⚡ ingeniería eléctrica

Towards Non-Invasive Multiparameter Monitoring from a Single Fingertip Photoplethysmogram: Prototype Design and Preliminary Evaluation of Heart Rate, SpO2, Blood Pressure, and Glucose Estimation

Este artículo presenta el diseño y la evaluación preliminar de un prototipo de fotopletismografía de un solo dedo de bajo costo capaz de estimar la frecuencia cardíaca, la SpO2, la presión arterial y la glucosa en sangre, demostrando la viabilidad a través de un estudio de pequeña cohorte donde la regresión de Random Forest logró las predicciones de glucosa más precisas, al tiempo que enfatiza la necesidad de una validación más amplia e independiente del sujeto antes de su aplicación clínica.

Autores originales: Muhammad Noman, Haseeb Ur Rehman, Muhammad Ahsen, Rida Afzal, Muhammad Hamza Zulfiqar, Nida Iqbal

Publicado 2026-10-20

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Muhammad Noman, Haseeb Ur Rehman, Muhammad Ahsen, Rida Afzal, Muhammad Hamza Zulfiqar, Nida Iqbal

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Millones de personas en todo el mundo gestionan afecciones crónicas como la diabetes y la hipertensión arterial recurriendo a herramientas que suelen ser dolorosas, costosas o engorrosas. El control del azúcar en sangre suele requerir un pinchazo en el dedo para extraer una gota de sangre, mientras que el control de la presión arterial implica envolver el brazo con un brazalete inflable y apretado. Estos métodos funcionan, pero la incomodidad y las molestias pueden hacer que las personas omitan sus controles diarios, dejando sin detectar tendencias de salud peligrosas. Los científicos han esperado durante mucho tiempo reemplazar estas herramientas invasivas con un sensor único y cómodo que pudiera leer los signos vitales desde la punta del dedo sin romper la piel. La clave de esta idea reside en una técnica llamada fotopletismografía, que utiliza la luz para medir cómo fluye la sangre a través de los diminutos vasos. Al proyectar luz en la piel y medir cuánto se absorbe o se refleja, los dispositivos pueden detectar el pulso rítmico de los cambios en el volumen sanguíneo. Esta señal óptica ya impulsa los conocidos oxímetros de pulso que se ven en hospitales y gimnasios, los cuales nos indican la frecuencia cardíaca y los niveles de oxígeno. El desafío ha sido ver si este mismo flujo de datos lumínicos también podría revelar la presión arterial y los niveles de glucosa, los dos números más críticos para la gestión de las enfermedades cardíacas y la diabetes.

Un equipo de investigadores de la Universidad de Ingeniería y Tecnología de Lahore se propuso construir un prototipo de bajo costo para probar precisamente esta posibilidad. Construyeron un pequeño dispositivo que se sujeta a la punta del dedo de una persona, albergando un sensor que emite destellos de luz roja e infrarroja hacia la piel. Este sensor, combinado con un microcontrolador sencillo, captura las sutiles ondas de luz que rebotan a medida que la sangre pulsa a través del dedo. Los investigadores introdujeron luego estos datos brutos en un programa informático diseñado para limpiar la señal y extraer patrones específicos. Probaron su sistema en treinta voluntarios sanos que habían estado en ayunas durante la noche, comparando las estimaciones del dispositivo con las herramientas médicas estándar: un glucómetro de punción digital, un manguito de presión arterial tradicional y un oxímetro de pulso comercial. El objetivo no era crear un producto médico terminado, sino ver si la física y las matemáticas básicas detrás de la idea podían siquiera funcionar en un entorno del mundo real.

Los resultados para la frecuencia cardíaca y la saturación de oxígeno fueron tranquilizadoramente cercanos a los de los dispositivos estándar. El prototipo rastreó con éxito el latido del corazón y los niveles de oxígeno con un alto grado de concordancia, confirmando que el hardware podía capturar la información esencial del pulso con precisión. Para la presión arterial, el equipo utilizó un enfoque diferente, analizando el tiempo y la forma de la onda de pulso en lugar de solo su velocidad. En un caso de prueba único, el dispositivo estimó una lectura de presión arterial que difería de la del manguito estándar por solo unos 1,4 milímetros de mercurio, una diferencia notablemente pequeña. Sin embargo, los investigadores fueron cuidadosos al señalar que esta fue una observación única en un sujeto en reposo, y que el método utilizado empleaba configuraciones fijas que podrían no funcionar para todos sin un ajuste individual.

La parte más compleja del estudio consistió en la estimación de la glucosa en sangre. A diferencia de la frecuencia cardíaca o el oxígeno, no existe un vínculo óptico directo y simple entre los niveles de azúcar en la sangre y la forma de un pulso de luz. En su lugar, los investigadores plantearon la hipótesis de que los cambios en el azúcar en sangre podrían alterar sutilmente la densidad de la sangre o la forma en que se mueven los glóbulos rojos, lo que a su vez cambiaría la señal de luz de formas detectables. Para encontrar estas pistas sutiles, descompusieron la señal de pulso en docenas de características matemáticas diferentes, como la energía de la onda, su ritmo y su forma general. Luego, introdujeron estas características en tres tipos diferentes de modelos de aprendizaje computacional para ver cuál podía adivinar mejor el nivel de azúcar en sangre.

