Die Blogartikel erscheinen auf Spanisch und Katalanisch.

Investigación

Google Research busca señales de hipertensión en el reloj

Google Research presenta un sistema de IA que utiliza los sensores habituales de un reloj inteligente para detectar señales de hipertensión sin calibración con manguito. Según Google Research, combina registros de varios días para identificar un estado persistente de presión elevada, en lugar de calcular una lectura exacta en cada momento.

Recibe el resumen diario de IA

Cada mañana, lo esencial de la inteligencia artificial en tu correo, sin humo. Al día con la IA.

Frecuencia:

Un paciente muestra su reloj a un profesional sanitario que dispone de un tensiómetro de brazo.
📷 Imagen generada con IA

En resumen

  • Según Google Research, el sistema aprovecha señales ópticas y de movimiento que ya recogen los relojes inteligentes para analizar la actividad cardiovascular.
  • Según Google Research, la evaluación clínica incluyó a 196 participantes sin enfermedad cardiovascular conocida y que no tomaban medicación para la presión arterial.
  • Google Research afirma que evaluó por separado el cribado inicial y la confirmación tras una medición elevada en consulta; en ambos escenarios describe una sensibilidad moderada.

Las señales que recoge la muñeca

Según Google Research, el sistema reúne información fisiológica captada de forma pasiva durante varios días. El objetivo es reconocer el estado hipertensivo persistente de una persona: la información acumulada es la base del análisis, frente a una estimación puntual de las presiones sistólica y diastólica.

Según Google Research, el sensor de movimiento identifica los periodos de quietud y capta las pequeñas vibraciones de la muñeca que provoca la expulsión de sangre desde el corazón hacia la aorta. El sistema combina estas señales mecánicas con las ópticas para representar la actividad cardiovascular.

Google Research afirma que entrenó el modelo con 492.347 horas de datos de sensores de 2.109 participantes que dieron su consentimiento. A partir de registros sin etiquetar, aprendió características de la función vascular y cardiaca; después, el sistema agrega las representaciones de varios días y las combina con la altura del usuario.

El primer filtro se probó en un estudio clínico

Resultados del cribado inicial
Método Sensibilidad Valor predictivo positivo
Reloj 65,8 % 80,6 %
Medición inicial en consulta 55,3 % 77,8 %
Datos según Google Research, contrastados con la monitorización ambulatoria de la presión arterial.

Según Google Research, la validación se realizó en un estudio prospectivo y multicéntrico con 196 participantes. Todos estaban libres de enfermedad cardiovascular conocida y no tomaban medicación para la presión arterial. La referencia para contrastar el resultado del reloj fue la monitorización ambulatoria de la presión arterial durante 24 horas.

Google Research presenta el cribado inicial como uno de los escenarios evaluados. Describe la sensibilidad del reloj como moderada y compara sus resultados con los de la medición inicial en consulta. La tabla recoge la sensibilidad y el valor predictivo positivo comunicados para ambos métodos.

La confirmación se analizó por separado

Resultados de la confirmación
Método Sensibilidad Especificidad Valor predictivo positivo
Reloj 78,4 % 90,9 % 96,7 %
Nueva medición en consulta 67,6 % 63,6 % 86,2 %
Seguimiento domiciliario durante varios días 89,2 % 81,8 % 94,3 %
Datos según Google Research, correspondientes al subgrupo con presión elevada en la consulta inicial.

Según Google Research, el análisis de confirmación se centró en los 48 participantes cuya medición inicial en consulta había mostrado una presión elevada. En ese grupo, el equipo estudió si el reloj identificaba una hipertensión sostenida y comparó su rendimiento con nuevas mediciones en consulta y con el seguimiento domiciliario.

Según Google Research, también aquí la sensibilidad del reloj es moderada, mientras que la especificidad y el valor predictivo positivo son altos. Los resultados corresponden a ese subgrupo seleccionado tras el primer cribado.

Conclusión

Google Research presenta una investigación centrada en detectar señales persistentes de hipertensión mediante registros cotidianos. Según Google Research, la evaluación distingue el cribado inicial de la confirmación y se realizó en una población sin enfermedad cardiovascular conocida ni tratamiento para la presión arterial.

Fuentes primarias

Comentarios

Sé respetuoso. Los comentarios se moderan.

    Recibe el resumen diario de IA

    Cada mañana, lo esencial de la inteligencia artificial en tu correo, sin humo. Al día con la IA.

    Frecuencia:

    ← Volver al blog