Adding accelerometry raises task-conditioned recoverability in wearable photoplethysmography

Resumo Técnico: A Adição de Acelerometria Eleva a Recuperabilidade Condicionada à Tarefa em Fotopletismografia Vestível

Declaração do Problema
A fotopletismografia (PPG) vestível é amplamente acessível, mas suscetível à degradação por movimento, pressão de contato, luz ambiente e mudanças de perfusão. Um desafio crítico para o uso da PPG em inferência de modelos é distinguir entre duas causas potenciais de baixo desempenho do modelo: limitação do modelo (o observador falhou em extrair informações utilizáveis) versus limitação da medição (o sensor de aquisição falhou em preservar informações relevantes para a tarefa). A precisão preditiva isolada não pode resolver essa ambiguidade, pois o escore observado funde as propriedades da medição com as propriedades do modelo ajustado. Este estudo aborda a necessidade de um diagnóstico que separe o desempenho demonstrado da informação teórica disponível dentro de uma configuração de medição específica.

Metodologia
O estudo utiliza o Banco de Dados de PPG de Smartphone da Universidade Tecnológica de Brno (BUT) v2.0.0, composto por 82.966 amostras equilibradas de eventos/não-eventos ECG-QRS derivadas de 3.840 gravações em 38 sujeitos. A tarefa alvo é distinguir janelas de PPG centradas em eventos de referência ECG-QRS de janelas correspondentes de não-eventos, utilizando validação cruzada de cinco dobras agrupada por sujeito para garantir a independência.

A análise emprega o framework OptiCeil para avaliar duas métricas distintas:

1. Desempenho Demonstrado: A maior acurácia balanceada alcançada por um "zoológico de modelos" consistindo em observadores de regressão logística e gradiente de histograma (histogram gradient boosting).
2. Recuperabilidade Condicionada à Tarefa: Uma estimativa comparativa do desempenho máximo teoricamente recuperável dos dados. Isso é calculado usando uma abordagem de geometria de vizinho mais próximo (avaliando o erro de um vizinho mais próximo através de representações de dados brutos, componentes principais e espaço de escores) e transformando o erro via relação de Cover-Hart.

A metodologia trata a recuperabilidade como uma quantidade empírica falseável. Se um observador retido mais forte superar uma estimativa de recuperabilidade candidata além de uma tolerância congelada, o candidato é descartado. O estudo realiza duas comparações primárias:

• Estratificação de Qualidade: Comparando gravações classificadas por especialistas como "boas" versus "ruins" em oito condições de perturbação (tosse, movimento de dedos, riso, mudança de luz, pressão, repouso, fala, caminhada).
• Fusão de Sensores: Comparando dados apenas de PPG contra PPG combinado com acelerometria (ACC) no mesmo subconjunto de registros capazes de ACC para isolar o efeito da adição de um canal de medição física.

Resultos Principais

• Linha de Base Apenas PPG: Para a tarefa de recuperação ECG-QRS, o observador retido mais forte alcançou uma acurácia balanceada (BA) de 0,5018, com uma estimativa de recuperabilidade comparativa de 0,5454. A pequena lacuna (0,0436) sugere que, sob esta representação específica e design de retenção por sujeito, o sinal de PPG de smartphone preserva pouca informação de discriminação entre sujeitos acima do acaso.
• Correlação de Qualidade do Especialista: Gravações classificadas como "boas" por especialistas demonstraram maior recuperabilidade (0,5706) do que as gravações "ruins" (0,5488). Esta ordenação foi consistente em todas as oito condições de perturbação, com a maior separação observada nas condições de riso e pressão. Isso valida a métrica de recuperabilidade contra uma avaliação de qualidade externa e independente.
• Impacto da Acelerometria: No conjunto de registros idênticos, a adição de acelerometria aumentou a estimativa de recuperabilidade de 0,5520 para 0,6148 (um ganho de 0,0628). Concomitantemente, a acurácia balanceada alcançada subiu de 0,5007 para 0,5957 (um ganho de 0,0950). A lacuna descritiva entre a recuperabilidade e o desempenho alcançado contraiu significativamente (de 0,0513 para 0,0191), indicando que o canal de sensor adicionado aumentou o estado de informação disponível para a tarefa.

Significância e Alegações
O artigo afirma que a recuperabilidade condicionada à tarefa serve como uma ferramenta de diagnóstico distinta que separa limitações de medição de limitações de modelo. Os resultados demonstram que:

1. Mudanças na medição alteram estados de informação: Adicionar um sensor físico (acelerometria) à mesma sessão de gravação aumenta tanto o desempenho que um observador pode alcançar quanto a recuperabilidade teórica da tarefa.
2. Orientação de Engenharia Acionável: Um par de "desempenho alcançado" e "recuperabilidade" esclarece a próxima intervenção de engenharia. Uma estimativa de alta recuperabilidade com baixo desempenho alcançado sugere a necessidade de melhores observadores ou aprendizado de representação. Inversamente, valores baixos para ambas as quantidades indicam a necessidade de melhorias na aquisição (ex: melhor contato, sensores adicionais ou suspensão da inferência).
3. Especificidade da Tarefa: Os achados são explicitamente condicionados à tarefa. Embora a PPG tenha mostrado limitada recuperabilidade para a detecção de eventos ECG-QRS neste setup específico, o autor nota que a PPG pode permanecer informativa para outros alvos (ex: estimativa de frequência de pulso) ou representações.

O estudo conclui que mudar o sistema de medição física e mudar o modelo são intervenções distintas. Um diagnóstico de recuperabilidade voltado para a medição pode ajudar a determinar qual intervenção é necessária para uma tarefa de inferência específica.