Hace unos días, analizamos cómo Apple algún día podría usar sensores de ondas cerebrales en los AirPods para contar la calidad del sueño e incluso detectar convulsiones.

Ahora, un nuevo artículo muestra cómo la empresa está explorando conocimientos más profundos sobre la salubridad 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 la empresa lo explica:

Las notificaciones de hipertensión en Apple Watch utilizan datos del sensor cardíaco óptico para analizar cómo responden los vasos sanguíneos de un legatario a los latidos del corazón. El cálculo funciona pasivamente en segundo plano revisando datos durante períodos de 30 días y notificará a los usuarios si detecta signos constantes de hipertensión.

Si admisiblemente esta función está acullá de ser una aparejo de dictamen de graduación médico, y Apple es el primero en ojear que “las notificaciones de hipertensión no detectarán todos los casos de hipertensión”, la compañía igualmente afirma que se prórroga que la función “notifique 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 sostén en mediciones instantáneas, sino en datos durante períodos de 30 días, lo que significa que sus algoritmos analizan tendencias, en empleo de producir lecturas hemodinámicas en tiempo efectivo o estimar parámetros cardiovasculares específicos.

Y ahí es precisamente donde entra en distracción este nuevo estudio de Apple.

Obtener más datos del sensor óptico

Una cosa que es importante dejar clara desde el principio: al no tiene sentido En este estudio se menciona el Apple Watch, ni siquiera cualquier afirmaciones sobre próximos productos o características.

Este estudio, como la mayoría (si no todos) los estudios que surgen de Apple Blog de investigación sobre estudios instintivose centra en la investigación fundamental y en la tecnología misma.

En este artículo en particular, llamado Modelado híbrido de fotopletismografía para la monitorización no invasiva de parámetros cardiovascularesApple propone “un enfoque híbrido que utiliza simulaciones hemodinámicas y datos clínicos no etiquetados para estimar biomarcadores cardiovasculares directamente a partir de señales PPG”.

En otras palabras, los investigadores demuestran que es posible para estimar métricas cardíacas más profundas utilizando un simple sensor de pulso en el dedo, igualmente conocido como fotopletismógrafo (PPG), la misma modalidad de detección óptica utilizada en el Apple Watch (aunque con diferentes características de señal).

Lo que hicieron los investigadores de Apple fue obtener un gran conjunto de datos de formas de onda de presión arterial (APW) simuladas etiquetadas y un conjunto de datos de mediciones simultáneas de APW y PPG en el mundo efectivo.

A continuación, esencialmente entrenaron un maniquí generativo para instruirse cómo mapear los datos PPG al APW que ocurre simultáneamente.

Esto les permitió, en pocas palabras, inferir datos APW a partir de mediciones PPG con suficiente precisión para los propósitos del estudio.

Posteriormente de eso, alimentaron esos APW interpretados en un segundo maniquí, que fue entrenado para inferir biomarcadores cardíacos, como el grosor sistólico y el compra cardíaco, a partir de esos datos.

Lo lograron entrenando este segundo maniquí con datos APW simulados, combinados con títulos de parámetros cardiovasculares conocidos para el grosor sistólico, el compra cardíaco y otras métricas.

Finalmente, generaron múltiples formas de onda APW plausibles para cada segmento PPG, infirieron los parámetros cardiovasculares correspondientes para cada uno y promediaron esos resultados para producir una estimación final adjunto con una medida de incertidumbre.

Los resultados

Una vez que todo el proceso de capacitación y el maniquí estuvieron en marcha, eligieron un conjunto de datos completamente nuevo “que comprende señales APW y PPG de 128 pacientes sometidos a cirugía no cardíaca, etiquetados con biomarcadores cardiovasculares”.

Posteriormente de analizar estos datos en el proceso, vieron que rastreaba con precisión las tendencias del grosor sistólico y del compra cardíaco, aunque no sus títulos absolutos exactos.

Aún así, su método superó 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 está la conclusión de los investigadores en sus propias palabras:

En este trabajo utilizamos un enfoque de modelado híbrido para inferir parámetros cardiovasculares a partir de señales de PPG in vivo. En comparación con los enfoques puramente basados ​​en datos que tienen dificultades adecuado a la demarcación de los datos etiquetados, nuestro método logra resultados prometedores al incorporar simulaciones y evitar la requisito de anotaciones invasivas y costosas. Mientras que otros enfoques híbridos existentes para el modelado cardiovascular incorporan propiedades físicas como limitaciones estructurales en el interior de las redes neuronales o aumentan los modelos fisiológicos tradicionales con componentes basados ​​en datos, nuestro método incorpora conocimiento físico en el maniquí a través de SBI. (…) Nuestros resultados contribuyen a caracterizar el contenido informativo de las señales PPG para predecir biomarcadores cardíacos y podrían tirarse más allá de los considerados en nuestros experimentos. Si admisiblemente nuestros resultados son prometedores en el seguimiento de las tendencias temporales, la predicción del valía ilimitado de biomarcadores complejos sigue siendo un desafío y es una dirección esencia para el trabajo futuro. El trabajo futuro igualmente puede explorar enfoques generativos alternativos para el mapeo de PPG a APW, o investigar diferentes opciones arquitectónicas. Finalmente, una táctica de estudios similar a la utilizada aquí para la PPG del dedo podría tirarse a otras modalidades, incluida la PPG portátil, y brindar la puerta a la monitorización pasiva y a dispendioso plazo de biomarcadores cardíacos.

Si admisiblemente es inasequible memorizar si Apple alguna vez incorporará estas funciones en el Apple Watch, es confortante ver que los investigadores de la compañía están buscando formas novedosas de extraer datos aún más significativos y potencialmente salvadores de sensores que ya están en uso.

Puedes encontrar el estudio completo en arXiv.

Grandes ofertas de Apple en Amazon