Entre los modelos probados, un método conocido como Bosque Aleatorio (Random Forest), que funciona construyendo muchos árboles de decisión y combinando sus respuestas, fue el que mejor funcionó. En este pequeño grupo de treinta personas, las estimaciones del modelo variaron en un promedio de aproximadamente 11 miligramos por decilitro, una mejora significativa respecto a los otros modelos con los que se comparó. El sistema también logró categorizar correctamente los niveles de azúcar en sangre en los rangos de bajo, normal o alto aproximadamente el 74 por ciento de las veces. Si bien estas cifras pueden parecer prometedoras, los investigadores enfatizan que este éxito es preliminar y está limitado por el tamaño del estudio. El grupo de voluntarios era pequeño y los datos procedían de una sola sesión, lo que significa que el modelo podría simplemente haber memorizado los patrones específicos de estas treinta personas en lugar de aprender una regla universal para el azúcar en sangre.

El artículo concluye que, si bien el prototipo demuestra que el concepto es factible, está lejos de estar listo para el uso clínico. Los investigadores declaran explícitamente que sus resultados no demuestran que el dispositivo pueda medir la glucosa con la precisión suficiente para tomar decisiones médicas, ni que pueda reemplazar aún una prueba de punción digital. El pequeño tamaño de la muestra, la falta de pruebas en personas con diabetes diagnosticada o hipoglucemia, y la ausencia de métodos de validación rigurosos significan que los hallazgos actuales son meramente una prueba de concepto. El dispositivo sirve como una plataforma de investigación económica que demuestra que la luz puede portar información sobre el azúcar en sangre, pero convertir ese potencial en una herramienta médica fiable requerirá estudios mucho más amplios, pruebas en poblaciones diversas y una comprensión más profunda de cómo otros factores, como la edad y el tono de la piel, podrían confundir las lecturas. Por ahora, el trabajo constituye un paso esperanzador hacia un futuro donde los signos vitales puedan monitorearse de forma continua y sin dolor, pero el camino hacia una solución funcional sigue siendo largo e incierto.

Resumen Técnico: Monitoreo Multiparamétrico No Invasivo desde un Único PPG de la Yema del Dedo

Planteamiento del Problema
Las enfermedades cardiovasculares y la diabetes representan cargas significativas para la salud global; sin embargo, el monitoreo rutinario de la presión arterial (PA) y la glucosa en sangre (GS) depende de métodos que dificultan la adherencia del paciente. La oscilometría estándar basada en manguitos proporciona lecturas intermitentes en lugar de continuas y puede ser incómoda, mientras que las pruebas de glucosa capilar requieren pinchazos en el dedo y tiras consumibles dolorosos. Aunque la fotopletismografía (PPG) está establecida para la frecuencia cardíaca (FC) y la saturación de oxígeno (SpO2), su aplicación a la presión arterial sin manguito y a la estimación no invasiva de la glucosa permanece científicamente incierta. Los desafíos incluyen el vínculo físico indirecto entre la glucosa y las ondas PPG, la influencia de variables fisiológicas de confusión (p. ej., edad, rigidez vascular) y la prevalencia de afirmaciones de precisión infladas debido a conjuntos de datos pequeños y fuga de datos (data leakage).

Metodología
Los autores diseñaron y evaluaron un prototipo de bajo costo capaz de derivar FC, SpO2, presión arterial sistólica/diastólica (PAS/PAD) y estimaciones de GS a partir de una única señal PPG de la yema del dedo.

Arquitectura de Hardware: El sistema utiliza un sensor de doble longitud de onda MAX30102 (rojo de 660 nm, infrarrojo de 940 nm) integrado con un Arduino Nano basado en ATmega328P. El sensor se aloja en una carcasa de impresión 3D con blindaje de luz, diseñada para minimizar la interferencia de la luz ambiental y estandarizar la presión de contacto en la yema del dedo medio derecho. La adquisición de datos ocurre a 100 muestras por segundo vía I²C, con los datos brutos transmitidos a una PC para procesamiento offline.
Acondicionamiento de la Señal: La señal PPG bruta se somete a la eliminación de la línea base mediante el desendeudamiento de la envolvente inferior (conectando los puntos de valle de latidos sucesivos), seguido de un filtrado de paso bajo Butterworth de cuarto orden de fase cero (corte de 8 Hz) para preservar los puntos fiduciarios mientras se elimina el ruido respiratorio y de alta frecuencia.
Algoritmos de Estimación de Parámetros:
- FC y SpO2: La FC se calcula a partir del intervalo medio pico a pico. La SpO2 se deriva mediante la relación de relaciones ( $R$ ) de los componentes AC/DC de los canales rojo e infrarrojo, aplicada a una fórmula de aproximación lineal ( $SpO2 = 110 - 25R$ ).
- PA sin Manguito: Un modelo empírico de prueba de concepto utiliza características de tiempo de la primera derivada (tiempo sistólico, tiempo diastólico) y características de amplitud. La PAS y la PAD se mapean utilizando coeficientes fijos ( $\alpha, \beta$ ) derivados para adultos en reposo, sin calibración por sujeto.
- Estimación de Glucosa: Se extrajo un conjunto de características multidominio, incluyendo coeficientes autorregresivos (quinto orden), energía de Teager–Kaiser (media, varianza, IQR, asimetría), entropía de Shannon espectral, energía logarítmica y características morfológicas de pulso único (energía, amplitud de pico, tiempos de inicio/finalización).
Aprendizaje Automático y Evaluación: Tres modelos de regresión —Regresión Lineal (LR), K-Vecinos Más Cercanos (KNN, $k=5$ ) y Bosque Aleatorio (RF, 100 árboles)— fueron entrenados para predecir los niveles de glucosa. El rendimiento se evaluó mediante el Error Cuadrático Medio (RMSE), el Error Absoluto Medio (MAE), $R^2$ y una clasificación de tres bandas de precisión (Baja: $\le 100$ , Media: 101–140, Alta: $> 140$ mg/dL).

