Schätzung der Herzfrequenzvariabilität mithilfe von Video-Photoplethysmografie im Gesicht
Die Gesichtsscan-Technologie von Shen.AI schätzt die HRV mit hoher Genauigkeit anhand eines 1-Minuten-Videos. Starke Korrelation mit EKG in der Pilotstudie.
Überwachung der HRV mit einem 1-minütigen Gesichtsscan — eine Validierungsstudie
Kann die Herzfrequenzvariabilität (HRV) mit nur einem Gesichtsscan zuverlässig gemessen werden? Eine neue Validierungsstudie zeigt, dass dies möglich ist — und das mit beeindruckender Genauigkeit. Forscher der Polnischen Akademie der Wissenschaften und der Medizinischen Universität Wroclaw testeten die Video-PPG-Technologie von Shen AI anhand von EKG-Messwerten und konzentrierten sich dabei auf zwei wichtige HRV-Metriken im Zeitbereich.
Wichtige Erkenntnisse
- Starke Korrelation mit EKG: Die mit der vPPG-Technologie für das Gesicht von Shen.AI geschätzten HRV-Metriken stimmten stark mit den EKG-Ergebnissen überein (r = 0,98 für SDNN und r = 0,88 für lnRMSSD).
- Hohe Genauigkeit: Der mittlere absolute prozentuale Fehler (MAPE) lag bei 11,0% für SDNN und 7,3% für LNRMSSD — deutlich innerhalb akzeptabler Grenzen für klinische Anwendungen.
- Funktioniert mit 1-Minuten-Scans: Diese Studie bestätigt, dass eine kurzfristige HRV-Schätzung anhand eines 1-minütigen Gesichtsscans möglich ist — selbst für Metriken, die üblicherweise über 5 Minuten erfasst wurden.
Einführung in die Forschung
Im Folgenden finden Sie einen Auszug aus dem Artikel „Schätzung der Herzfrequenzvariabilität mithilfe der Videophotoplethysmografie im Gesicht: eine Pilotvalidierungsstudie“.
Die Videoplethysmographie (vPPG), auch bekannt als Fern- oder bildgebende Photoplethysmografie, ist eine optische Technik zur Aufzeichnung von Blutpulsationen in den Hautgefäßen, mit deren Hilfe Vitalfunktionen oder andere physiologische Parameter eingeschätzt werden können. Insbesondere ermöglicht vPPG die Aufzeichnung von Schwankungen in der Intensität des von der Haut reflektierten Umgebungslichts, die durch Veränderungen der vom Blut absorbierten Lichtmenge in den oberflächlichen Gefäßen aufgrund ihrer zyklischen Pulsation verursacht werden. Diese Schwankungen sind für das bloße Auge unsichtbar, aber in der Regel stark genug, um von einer Digitalkamera erkannt zu werden. vPPG bietet daher die Möglichkeit, PPG-Signale berührungslos aufzuzeichnen, ohne dass spezielle Lichtquellen erforderlich sind und eine Kamera als Lichtsensor verwendet wird. Dadurch ist es möglich, in Mobilgeräten wie Smartphones, Tablets oder Laptops eingebaute Kameras zu verwenden, um verschiedene physiologische Parameter zu messen oder zu überwachen.
Ähnlich wie Standard-PPG-Signale können vPPG-Signale verwendet werden, um die Zeitintervalle zwischen aufeinanderfolgenden Blutpulsationen abzuschätzen, die den Zeitintervallen zwischen Herzschlägen relativ ähnlich sind (wenn auch nicht genau gleich). Diese Zeitintervalle können anschließend zur Berechnung (Schätzung) der Herzfrequenz (HR) sowie verschiedener Indizes der Herzfrequenzvariabilität (HRV) verwendet werden, die die Variabilität der Zeitintervalle zwischen aufeinanderfolgenden Herzschlägen beschreiben. Die HRV ist ein bekannter Marker für die Aktivität des autonomen Nervensystems mit verschiedenen Anwendungen. Eine reduzierte HRV weist auf eine weniger adaptive autonome Regulation des Herzens hin (d. h. auf eine beeinträchtigte Fähigkeit, auf verschiedene Reize zu reagieren) und ist ein unabhängiger Risikofaktor für kardiovaskuläre Ereignisse und Mortalität. Eine niedrige HRV ist auch mit einem höheren Risiko verbunden, an Bluthochdruck oder Herz-Kreislauf-Erkrankungen zu erkranken.
