Estimación continua de la presión arterial sin manguitos mediante un modelo de aprendizaje amplio efectivo y...

Área de la Ciencia:

• Ingeniería biomédica
• Aprendizaje automático
• Salud cardiovascular

Sus antecedentes:

• La hipertensión es un factor de riesgo crítico para enfermedades cardiovasculares y mortalidad.
• La medición accesible de la presión arterial (PA) es vital para el tratamiento de la hipertensión.
• Los modelos actuales de aprendizaje profundo (DLM) para la estimación de BP sin manguito enfrentan desafíos computacionales.

Objetivo del estudio:

• Introducir un modelo de aprendizaje amplio de extremo a extremo (BLM) para una estimación eficiente de la presión arterial sin manguito.
• Reducir la complejidad computacional y mejorar la eficiencia de la capacitación en comparación con los DLM.
• Explorar un modo de aprendizaje incremental para la eficiencia y flexibilidad de la memoria.

Principales métodos:

• Desarrolló un modelo de aprendizaje amplio (BLM) que aumenta el ancho de la red sobre la profundidad.
• Implementado un modo de aprendizaje incremental (IBLM) para la escalabilidad horizontal y la eficiencia de la memoria.
• Valido el modelo en un gran conjunto de datos (403,67 horas) de la base de datos de la UCI.

Principales resultados:

• El BLM estándar (SBLM) logró un error medio absoluto (MAE) de 11,72 mmHg para la estimación de la forma de onda de la presión arterial (ABP), comparable a los DLM.
• SBLM demostró una mejora de 25.20 veces en la eficiencia de la capacitación en comparación con DLM como LSTM y 1D-CNN.
• SBLM logró valores de EMA de 3,04 mmHg para la presión arterial sistólica (PAS) y de 2,57 mmHg para la presión arterial diastólica (PAD).

Conclusiones:

• BLM ofrece una solución efectiva y computacionalmente eficiente para la estimación de BP sin manguito.
• El BLM incremental (IBLM) proporciona un enfoque escalable para el monitoreo continuo con demandas de almacenamiento reducidas.
• El BLM propuesto tiene un potencial significativo para aplicaciones de atención médica personalizadas en tiempo real en el monitoreo de BP.