Pixel Watch: Robust Heart Rate Sensing from Multipath PPG and On-Device Deep Learning Trained on 10,000 hours of Free-Living and Fitness Data

Resumen Técnico: Pixel Watch: Detección Robusta de la Frecuencia Cardíaca mediante PPG de Multitrayectoria y Aprendizaje Profundo en el Dispositivo

Declaración del Problema
El monitoreo continuo y preciso de la frecuencia cardíaca (FC) mediante fotopletismografía (PPG) de muñeca sigue siendo un desafío durante actividades dinámicas debido a los artefactos de movimiento. Mientras que los estudios de validación de dispositivos portátiles de consumo anteriores se han visto a menudo limitados por tamaños de muestra pequeños y protocolos de actividad restringidos, existe una necesidad crítica de soluciones de detección robustas que funcionen de manera confiable en diversas condiciones del mundo real. Los autores identifican que los enfoques tradicionales de procesamiento de señales, incluyendo el Procesamiento Digital de Señales (DSP) clásico y el filtrado de Kalman, han tenido dificultades para aprovechar plenamente el hardware óptico de multitrayectoria para separar las señales de pulso del ruido de movimiento de manera efectiva.

Metodología
El artículo presenta el Pixel Watch 2 (PW2), el primer reloj inteligente de Google que combina hardware PPG de multitrayectoria con un modelo de aprendizaje profundo ejecutado en el dispositivo.

• Arquitectura de Hardware: El dispositivo utiliza el front-end analógico TI AFE4500 para capturar 10 canales ópticos distintos. Estos canales representan combinaciones únicas de LEDs verdes (525 nm), fotodetectores (PD) y configuraciones de ganancia del amplificador de transimpedancia. El sistema emplea un controlador de bucle cerrado para maximizar la ganancia del amplificador dentro del rango dinámico del ADC, mitigando la luz ambiental y las fluctuaciones de contacto con la piel. Las señales son filtradas por paso de banda (0.5–12 Hz) antes del muestreo del ADC.
• Modelo de Aprendizaje Profundo: El motor de inferencia central es una red neuronal convolucional (CNN) temporalmente dilatada de 15 capas con aproximadamente 300,000 parámetros, diseñada para ejecutarse en el dispositivo (Qualcomm Snapdragon W5).
  • Entrada: El modelo procesa 20 entradas ópticas (10 canales, cada uno des-tendido y normalizado, más un filtrado adaptativo de mínimos cuadrados recursivos) y 3 entradas de movimiento (datos del acelerómetro). Todos los flujos se submuestrean a 25 Hz.
  • Arquitectura: La red comienza con un extractor de características convolucionales temporales de 9 capas (filtros que aumentan de 40 a 56) para capturar la morfología de la onda de pulso. A esto le siguen 6 bloques convolucionales temporalmente dilatados con tasas de dilatación que aumentan exponencialmente ($d=2^1$ a $2^6$) para integrar el contexto temporal a largo plazo sin la sobrecarga computacional de los mecanismos recurrentes o de atención.
  • Salida: El sistema enmarca la inferencia de la FC como un problema de clasificación, emitiendo una distribución de probabilidad sobre 94 clases (intervalos de 2 BPM) a 0.78 Hz, que luego se interpola a una resolución de 1 BPM a 1 Hz. El modelo proporciona métricas de confianza a través de la distribución de probabilidad de salida.
• Datos de Entrenamiento: El modelo fue entrenado con un conjunto masivo de datos que comprende 9,319 horas de datos de 962 participantes. Los datos se obtuvieron de estudios internos que cubrieron reconocimiento de actividad humana, sueño, pruebas de aceptación y recolección en condiciones libres de vida no restringidas. El valor de referencia (ground truth) se estableció utilizando una banda de pecho Polar H10. El conjunto de datos fue balanceado entre los intervalos de frecuencia cardíaca predefinidos.