Die HRV kann auch verwendet werden, um das Risiko verschiedener Nebenwirkungen vorherzusagen, beispielsweise das Risiko einer Myokardischämie bei Patienten ohne bekannte koronare Herzkrankheit, das Risiko einer Verschlechterung der Nierenfunktion bei Patienten mit chronischer Nierenerkrankung oder das Sturzrisiko. Neben klinischen Anwendungen kann die HRV auch zur Überwachung und Steuerung des Trainings- und Erholungsprozesses von Sportlern eingesetzt werden, insbesondere bei Ausdauersportarten wie Langstreckenlauf, Schwimmen, Radfahren, Rudern oder Langlaufen, aber auch in anderen Sportarten.
In dieser Studie untersuchten wir HRV-Indizes, die mit der von Shen AI (Tallinn, Estland) entwickelten vPPG-Technologie für das Gesicht namens Shen.AI Vitals geschätzt wurden. Bei dieser Technologie werden Kameras von Mobilgeräten eingesetzt, um 1-Minuten-VppG-Signale aus verschiedenen Gesichtsbereichen zu erfassen (indem sie pulsierende Veränderungen der Intensität des von der Gesichtshaut reflektierten Umgebungslichts erkennen) und diese Signale anschließend analysieren, um verschiedene physiologische Parameter abzuschätzen, darunter den HRV-Index — SDNN, d. h. die Standardabweichung der Zeitintervalle zwischen aufeinanderfolgenden normalen Herzschlägen (Standard), oder lnRMSSD, d. h. den natürlichen Logarithmus des Wurzelmittelwerts Quadrat aufeinanderfolgender Unterschiede in den Zeitintervallen zwischen Herzschlägen (optional).
SDNN ist der häufigste HRV-Index im Zeitbereich und erfasst die Gesamtvariabilität der Intervalle zwischen den Schlägen in einem bestimmten Zeitraum (quantifiziert durch ihre Standardabweichung) und liefert so ein Gesamtmaß für die aktuelle Aktivität des Herzens und des autonomen Nervensystems. RMSSD wiederum quantifiziert die Variabilität aufeinanderfolgender Intervalle zwischen den Schlägen und konzentriert sich dabei auf hochfrequente HR-Oszillationen, die hauptsächlich (wenn auch nicht ausschließlich) die Aktivität des parasympathischen Nervensystems widerspiegeln. Die Berechnung des Logarithmus der HRV-Indizes ist eine gängige Methode, um eine normalere Verteilung zu erreichen. Insbesondere der natürliche Logarithmus der RMSSD (lnRMSSD) wird häufig verwendet, um die vagale Anpassung an das körperliche Training und die Erholung nach dem Training zu überwachen.
Ziel unserer Studie war es, die Genauigkeit und Präzision der SDNN- und lnRMSSD-Werte zu untersuchen, die mit den Shen.AI Vitals-Algorithmen auf der Grundlage von mit einer Smartphone-Kamera aufgezeichneten vPPG-Signalen geschätzt wurden, im Vergleich zu Referenzwerten aus gleichzeitig aufgezeichneten Elektrokardiogrammen (EKG).
Einzelheiten zur Recherche
Titel: Schätzung der Herzfrequenzvariabilität mithilfe von Videoplethysmografie im Gesicht: eine Pilotvalidierungsstudie
Autoren: Leszek Pstras, Tymoteusz Okupnik, Beata Ponikowska, Bartlomiej Paleczny
Institutionen: Nalecz-Institut für Biokybernetik und Biomedizintechnik, Polnische Akademie der Wissenschaften und Medizinische Universität Wroclaw
Veröffentlicht am 16. Februar 2025
More blog posts
Sagittis et eu at elementum, quis in. Proin praesent volutpat egestas sociis sit lorem nunc nunc sit.
Reducing claims costs and improving patient navigation in insurance with AI health monitoring
AI-driven virtual triage helps insurance providers reduce claims costs and improve patient navigation. With instant, device-free health checks for markers like blood pressure and BMI, insurers can assess risk digitally, prevent unnecessary ER visits, and guide policyholders toward the right level of care — efficiently and proactively.
How contactless health monitoring improves patient experience in telemedicine
Contactless health monitoring is redefining telemedicine. Using AI and computer vision, it captures vital signs like blood pressure and heart rate without wearables or sensors. The result: a smoother patient experience, faster clinical decisions, and more personalized, data-driven care.
Wie Dr. Digital und Shen AI die Vorsorge verändern
Erfahren Sie, wie Dr. Digital über Hardware hinausging und eine Partnerschaft mit Shen AI einging, um die Gesundheitsüberwachung einfach, genau und proaktiv zu gestalten. Das Ergebnis: mehr Patientenbindung, höherer Nutzen für Versicherer und Schutz von Menschenleben durch Früherkennung.