Presión arterial en un chip diminuto exprés

Original: "End-to-end Automated Deep Neural Network Optimization for PPG-based Blood Pressure Estimation on Wearables"
arXiv:2604.10117 · 2026-04-11 · CC BY 4.0 · 1 min
Una red neuronal aprende a medir la presión con el pulso y cabe en 512 kilobytes, como una foto.

Los relojes de pulsera miden el pulso con luz: un LED ilumina la piel y un sensor capta la señal reflejada. Las variaciones de esa señal permiten estimar la presión arterial, pero un cálculo preciso requiere una red neuronal potente, que normalmente opera en la nube, y los datos salen del dispositivo. Esto es incómodo e inseguro: la información médica personal viaja por la red.

El nuevo enfoque comprime la red neuronal hasta el tamaño de una caja de cerillas. Un algoritmo especial revisa por sí mismo las opciones de arquitectura, recorta conexiones innecesarias y ajusta la precisión de los números, como un editor que tacha todo lo superfluo de un borrador. El resultado ocupa menos de 55 kilobytes, diez veces menos que una fotografía en el teléfono. Además, el error en la estimación de la presión se redujo un 8%, y si se ajusta el modelo a una persona concreta, la precisión aumenta otro 64%.

El cálculo de la presión tarda 142 milisegundos, menos de lo que tarda un parpadeo. Consume 7,25 milijulios: lo mismo que necesita un LED para encenderse una vez.

Este enfoque abre el camino a dispositivos portátiles totalmente autónomos. El reloj podría vigilar la presión las 24 horas sin recurrir a un servidor ni agotar la batería en un par de horas. La personalización para el usuario hace que las lecturas sean más precisas, y la privacidad se queda en la muñeca.

El modelo cabe en 512 kilobytes de memoria, aproximadamente la mitad de la capacidad de un disquete de los años 1980, en el que cabía un solo documento de texto.

En la serie 'Black Mirror' hay un episodio donde un implante vigila la salud continuamente y transmite los datos al médico: una tecnología similar, pero sin nube y con protección de datos personales.

Científicos
Niels BohrPascual JordanWerner Heisenberg
Conceptos
aprendizaje profundo en imagenología médica red neuronal profunda sensor portátil red neuronal de grafos monitoreo cerebral no invasivo análisis fotográfico del cuerpo presión arterial xgboost