenaron un modelo generativo para aprender a asignar datos de PPG a APW que ocurren simultáneamente.
En resumen, esto les permitió estimar los datos de APW a partir de mediciones de PPG con suficiente precisión para fines de estudio.
Luego, introdujeron todos esos APW interpretados en un segundo modelo, que fue entrenado para estimar biomarcadores cardíacos, como el volumen sistólico y el gasto cardíaco, a partir de esos datos.
Lo lograron entrenando este segundo modelo con datos APW simulados asociados con valores de parámetros cardiovasculares conocidos para el volumen sistólico, el gasto cardíaco y otras métricas.
Finalmente, generaron múltiples formas de onda APW plausibles para cada segmento PPG, estimaron los parámetros cardiovasculares correspondientes para cada uno y promediaron esos resultados para producir una estimación final con una medida de incertidumbre.
resultado
Una vez que todo el proceso de capacitación y el modelo estuvieron en marcha, eligieron un conjunto de datos completamente nuevo “que consta de señales APW y PPG de 128 pacientes sometidos a cirugía no cardíaca marcadas con biomarcadores cardiovasculares”.
Después de analizar estos datos en el proceso, descubrieron que rastreaban con precisión las tendencias del volumen sistólico y del gasto cardíaco, aunque no de sus valores absolutos exactos.
Aún así, su método supera a las técnicas convencionales, lo que demuestra que el modelado asistido por IA puede extraer información cardíaca más significativa a partir de un simple sensor óptico.
Aquí están las conclusiones de los investigadores en sus propias palabras:
En este trabajo utilizamos un enfoque de modelado híbrido para estimar parámetros cardiovasculares a partir de señales de PPG in vivo. En comparación con los enfoques puramente basados en datos que tienen problemas debido a la limitación de los datos etiquetados, nuestro enfoque incorpora simulaciones y logra resultados prometedores, evitando la necesidad de anotaciones invasivas y costosas. Mientras que otros enfoques híbridos existentes para el modelado cardiovascular incorporan propiedades físicas como limitaciones estructurales dentro de las redes neuronales o aumentan los modelos anatómicos tradicionales con componentes basados en datos, nuestro enfoque incorpora conocimiento físico en el modelo a través de SBI. (…) Nuestros resultados contribuyen a caracterizar el contenido informativo de las señales PPG para predecir biomarcadores cardíacos y pueden extenderse más allá de los considerados en nuestro experimento. Aunque nuestros resultados son prometedores en el seguimiento de las tendencias temporales, la predicción del valor absoluto de biomarcadores complejos sigue siendo un desafío y es una dirección clave para el trabajo futuro. El trabajo futuro también podría explorar enfoques generativos alternativos para el mapeo de PPG a APW, o investigar diferentes opciones arquitectónicas. En última instancia, una estrategia de aprendizaje similar a la utilizada aquí para los PPG de dedo podría extenderse a otras modalidades, incluidos los PPG portátiles, y podría abrir la puerta a la monitorización pasiva y a largo plazo de biomarcadores cardíacos.
Si bien es imposible saber si Apple alguna vez incluirá estas funciones en el Apple Watch, es alentador ver que los investigadores de la compañía están buscando formas novedosas de extraer datos más significativos y potencialmente salvadores de los sensores que ya están en uso.
Puedes encontrar el estudio completo aquí. arXiv.
