MIMIC-III-Ext-PPG, un dataset benchmark basato su PPG per l'analisi dei segnali cardiovascolari e respiratori

Perché i sensori da polso possono raccontare storie di vita o di morte

Molti di noi indossano smartwatch che monitorano silenziosamente il battito cardiaco giorno e notte. Nelle unità di terapia intensiva, un segnale molto simile basato sulla luce, chiamato fotopletismografia o PPG, viene registrato 24 ore su 24 da pazienti in condizioni critiche. Questo articolo presenta MIMIC-III-Ext-PPG, la più grande e dettagliata collezione pubblica di questi segnali pulsati finora disponibile, pensata per aiutare i ricercatori a sviluppare e testare nuovi algoritmi per individuare ritmi cardiaci pericolosi, stimare la pressione arteriosa senza bracciale e monitorare la respirazione.

Una gigantesca libreria di istantanee del battito

Gli autori hanno raccolto più di 6,3 milioni di brevi spezzoni di 30 secondi di segnali PPG provenienti da 6.189 pazienti di terapia intensiva i cui dati fanno parte del noto database ospedaliero MIMIC-III. Ogni spezzone cattura come la luce che attraversa un dito cambia a ogni battito cardiaco, una misurazione semplice che oggi è disponibile da monitor da letto fino ai dispositivi indossabili consumer. Per molti di questi spezzoni, il dataset include anche segnali sincronizzati di elettrocardiogramma, pressione arteriosa e respirazione, trasformando ogni istantanea del polso in una finestra ricca e multisensoriale sul cuore e sui polmoni.

Dalle note del letto di cura alle etichette dettagliate dei ritmi cardiaci

Ciò che distingue questo dataset non è solo la sua ampiezza, ma anche le sue etichette. Nel sistema ospedaliero originale, infermieri e medici registravano regolarmente il ritmo cardiaco del paziente nelle cartelle elettroniche. Il team ha attentamente messo in corrispondenza queste annotazioni con i tempi esatti coperti dalle registrazioni delle forme d'onda, quindi ha armonizzato diversi sistemi di registrazione in un unico e coerente insieme di 26 tipi di ritmo cardiaco. Questi vanno dal ritmo normale e dalle semplici accelerazioni o rallentamenti, attraverso varie aritmie atriali e ventricolari, fino ai ritmi controllati da pacemaker e ai blocchi di conduzione completi. Questo livello di dettaglio supera di gran lunga i precedenti dataset basati sul polso, che solitamente offrivano solo una o due categorie di ritmo.

Misurare più del solo battito cardiaco

Per supportare una gamma di studi, gli autori hanno estratto una serie di segni vitali di base direttamente dai segnali. Dalle forme d'onda della pressione arteriosa hanno calcolato le tipiche pressioni massima e minima; dal segnale di respirazione hanno stimato la frequenza respiratoria; e dall'elettrocardiogramma hanno derivato la frequenza cardiaca. Questi valori sono stati calcolati in brevi finestre temporali, utilizzando algoritmi open-source consolidati e regole di buona pratica per evitare letture spurie. Impacchettando queste misurazioni con ogni segmento di 30 secondi, il dataset permette ai ricercatori di testare algoritmi che predicono pressione arteriosa, frequenza cardiaca o frequenza respiratoria dal solo segnale del polso, e di esplorare come questi bersagli varino insieme.

Assicurarsi che i segnali siano affidabili

I dati ospedalieri reali possono essere disordinati: i sensori si staccano, i pazienti si muovono e i cavi si scollegano. Per evitare analisi fuorvianti, il team ha costruito una pipeline di qualità del segnale che filtra ogni segmento. Per ogni tipo di segnale hanno verificato la presenza di linee piatte, valori mancanti, frequenze cardiache o respiratorie implausibili e forme d'onda dei battiti incoerenti. I segmenti che hanno superato tutti i controlli sono stati contrassegnati come ad alta qualità; quelli con problemi minori ma ancora utilizzabili sono stati etichettati come bassa qualità; e i segmenti con problemi gravi sono stati esclusi del tutto. Gli autori hanno inoltre validato un'etichetta chiave, la fibrillazione atriale, confrontandola con annotazioni di elettrocardiogrammi revisionate da esperti in un altro studio, riscontrando un alto accordo e una specificità quasi perfetta.

Una base per i futuri algoritmi per la salute

Combinando ampia scala, etichette dettagliate dei ritmi cardiaci, segnali sincronizzati multipli e punteggi di qualità espliciti, MIMIC-III-Ext-PPG offre un banco di prova potente per la medicina guidata dai dati. I ricercatori possono usarlo per confrontare nuovi metodi di rilevamento dei battiti irregolari da sensori simili a quelli da polso, stimare la pressione arteriosa senza bracciale o costruire modelli multitask che apprendono più segni vitali contemporaneamente. Sebbene non sia pensato per guidare decisioni mediche in tempo reale da solo, questo dataset aperto getta le basi per algoritmi più affidabili e generalizzabili che potrebbero un giorno trasformare i comuni sensori del polso in sistemi di allerta precoce per problemi gravi di cuore e polmoni.

Citazione: Moulaeifard, M., Kutscher, M., Aston, P.J. et al. MIMIC-III-Ext-PPG, a PPG-based Benchmark Dataset for Cardiovascular and Respiratory Signal Analysis. Sci Data 13, 668 (2026). https://doi.org/10.1038/s41597-026-07335-8

Parole chiave: fotopletismografia, rilevamento delle aritmie, dati di terapia intensiva, stima della pressione arteriosa, sensori sanitari indossabili