Comprender las limitaciones y la precisión de las mediciones de rPPG

La fotopletismografía remota (rPPG) se ha convertido en un método sin contacto para monitorear los signos vitales, revolucionando la forma en que abordamos la monitorización de la salud.

Sin embargo, como ocurre con cualquier tecnología, comprender sus limitaciones y precisión es crucial para una aplicación eficaz. Este artículo examina los desafíos y los avances en las mediciones de rPPG, específicamente en el contexto del SDK de Shen.AI.

La tecnología rPPG

La tecnología de Shen AI aprovecha el rPPG, que captura los cambios en el volumen sanguíneo de la piel mediante algoritmos avanzados de visión artificial. Este método permite estimar los signos vitales, como la presión arterial y la frecuencia cardíaca, sin contacto directo. Este enfoque no invasivo es particularmente valioso en el contexto sanitario actual, donde a menudo es necesario minimizar el contacto.

Desafíos en la medición de rPPG

La precisión de las mediciones de rPPG puede verse influenciada por varios factores, incluidas las condiciones ambientales, la demografía de los sujetos y los aspectos técnicos del proceso de medición en sí. Dos factores críticos que afectan a la precisión del rPPG son la iluminación y la estabilidad. Por ejemplo, los ingenieros de Shen.AI han desarrollado algoritmos de estabilización y normalización para ampliar el espectro de condiciones en las que se pueden realizar mediciones precisas.

Sin embargo, a pesar de estos avances, los métodos rPPG están sujetos a sesgos debido a las condiciones ambientales y la demografía de los sujetos. Los conjuntos de datos que se utilizan con frecuencia para desarrollar y probar estos métodos, como el BP4D y el Multi-Pie, tienden a carecer de diversidad en cuanto a los tonos de piel y la edad de los sujetos y, por lo general, se recopilan en condiciones óptimas de laboratorio.

Precisión y limitaciones en diversas condiciones

Un estudio sobre los sesgos de los métodos rPPG revela que, si bien los métodos rPPG concuerdan en cierta medida con las mediciones reales sobre el terreno, también muestran variabilidad. Por ejemplo, se comprobó que la diferencia media entre las frecuencias de pulso medidas con los métodos rPPG y la realidad básica era de aproximadamente el 2%, con una variabilidad de alrededor del 15%. Esta variabilidad es significativa y puede atribuirse a las características presentes en el conjunto de datos, como los cambios de iluminación ambiental, los movimientos de la cabeza y las marcas faciales o el uso de sombreros, que pueden llevar a una predicción incorrecta de la frecuencia cardíaca.

SDK de Shen.AI: precisión y aplicación mejoradas

En el contexto de la medición de la presión arterial, el SDK de Shen.AI sigue los mismos principios que los tensiómetros tradicionales. Sin embargo, el SDK se ha mejorado considerablemente para ofrecer mediciones más precisas y fiables. El enfoque de Shen.AI consiste en realizar mediciones continuas durante 60 segundos para obtener un valor promedio, reconociendo que la presión arterial puede fluctuar significativamente en intervalos cortos.

Conclusión

Si bien la tecnología rPPG, tal como se implementa en el SDK de Shen.AI, ofrece un método no invasivo prometedor para el monitoreo de la salud, comprender sus limitaciones y trabajar para minimizar los sesgos son cruciales para su aplicación efectiva. Los desarrollos e investigaciones futuros deberían centrarse en mejorar la precisión de estas mediciones, especialmente en diversos grupos demográficos y en condiciones ambientales variables.