Estimation de la pression artérielle à partir d’un photopléthysmogramme à l’aide d’un réseau de neurones profond spectro-temporel

La pression artérielle (PA) est un indicateur direct de l’hypertension, une affection dangereuse et potentiellement mortelle. Un suivi régulier de la PA est donc essentiel, mais de nombreuses personnes éprouvent une aversion envers les appareils à brassard, dont la limitation principale réside dans le fait qu’ils ne peuvent être utilisés qu’en situation de repos. L’utilisation exclusive d’un photopléthysmogramme (PPG) pour estimer la PA représente une solution potentielle étudiée dans notre travail. Nous avons analysé la base de données MIMIC-III afin d’extraire des signaux PPG et des courbes de PA artérielle de haute qualité, aboutissant à plus de 700 heures de données après prétraitement, provenant de 510 sujets. Nous avons ensuite utilisé le PPG ainsi que ses dérivées première et seconde comme entrées dans un nouveau réseau neuronal profond à architecture spectro-temporelle dotée de connexions résiduelles. Dans une expérience de validation « laisser un sujet de côté », nous avons démontré que le réseau est capable de modéliser la dépendance entre le PPG et la PA, obtenant des erreurs absolues moyennes de 9,43 mmHg pour la pression artérielle systolique et de 6,88 mmHg pour la pression artérielle diastolique. Par ailleurs, nous avons montré que la personnalisation des modèles est cruciale et améliore significativement les performances, tandis que la construction d’un modèle prédictif généralisable de qualité reste difficile. Nous avons rendu publique une partie essentielle de notre étude, notamment la liste des sujets utilisés et le code de notre réseau neuronal, dans le but de fournir une base solide et de simplifier les comparaisons futures entre études sur un sous-ensemble explicite de MIMIC-III.