Protocolo Experimental
El estudio involucró a 30 voluntarios en ayunas (de 20 a 50 años) en la Universidad de Ingeniería y Tecnología de Lahore. Se recolectaron un total de 32 grabaciones (30 segundos cada una). Las mediciones de referencia se tomaron simultáneamente utilizando un pulsioxímetro de yema comercial, un manguito oscilométrico y un glucómetro Accu-Chek Active. La cohorte consistió en individuos sanos o mixtos sin diagnóstico clínico independiente de diabetes; no se incluyeron sujetos con hipoglucemia.

Resultados Clave

FC y SpO2: El prototipo demostró una estrecha concordancia con las referencias comerciales. En una grabación representativa de 30 segundos, la FC estimada fue de ~73 LPM frente a los 70 LPM de la referencia (una diferencia de aproximadamente el 4%), y la SpO2 se estimó en 99% frente al valor de referencia.
Presión Arterial: Un único ensayo en reposo mostró una PA estimada de 118.6/78.6 mmHg comparada con los 120/80 mmHg del manguito, una diferencia de aproximadamente 1.4 mmHg.
Estimación de Glucosa: El modelo de Bosque Aleatorio (RF) superó a LR y KNN.
- Rendimiento de RF: RMSE = 11.11 mg/dL, MAE = 7.85 mg/dL, $R^2$ = 0.8655, y 74.19% de precisión de clasificación de tres bandas.
- Comparación: LR arrojó un RMSE de 24.31 mg/dL ( $R^2$ = 0.3557), y KNN un RMSE de 26.45 mg/dL ( $R^2$ = 0.2374).
- Limitaciones en los Resultados: Los autores señalan que el alto $R^2$ y las métricas de error bajas son probablemente optimistas debido al tamaño pequeño del conjunto de datos (32 grabaciones) y la falta de validación independiente del sujeto (posible fuga de datos entre el entrenamiento y el conjunto de prueba).

Significancia y Afirmaciones
El artículo posiciona este trabajo estrictamente como un estudio de viabilidad y una evaluación preliminar, evitando explícitamente las afirmaciones clínicas.

Viabilidad de la Integración: El estudio demuestra que una plataforma de hardware de bajo costo y un solo sensor puede adquirir y acondicionar con éxito señales PPG para derivar múltiples parámetros fisiológicos simultáneamente.
Utilidad de las Características: Los resultados sugieren que una combinación de características espectrales, no lineales (Teager–Kaiser) y morfológicas puede asociarse con los valores de referencia de glucosa en una pequeña cohorte en ayunas, con el Bosque Aleatorio capturando mejor las interacciones no lineales que los modelos lineales o basados en distancia.
Modestia de las Afirmaciones: Los autores enfatizan que los resultados actuales no validan el sistema para uso clínico. Destacan que:
- El modelo de glucosa puede estar aprendiendo correlatos (p. ej., tono vascular, edad) en lugar de la glucosa misma.
- La falta de validación independiente del sujeto (p. ej., dejar un sujeto fuera) hace que las estimaciones de rendimiento sean poco fiables.
- El rango fisiológico estrecho de la cohorte (sin hipoglucemia, hiperglucemia limitada) impide la evaluación de extremos clínicos.
- No se cumplieron ni se evaluaron completamente las métricas clínicas estándar (rejillas de error de Clarke/Parkes, MARD, cumplimiento de ISO 15197).

Conclusión
El prototipo sirve como una plataforma de investigación económica para la recolección de conjuntos de datos más grandes. Los autores concluyen que, antes de que se puedan hacer afirmaciones clínicas, el trabajo futuro debe incluir estudios más amplios y multidía con poblaciones diagnosticadas con diabetes e hipoglucemia, protocolos de validación independientes del sujeto y un análisis riguroso de rejilla de error.

Resumen Técnico: Monitoreo Multiparamétrico No Invasivo desde un Único PPG de la Yema del Dedo

Más como este