Los ingenieros se encuentran en las primeras fases de aprovechamiento del Wi-Fi para monitorizar los ritmos cardíacos, pero no esperen utilizar su router doméstico de inmediato.
Los ingenieros utilizan inteligencia artificial para detectar latidos del corazón en señales Wi-Fi (Crédito de la imagen: J Studios vía Getty Images) Suscríbase a nuestro boletín
Los ingenieros han empleado inteligencia artificial (IA) y hardware económico de estantería para convertir la amplitud de las señales Wi-Fi en estimaciones del ritmo cardíaco de una persona.
La precisión de este sistema, denominado Pulse-Fi, es notablemente constante en diferentes posiciones corporales y distancias, según escribieron los investigadores en un estudio publicado el 5 de agosto en las actas del IEEE International Conference on Distributed Computing in Smart Systems and the Internet of Things (DCOSS-IoT) de 2025.
Muchas tecnologías domésticas, como los monitores de banda pectoral y los relojes inteligentes, monitorizan signos vitales, incluidos el ritmo cardíaco y la frecuencia respiratoria. Sin embargo, estos dispositivos requieren contacto constante con el individuo y son caros, lo que impulsa la necesidad de tecnologías sin contacto.
Una de esas tecnologías puede aprovechar la información de las señales Wi-Fi, que son ondas de radio que transportan datos entre un emisor y un receptor, como entre un router y un ordenador.
La “información sobre el estado del canal” (CSI, por sus siglas en inglés) proporciona la amplitud y la fase de la señal en su trayecto entre estos dos dispositivos, incluso cuando atraviesa obstáculos como el pecho en movimiento. Dado que las señales se distorsionan al pasar por estas barreras, los investigadores pueden filtrar los datos CSI para capturar los signos vitales.
Existen varios ejemplos de detección de ritmo cardíaco mediante Wi-Fi, pero Kocheta y su equipo argumentaron que aún persisten varias limitaciones. Por ejemplo, muchos dependen de hardware ya obsoleto. Para abordar estas limitaciones, los investigadores desarrollaron un nuevo sistema llamado “Pulse-Fi”.
Captura de signos vitales
Para recopilar los datos necesarios para evaluar Pulse-Fi, el equipo colocó a siete personas —cinco hombres y dos mujeres— entre dos dispositivos ESP32 de antena única. Estos dispositivos microcontroladores emitían señales Wi-Fi, actuando uno como emisor y el otro como receptor. El ritmo cardíaco real de los participantes se recogió al mismo tiempo a través de un oxímetro de pulso conectado a su dedo.
Cada individuo participó tres veces: una vez a 1 metro de los EPS32 y luego a 2 metros y 3 metros de distancia. Cada ventana de medición duró cinco minutos.
Nayan Bhatia demuestra Pulse-Fi (Crédito de la imagen: Erika Cardema/UC Santa Cruz)
A continuación, el equipo desarrolló un pipeline de aprendizaje automático para estimar los ritmos cardíacos a partir de la CSI. El primer paso fue extraer la información de amplitud, que se relaciona con los latidos individuales, y luego eliminar las partes ruidosas de la señal procedentes de los obstáculos del entorno.
A continuación, los ingenieros añadieron un filtro para eliminar las frecuencias de señal fuera del rango de 0.8 a 2.17 hercios, lo que correspondía a entre 48 y 130 pulsaciones por minuto (BPM). Luego, añadieron un segundo filtro para suavizar aún más la señal.
El equipo estimó posteriormente los ritmos cardíacos de los participantes utilizando una red neuronal recurrente de memoria a largo y corto plazo, una forma de aprendizaje automático que añade “células de memoria” al procesamiento de datos secuenciales, lo que proporciona el contexto necesario para captar dependencias en los datos. En este caso, estas dependencias se relacionan con elementos como el ritmo cardíaco en reposo y los picos de BPM inducidos por el ejercicio.
El equipo se sorprendió al descubrir que las estimaciones del ritmo cardíaco se mantenían precisas a diferentes distancias de los dispositivos ESP32. Pulse-Fi subestimó y sobrestimó los ritmos cardíacos en un promedio de 0.429 BPM a 1 metro, 0.482 BPM a 2 metros y 0.488 BPM a 3 metros de distancia.
Los investigadores utilizaron posteriormente datos de salud de CSI Wi-Fi preexistentes para probar cómo se comportaba Pulse-Fi con diferentes posiciones corporales y actividades. Los datos procedían de 118 adultos brasileños que mantenían 17 posiciones estáticas y activas, incluyendo estar sentados quietos, caminar en el sitio y barrer el suelo, durante 60 segundos. Los participantes se encontraban a 1 metro del emisor y receptor Wi-Fi, así como del Raspberry Pi 3B+ utilizado para recopilar datos CSI.
Compararon la estimación del ritmo cardíaco de la red neuronal con las lecturas de un reloj inteligente y descubrieron que Pulse-Fi no se veía afectado por la posición corporal de la persona. El error típico era de 0.2 BPM.
Latidos inalámbricos
Esta técnica en etapa temprana es teóricamente interesante, dijo Andreas Karwath, científico de datos de salud en la Universidad de Birmingham en el Reino Unido, que no participó en la investigación.
Sin embargo, señaló que una limitación clave de esta investigación es que se utilizaron los mismos datos para el entrenamiento, la validación y la prueba del modelo. Los investigadores barajaron los datos cada vez, pero Karwath dijo que esto crea una profecía autocumplida.
“Es como predecir la enfermedad de alguien aprendiendo de esa persona y luego predecir a esa persona”, dijo a Live Science. “Eso no tiene sentido”.
En respuesta a esta crítica, los investigadores afirmaron que, si bien su análisis implicó barajar los datos, desde entonces han probado el modelo en tiempo real, donde Pulse-Fi solo se entrenó con datos pasados y luego se evaluó con una señal y un entorno de entrada completamente nuevos. Esta investigación aún no se ha publicado.
Karwath también explicó que los relojes inteligentes y los oxímetros utilizados para recopilar la información del ritmo cardíaco con la que se compara la red neuronal no siempre son precisos al 100%, por lo que sus datos pueden estar sesgados.
Kocheta, Bhatia y Obraczka reconocieron esta limitación sobre el reloj inteligente. Sin embargo, “el oxímetro de pulso es generalmente considerado un dispositivo médico certificado que es muy preciso”, dijeron.
El equipo está ampliando actualmente las pruebas de Pulse-Fi para rastrear los ritmos cardíacos de múltiples individuos en una habitación al mismo tiempo y ver qué tan bien el modelo se adapta a entornos concurridos.
Los autores dijeron que no se involucra información personal explícita en el pipeline de procesamiento de datos y que todas las estimaciones del ritmo cardíaco permanecen en el hardware. Como tal, no existen preocupaciones de privacidad de datos con la tecnología. Karwarth predijo que la tecnología tardará al menos entre cinco y diez años en ser desplegable.
Sourse: www.livescience.com