Global · IA · Investigación
Un gemelo cardiovascular combina señales de un wearable con las ecuaciones del flujo sanguíneo
Texas A&M, MIT y Yale estudian una red personalizada con datos de 29 participantes y calibración individual.
Fecha de la fuente original:
Lo esencial
- Texas A&M, MIT y Yale estudian una red personalizada con datos de 29 participantes y calibración individual.
Física dentro de la red
Un equipo de Texas A&M, MIT y Yale publicó WPINN, una red que incorpora las ecuaciones del modelo circulatorio Windkessel al aprendizaje de señales de bioimpedancia. El estudio reutiliza registros obtenidos en laboratorio con un anillo en seis participantes sanos y una pulsera en veintitrés personas con hipertensión. El objetivo es estimar la onda de presión arterial y parámetros como la resistencia periférica con un modelo personalizado.
Calibración para cada persona
Los autores compararon distintas configuraciones con redes sin la restricción física y encontraron mejoras en la predicción. Entrenaron y validaron con los extremos de presión de cada participante, reservando la región intermedia para prueba: el resultado evalúa interpolación individual, no generalización a pacientes nuevos. La calibración requiere medidas de referencia de Finapres. El artículo reconoce que parte del acuerdo puede depender de supuestos compartidos entre esa referencia y el modelo. Los datos humanos se ofrecen previa solicitud por privacidad; el código y los datos sintéticos están disponibles.