Continuous blood pressure estimation in wearable devices using photoplethysmography: a review

Abstract

Las enfermedades cardiovasculares (ECV) se encuentran entre las que presentan las tasas de mortalidad más altas, y están surgiendo varios dispositivos portátiles para el monitoreo continuo como complemento a los procedimientos médicos. La monitorización de la presión arterial (PA) en dispositivos portátiles, para que sea continua, debe realizarse de forma no invasiva, por lo que involucra la fotopletismografía (PPG), una tecnología que ha sido ampliamente estudiada en los últimos años como una solución no invasiva para la estimación de la PA. Sin embargo, la adquisición continua de datos en un sistema portátil sigue siendo un desafío, una de las razones es el ruido causado por el movimiento, el uso correcto de la señal PPG y el método de estimación a utilizar. Este artículo revisa los avances en la estimación de la presión arterial basada en fotopletismografía, centrándose en el análisis del preprocesamiento (ICA, FIR, filtros adaptativos) de las señales. Entre los filtros revisados, los más adecuados para hacer frente a Motion Artifacts (MA) de un sistema portátil son los filtros adaptativos, ya que los filtros convencionales se limitan a trabajar solo en la banda para la que están diseñados, que no siempre cubre el espectro de la MA. También se realiza una revisión de los métodos de estimación, entre los que destaca el Machine Learning que muestra un mayor crecimiento debido a las nuevas propuestas que utilizan más señales y obtienen mejores resultados en términos de precisión. El objetivo es conocer y analizar los filtros de preprocesamiento y los métodos de estimación adecuados desde la perspectiva de los sistemas portátiles que utilizan sensores PPG afectados por AM.