Low-Rate Wrist SpO2 Estimation under Micro-Perturbations Using Motion-Aware Beat Selection and Perfusion-Guided Calibration

Resumen Técnico: Estimación de SpO2 en la Muñeca a Baja Tasa bajo Microperturbaciones

Planteamiento del Problema
El monitoreo continuo de la saturación de oxígeno (SpO2) mediante fotopletismografía (PPG) es crítico para la detección de salud en dispositivos vestibles (wearables). Sin embargo, la estimación basada en la muñeca enfrenta desafíos significativos en comparación con la oximetría de pulso convencional en el dedo. La muñeca es más susceptible a las microperturbaciones, como movimientos pequeños y cambios sutiles en la presión de contacto, que desestabilizan la morfología de los latidos de la PPG. Estas perturbaciones alteran los componentes pulsátiles rojo e infrarrojo, lo que conduce a una inestabilidad en la relación de razones ($R$) de rojo a infrarrojo. Dado que los métodos convencionales dependen de un mapeo fijo de $R$–SpO2, esta inestabilidad resulta en estimaciones inconsistentes. Además, las diferencias interindividuales en el estado de perfusión local introducen un sesgo de calibración, ya que un mapeo fijo no puede adaptarse a los variados índices de perfusión (PI) entre diferentes individuos o condiciones de contacto sensor-piel.

Metodología
Los autores proponen un marco ligero y compatible con firmware para la estimación de SpO2 en la muñeca a baja tasa, que integra la selección de latidos consciente del movimiento y la calibración guiada por la perfusión. El sistema procesa señales PPG de doble longitud de onda (rojo e infrarrojo) junto con datos de un acelerómetro triaxial. La metodología consta de tres etapas principales:

1. Extracción de AC/DC a Nivel de Latido y Computación de la Razón:
   Dentro de una ventana deslizante de 10 segundos, las señales PPG roja e infrarroja se filtran mediante un paso bajo (corte de 5 Hz) para preservar la morfología del pulso. Un filtro de paso de banda (1–3 Hz) facilita la detección robusta de latidos, utilizando los valles del canal infrarrojo, que es más estable, como límites comunes para ambas longitudes de onda. Los picos sistólicos se identifican por separado para cada canal. El componente de corriente continua (DC) a nivel de latido se define como el valor de la línea base interpolada en la ubicación del pico, mientras que el componente de corriente alterna (AC) es la diferencia de amplitud entre el pico y esta línea base. La razón de razones ($R$) se computa para cada latido como $R = \frac{AC_{red}/DC_{red}}{AC_{IR}/DC_{IR}}$.

2. Selección de Latidos Consciente del Movimiento:
   Para mitigar las microperturbaciones, el marco asigna pesos de confiabilidad a los latidos basándose en puntuaciones de movimiento derivadas del acelerómetro. Para cada intervalo de latido, se calcula la desviación estándar de la magnitud del acelerómetro triaxial. Dentro de una ventana, los latidos se ponderan mediante una función no lineal que enfatiza los latidos de bajo movimiento y suprime aquellos contaminados por el movimiento. Específicamente, se establece un umbral de puntuación de movimiento utilizando la mediana y el percentil 90 de las puntuaciones de movimiento de la ventana. Luego, se computa una mediana ponderada de los valores de $R$ a nivel de latido válidos para determinar la $R_{win}$ a nivel de ventana, asegurando que los latidos contaminados por el movimiento contribuyan menos a la estimación final.

3. Calibración Guiada por la Perfusión:
   Para abordar la variabilidad específica de cada sujeto, se estima un índice de perfusión de referencia ($PI_{ref}$) para cada sesión. El sistema identifica el segmento de 30 segundos más confiable (menor movimiento promedio) y computa el $PI_{ref}$ como la mediana ponderada de los índices de perfusión infrarrojos de ese segmento. La $R_{win}$ a nivel de ventana se corrige entonces mediante una función lineal de $PI_{ref}$ ($R_c = R_{win} + b_0 + b_1 \cdot PI_{ref}$). Finalmente, la razón corregida $R_c$ se mapea a SpO2 utilizando una función de calibración polinómica de segundo orden aprendida de los datos de entrenamiento.

Contribuciones Clave

• Algoritmo de Procesamiento de Baja Tasa: Un algoritmo de procesamiento PPG de doble longitud de onda diseñado para un muestreo de 25 Hz, que realiza la extracción latido a latido y la agregación de ventana rodante para la calibración $R$-SpO2.
• Selección de Latidos Consciente del Movimiento: Una estrategia que utiliza datos de acelerómetro para asignar pesos de confiabilidad a los latidos, mejorando la robustez contra las microperturbaciones al priorizar puntos de datos de bajo movimiento.
• Calibración Guiada por la Perfusión: Un método que utiliza el índice de perfusión como un indicador de estado de calibración, permitiendo que la relación $R$–SpO2 se adapte a las variaciones de perfusión local específicas de cada sujeto.

Resultados Experimentales
El marco fue evaluado en un conjunto de datos de dispositivos vestibles privado que comprende 27 sesiones de nueve participantes con diversos tonos de piel. El conjunto de datos incluyó señales PPG de 100 Hz (submuestreadas a 25 Hz para la evaluación) y valores de SpO2 de referencia de un dispositivo Masimo Rad-G.

• Desempeño: Bajo una evaluación estricta de dejar un sujeto fuera (LOSO), el método propuesto logró un Error Absoluto Medio (MAE) de $2.305 \pm 1.113\%$ y un Error Cuadrático Medio (RMSE) de $3.117 \pm 1.743\%$ a 25 Hz. Esto superó a los métodos de referencia, incluyendo la agregación simple de media/mediana, Mínimos Cuadrados Recurrentes (RLS) y Mínimos Cuadrados Normalizados (NLMS).
• Estudio de Ablación: Los resultados confirmaron que tanto la selección de latidos consciente del movimiento como la calibración guiada por la perfusión mejoraron el desempeño de forma independiente, siendo la combinación la que obtuvo las mejores métricas tanto para la tasa de 25 Hz como para la de 100 Hz.
• Eficiencia de Baja Tasa: El método mantuvo un desempeño a 25 Hz comparable al de 100 Hz. El análisis de consumo de energía indicó que el sensor PPG consumió aproximadamente 9 mW a 25 Hz, una reducción del 40% en comparación con los ~15 mW consumidos a 100 Hz, lo que respalda el monitoreo continuo de bajo consumo energético.
• Robustez al Movimiento: El enfoque combinado demostró el MAE más bajo en todos los niveles de magnitud de movimiento, mientras que los métodos de referencia mostraron un aumento en el error a medida que la desviación estándar de la magnitud del movimiento aumentaba.

Significancia
El artículo afirma que este trabajo presenta un marco ligero capaz de mejorar la robustidad de la estimación de SpO2 en la muñela a baja tasa sin requerir modelos de eliminación de ruido de alta complejidad. Al integrar la selección consciente del movimiento y la calibración guiada por la perfusión, el sistema aborda los desafíos duales de las microperturbaciones y la variabilidad de la perfusión interindividual. La capacidad de mantener la precisión a 25 Hz, reduciendo significativamente el consumo de energía, hace que el marco sea adecuado para implementaciones de monitoreo de salud continuo, eficientes energéticamente y compatibles con firmware.