Contribuciones Clave

1. Diseño del Sistema: Introducción de un sistema PPG de multitrayectoria acoplado con un modelo de aprendizaje profundo especializado y ejecutado en el dispositivo, optimizado específicamente para entornos con mucho movimiento.
2. Escala de Datos: La utilización de un corpus de entrenamiento (962 participantes, ~10,000 horas) significativamente mayor que los estudios de validación típicos, lo que permite al modelo aprender patrones complejos de artefactos de movimiento.
3. Validación Exhaustiva: El estudio evalúa el dispositivo a través de dos conjuntos de datos independientes y no vistos:
   • Un Conjunto de Datos de Ejercicio (229 participantes, 248 horas) que involucra actividades prescritas (reposo, caminar, correr, ciclismo, remo, HIIT).
   • Un Conjunto de Datos de Vida Libre (27 participantes, 1,000+ horas) que involucra actividades diarias normales durante 48 horas, utilizando un sensor ECG Actiheart 4 como criterio.
4. Lecciones de Diseño: Los autores demuestran que el aprendizaje profundo permite la exploración sistemática de las combinaciones de rutas ópticas sin la necesidad de transformaciones de procesamiento de señales ad-hoc o ingeniería de características manual.

Resultados
El PW2 demostró una mejora sustancial en la precisión en comparación con dispositivos Google anteriores y otros dispositivos portátiles comerciales:

• Conjunto de Datos de Ejercicio: El sistema logró un Error Absoluto Medio (MAE) de 2.18 BPM (1.71% MAPE). Los Límites de Acuerdo (LoA) del 95% fueron de -10.34 a 8.66 BPM. El rendimiento varió según la actividad, siendo el ciclismo de interior con los LoA más estrechos (-6.21 a 4.67 BPM) y la carrera con los más amplios (-12.65 a 10.21 BPM).
• Conjunto de Datos de Vida Libre: El sistema logró un MAE de 1.84 BPM (2.53% MAPE) con LoA del 95% de -6.57 a 7.48 BPM.
• Desempeño Comparativo: Los LoA del PW2 fueron significativamente más estrechos que los de productos Google anteriores. Para contextualizar, el Fitbit Charge 4 (trayectoria única, DSP clásico) mostró LoA de -26.75 a 23.43 BPM en comparaciones de actividad similares, y el Fitbit Sense (multitrayectoria, DSP clásico) mostró LoA de -13.44 a 10.91 BPM.
• Eficiencia: El tiempo de inferencia es de 40.11 ms por paso, consumiendo aproximadamente 28 minutos de batería durante un período de 24 horas.

Significancia y Reivindicaciones
El artículo concluye que la integración de un aprendizaje profundo a gran escala fue fundamental para aprovechar plenamente el hardware PPG de multitrayectoria, una capacidad que los enfoques de procesamiento de señales clásicos no lograron alcanzar. Los autores afirman que este enfoque permitió un "cambio de nivel en la calidad" en comparación con dispositivos anteriores.

Los puntos clave enfatizados por los autores incluyen:

• Volumen de Datos: El uso de datos de entrenamiento masivos y diversos es primordial para el rendimiento del modelo.
• Eficiencia de Diseño: El aprendizaje profundo redujo el esfuerzo de ingeniería al automatizar el descubrimiento de representaciones de características óptimas a partir de datos PPG de multitrayectoria brutos, permitiendo la exploración sistemática de las configuraciones ópticas.
• Percepción del Usuario: Los autores señalan que los usuarios reaccionan más fuertemente a los valores atípicos (grandes desviaciones) que al sesgo, un factor que guio sus métricas de "error percibido" durante el desarrollo.
• Trayectoria Futura: El éxito de la arquitectura del PW2 ha allanado el camino para las generaciones posteriores del Pixel Watch, que construyen incrementalmente sobre esta base con electrónica, óptica y modelos más grandes refinados.