Estimación de la presión arterial a partir de señales fisiológicas y algoritmos de inteligencia artificial

Abstract

El objetivo principal de esta investigación fue desarrollar una metodología, utilizando algoritmos de inteligencia artificial, para estimar la presión arterial de forma continua y no invasiva a partir de otras señales fisiológicas. Para dar cumplimiento a este objetivo se siguió la metodología CRISP-DM, que incluye diferentes fases. Inicialmente se consultaron investigaciones análogas, identificando brechas y posibilidades de implementación. Posteriormente se extrajeron los datos de la base de datos VitalDB, que recopila múltiples grabaciones de señales de pacientes durante cirugías no cardíacas, eligiéndose 900 pacientes para el desarrollo de esta investigación. A las grabaciones obtenidas se les aplicaron diferentes filtros en orden de corregir las señales, eliminar frecuencias indeseadas y suavizar las grabaciones. Para la estructuración de nuevos datos fue necesario calcular las posiciones de ciertos puntos de interés en las diferentes señales (entre ellos, picos R en electrocardiograma, y puntos máximos y mínimos en la señal de fotopletismografía), además de extraer características estadísticas, geométricas, frecuenciales y realizar un análisis de complejidad.