Exploración del potencial de cinco algoritmos de regresión de aprendizaje automático para la estimación no invasiva...

Área de la Ciencia:

• Ingeniería Biomédica; Aplicaciones de Aprendizaje Automático en Atención Médica; Tecnologías de Monitorización Cardiovascular

Sus antecedentes:

• Los métodos tradicionales de monitorización de la presión arterial (PA) (basados en manguito, líneas arteriales) no son adecuados para mediciones continuas, no invasivas y de la vida diaria.; La monitorización continua de la PA es crucial para el manejo de la hipertensión y las enfermedades cardiovasculares.; Las limitaciones de la monitorización actual de la PA exigen enfoques novedosos para el seguimiento de la salud en tiempo real.

Objetivo del estudio:

• Desarrollar y validar un sistema continuo y no invasivo sin manguito para la estimación de la PA.; Aprovechar las señales de fotopletismografía (PPG) y los algoritmos de aprendizaje automático (ML) para una medición precisa de la PA.; Explorar el potencial de este sistema para su integración en dispositivos portátiles y de salud móvil.

Principales métodos:

• Adquisición y preprocesamiento de señales PPG de una cohorte diversa (edades 21-86, sanos y con condiciones).; Aplicación de cinco métodos distintos de selección de características para refinar las características extraídas para la eficiencia computacional y para mitigar el sobreajuste.; Entrenamiento y prueba independientes de las características seleccionadas utilizando cinco algoritmos de regresión de ML para estimar la presión arterial sistólica (PAS) y la presión arterial diastólica (PAD).

Principales resultados:

• El algoritmo extra trees (ET) basado en ensamblado con SelectFromModel para la selección de características demostró un rendimiento superior.; Se obtuvieron bajos errores cuadráticos medios (RMSE): 5,21 para la PAS y 2,65 para la PAD.; El sistema propuesto exhibió una capacidad excepcional para estimar la PA de forma no invasiva.

Conclusiones:

• El sistema sin manguito desarrollado muestra un potencial significativo para la estimación precisa y no invasiva de la PA.; Los hallazgos respaldan el avance de las tecnologías portátiles y de salud móvil para la monitorización continua de la PA en tiempo real.; Esta tecnología puede ayudar en la prevención y el manejo de la hipertensión y las enfermedades cardiovasculares.