Non-invasive estimate of blood glucose and blood pressure from a photoplethysmograph by means of machine learning techniques
Pubblicato su Artificial Intelligence in Medicine Volume 53, Issue 2, October 2011, Pages 127-138
https://doi.org/10.1016/j.artmed.2011.05.001
Abstract (sintesi)
Questo lavoro presenta un sistema per una stima simultanea non invasiva del livello di glucosio nel sangue (BGL) e della pressione arteriosa sistolica (SBP) e diastolica (DBP), utilizzando un fotopletismografo (PPG) e tecniche di machine learning. Il metodo è indipendente dalla persona di cui si misurano i valori e non necessita di calibrazione nel tempo o nei soggetti.
Come descritto in questo articolo, gli autori hanno testato questo metodo su 410 individui senza eseguire alcuna calibrazione personalizzata. I risultati sono stati calcolati dopo la convalida incrociata. Le tecniche di apprendimento automatico testate sono state: regressione lineare della cresta, una rete neurale percettrone multistrato, macchine vettoriali di supporto e foreste casuali. I migliori risultati sono stati ottenuti con la tecnica della foresta casuale.
Nel caso della pressione arteriosa, i coefficienti di determinazione risultanti per riferimento rispetto a previsione erano R2SBP = 0,91 ; R2DBP = 0,89 ; R2BGL = 0,90.
Per la stima del glucosio, la distribuzione dei punti su una griglia di errore di Clarke ha collocato l’87,7% dei punti nella zona A, il 10,3% nella zona B e l’1,9% nella zona D.
I valori della pressione sanguigna sono conformi al protocollo di grado B della British Hypertension Society .
Conclusioni (sintesi)
Viene presentato un sistema efficace per la stima della glicemia e della pressione sanguigna da un fotopletismografo.
Il vantaggio principale del sistema è che per l’uso clinico è conforme al protocollo di grado B della British Hypertension Society per la pressione arteriosa e solo nell’1,9% dei casi non ha rilevato ipoglicemia o iperglicemia.