Há alguns dias, analisamos como a Apple poderia um dia usar sensores de ondas cerebrais em AirPods para medir a qualidade do sono e até detectar convulsões.
Agora, um novo artigo mostra como a empresa está explorando insights mais profundos sobre saúde cardíaca com a ajuda da IA. Aqui estão os detalhes.
Um pouco de contexto
Com o watchOS 26, a Apple introduziu notificações de hipertensão no Apple Watch.
Como a empresa explica:
As notificações de hipertensão no Apple Watch usam dados do sensor cardíaco óptico para analisar como os vasos sanguíneos do usuário respondem aos batimentos cardíacos. O algoritmo funciona passivamente em segundo plano, revisando dados durante períodos de 30 dias, e notificará os usuários se detectar sinais consistentes de hipertensão.
Embora esse recurso esteja longe de ser uma ferramenta de diagnóstico de nível médico e a Apple seja a primeira a reconhecer que “as notificações de hipertensão não detectarão todos os casos de hipertensão”, a empresa também afirma que se espera que o recurso “notifique mais de 1 milhão de pessoas com hipertensão não diagnosticada no primeiro ano”.
Um aspecto importante deste recurso é que ele não se baseia em medições instantâneas, mas sim em dados de períodos de 30 dias, o que significa que seus algoritmos analisam tendências, em vez de produzir leituras hemodinâmicas em tempo real ou estimar parâmetros cardiovasculares específicos.
E é precisamente aí que entra este novo estudo da Apple.
Obtendo mais dados do sensor óptico
Uma coisa que é importante deixar claro desde o início: em nenhum momento deste estudo o Apple Watch é mencionado, nem há quaisquer reivindicações sobre produtos ou recursos futuros.
Este estudo, como a maioria (se não todos) dos estudos publicados no blog Machine Learning Research da Apple, concentra-se na pesquisa fundamental e na própria tecnologia.
Neste artigo específico, denominado Modelagem Híbrida de Fotopletismografia para Monitoramento Não Invasivo de Parâmetros Cardiovasculares, a Apple propõe “uma abordagem híbrida que usa simulações hemodinâmicas e dados clínicos não rotulados para estimar biomarcadores cardiovasculares diretamente a partir de sinais PPG”.
Em outras palavras, os pesquisadores demonstram que é possível estimar métricas cardíacas mais profundas usando um simples sensor de pulso digital, também conhecido como fotopletismógrafo (PPG), a mesma modalidade de detecção óptica usada no Apple Watch (embora com características de sinal diferentes).
O que os pesquisadores da Apple fizeram foi obter um grande conjunto de dados de formas de onda de pressão arterial simuladas (APWs) rotuladas e um conjunto de dados de medições simultâneas de APW e PPG do mundo real.
Em seguida, eles treinaram essencialmente um modelo generativo para aprender como mapear os dados do PPG para o APW que ocorre simultaneamente.
Isto permitiu-lhes, em poucas palavras, inferir dados de APW a partir de medições de PPG com precisão suficiente para os fins do estudo.
Depois disso, eles alimentaram esses APWs interpretados em um segundo modelo, que foi treinado para inferir biomarcadores cardíacos, como volume sistólico e débito cardíaco, a partir desses dados.
Eles conseguiram isso treinando este segundo modelo com dados simulados de APW, emparelhados com valores de parâmetros cardiovasculares conhecidos para volume sistólico, débito cardíaco e outras métricas.
Finalmente, eles geraram múltiplas formas de onda APW plausíveis para cada segmento PPG, inferiram os parâmetros cardiovasculares correspondentes para cada um e calcularam a média desses resultados para produzir uma estimativa final junto com uma medida de incerteza.
Os resultados
Depois que todo o processo de treinamento e modelo foram implementados, eles escolheram um conjunto de dados inteiramente novo “compreendendo sinais APW e PPG de 128 pacientes submetidos a cirurgia não cardíaca, marcados com biomarcadores cardiovasculares”.
Depois de analisar esses dados pelo pipeline, eles perceberam que eles monitoravam com precisão as tendências do volume sistólico e do débito cardíaco, embora não seus valores absolutos exatos.
Ainda assim, o seu método superou as técnicas convencionais, mostrando que a modelagem assistida por IA pode extrair informações cardíacas mais significativas a partir de um simples sensor óptico.
Aqui está a conclusão dos pesquisadores em suas próprias palavras:
Neste trabalho utilizamos uma abordagem de modelagem híbrida para inferir parâmetros cardiovasculares a partir de sinais PPG in vivo. Em comparação com abordagens puramente baseadas em dados que enfrentam dificuldades devido aos dados rotulados limitados, nosso método alcança resultados promissores ao incorporar simulações e evitar a necessidade de anotações invasivas e caras. Embora outras abordagens híbridas existentes para modelagem cardiovascular incorporem propriedades físicas como restrições estruturais em redes neurais ou aumentem os modelos fisiológicos tradicionais com componentes baseados em dados, nosso método incorpora conhecimento físico no modelo por meio do SBI. (…) Nossos resultados contribuem para caracterizar a informatividade dos sinais PPG para prever biomarcadores cardíacos, e podem ir além daqueles considerados em nossos experimentos. Embora nossos resultados sejam promissores no monitoramento de tendências temporais, a previsão do valor absoluto de biomarcadores complexos continua desafiadora e é uma direção fundamental para trabalhos futuros. Trabalhos futuros também podem explorar abordagens generativas alternativas para o mapeamento PPG para APW, ou investigar diferentes escolhas arquitetônicas. Finalmente, uma estratégia de aprendizagem semelhante à usada aqui para o PPG de dedo poderia se estender a outras modalidades, incluindo o PPG vestível, e abrir a porta para o monitoramento passivo e de longo prazo de biomarcadores cardíacos.
Embora seja impossível saber se a Apple algum dia incorporará esses recursos no Apple Watch, é encorajador ver que os pesquisadores da empresa estão procurando novas maneiras de extrair dados ainda mais significativos e potencialmente salvadores de vidas de sensores que já estão em uso.
Você pode encontrar o estudo completo no arXiv.
Ótimas ofertas da Apple na Amazon
FTC: Usamos links de afiliados automotivos para geração de renda. Mais.
