Physics-Constrained Deep Learning Model for Contactless Blood Pressure Monitoring from Triaxial Bodyseismography

Monitoramento de pressão arterial sem contato ganha reforço de física e inteligência artificial

Imagine medir a pressão arterial de um paciente internado sem nenhum manguito apertando o braço, sem fios e sem contato direto com a pele. Essa possibilidade está mais próxima da realidade com um novo modelo de aprendizado profundo que combina inteligência artificial e leis da física para interpretar as microvibrações do corpo. Batizado de Phy-BP, o sistema usa sensores de sismografia corporal triaxial para estimar a pressão arterial de forma contínua, mesmo em ambientes hospitalares com movimentação e ruído.

A hipertensão arterial é um dos principais fatores de risco para doenças cardiovasculares no Brasil. O monitoramento frequente da pressão é essencial, mas os métodos tradicionais exigem braçadeiras infláveis, que incomodam e interrompem o descanso. Em unidades de terapia intensiva ou enfermarias, a medição automática a cada poucos minutos pode gerar desconforto e até interferir no sono do paciente. A busca por alternativas não invasivas e sem contato tem crescido, e a balistocardiografia (BCG) é uma das apostas.

A BCG mede as vibrações mecânicas do corpo causadas pela ejeção de sangue do coração a cada batimento. Em laboratório, sensores instalados sob o colchão conseguem captar esses sinais. No entanto, a técnica tradicional sofre com variações na interação entre o corpo e a cama. Pequenas mudanças de posição, tipo de colchão ou peso do paciente alteram os pontos de referência do sinal no tempo e na amplitude. Além disso, a pressão arterial varia conforme mudanças hemodinâmicas individuais, gerando representações desalinhadas que prejudicam a generalização dos modelos de aprendizado de máquina.

O que é o Phy-BP e como ele funciona

O Phy-BP é um arcabouço de estimativa de pressão arterial não invasivo baseado em sismografia corporal triaxial, uma extensão da BCG. Em vez de captar apenas um eixo de vibração, o sistema registra movimentos em três direções: vertical, lateral e longitudinal. Essa abordagem oferece uma visão tridimensional da propagação das ondas mecânicas geradas pelo coração no sistema corpo-cama.

O primeiro avanço do Phy-BP é um algoritmo adaptativo de controle de qualidade. Ele seleciona segmentos do sinal que estão enriquecidos com componentes cardiogênicos, ou seja, porções da vibração que realmente refletem a atividade do coração. Para isso, o algoritmo considera simultaneamente os padrões de batimentos vizinhos e modelos universais de batimento cardíaco. Assim, trechos com ruído excessivo ou movimentos do paciente são filtrados dinamicamente, evitando que medições de baixa qualidade contaminem o treinamento do modelo.

O segundo pilar é um modelo físico que descreve a propagação de ondas tridimensionais no sistema corpo-cama. Esse modelo é incorporado à rede neural profunda, funcionando como uma restrição de consistência física. Em vez de deixar o algoritmo aprender qualquer correlação entre os três eixos, o Phy-BP impõe que os sinais triaxiais sejam coerentes com uma única excitação cardiogênica. Isso alinha as características dos múltiplos eixos durante o treinamento, aumentando a robustez contra distorções do mundo real.

Resultados em ambiente