Meten van multi-site pulse transit time met een AI-gestuurde mmWave-radar

Waarom het volgen van je pols ertoe doet

Hart- en vaatproblemen sluipen vaak stilletjes in de loop van vele jaren naar voren. Artsen weten dat de “stijfheid” van je slagaders en je bloeddruk belangrijke aanwijzingen geven over het toekomstige risico op hartaanval, beroerte en andere aandoeningen. Deze studie onderzoekt een manier om die aanwijzingen te volgen zonder manchetten, draden of zelfs huidcontact, door een compacte radar en kunstmatige intelligentie te gebruiken die zeer kleine lichaamsbewegingen door elke hartslag detecteren.

Een nieuwe manier om naar het hart te luisteren

Telkens wanneer het hart samentrekt, stuurt het een drukgolf door de slagaders, vergelijkbaar met een rimpel die door een tuinslang loopt. De tijd die die golf nodig heeft om tussen twee punten te reizen, de pulse transit time genoemd, weerspiegelt hoe stijf of soepel de slagaders zijn en hangt samen met de diastolische bloeddruk, de druk wanneer het hart ontspant. Tegenwoordig wordt dit meestal gemeten met contactgevoelige sensoren of opblaasbare manchetten, die oncomfortabel kunnen zijn en lastig om langdurig te dragen. De onderzoekers wilden nagaan of een enkele kleine millimetergolf-radar deze pulsgolven op meerdere plekken van het bovenlichaam kon volgen zonder de persoon aan te raken.

Hoe de radar onzichtbare beweging ziet

Het prototype van het team, PolyPulse genaamd, staat onder een tafel onder de pols van een zittende persoon. Het zendt zeer hoge frequentie radiogolven uit die op het lichaam terugkaatsen naar het apparaat. Omdat elke hartslag de borst, nek, hoofd en pols slechts met minuscule verplaatsingen van tientallen micrometers laat bewegen, dragen de terugkerende golven een zwak maar regelmatig patroon. Met beamforming richt de radar zijn aandacht op vier specifieke regio’s: de top van het hart in de borst, het mastoïdgebied achter het oor, de halsslagader (carotis) in de nek en de radiale slagader bij de pols. Subtiele tijdsverschillen tussen wanneer de puls op deze vier locaties verschijnt, tonen hoe snel het langs drie paden reist: van hart naar pols, van hart naar nek en van hoofd naar pols.

AI leren de pols te vinden

Ruwe radarecho’s omzetten in bruikbare getallen is niet eenvoudig. Signaleringen door ademhaling, kleine bewegingen en reflecties van nabijgelegen objecten kunnen de zwakke pulssignalen gemakkelijk overstemmen, vooral bij smalle slagaders zoals de pols. Om dit aan te pakken bouwden de onderzoekers een diepe neurale netwerktopologie die zowel de amplitude als de fase van de radarsignalen uit vele nabijgelegen beams rond elke lichaamslocatie verwerkt. Eerst rangschikt een signaalverwerkingsstap de radarbeams op hoe sterk ze een herhalend hartslagpatroon tonen. Het neurale netwerk leert vervolgens sleutelkenmerken in de golfvormen te herkennen, zoals het moment dat de belangrijkste hartklep opent of de eerste stijging van de puls bij pols en nek. Door deze kenmerken hartslag voor hartslag over alle vier locaties uit te lijnen, schat het systeem pulse transit times en, na een eenvoudige persoonsgebonden kalibratie, de diastolische bloeddruk.

Het systeem op de proef stellen

Het team evalueerde PolyPulse in een studie met 47 volwassenen met uiteenlopende leeftijden, lichaamsmaten en medische voorgeschiedenissen, waaronder enkele met hoge bloeddruk, boezemfibrilleren of andere hartaandoeningen. De deelnemers zaten rechtop aan een tafel met standaard contactmetingen op borst, nek, hoofd en pols, terwijl de radar van onderaf registreerde. Om natuurlijke schommelingen in pulse transit time en bloeddruk te creëren, fietsten vrijwilligers op een hometrainer tussen rustperiodes terwijl de metingen doorgingen. Over honderden sessies volgden de radarpulse transit times nauw de contactmetingen langs alle drie paden, met typische fouten van slechts enkele milliseconden. Toen deze tijdsmetingen werden omgezet naar diastolische bloeddruk met een eenvoudige regressiemodel op persoonsniveau, voldeden de radar-schattingen aan internationale richtlijnen voor niet-invasieve bloeddrukapparaten, met gemiddelde fouten onder één millimeter kwik en bescheiden spreiding.

Robuustheid en beperkingen in alledaagse omstandigheden

Buiten basale nauwkeurigheid onderzochten de onderzoekers hoe goed het systeem zich hield onder variaties uit de echte wereld. Ze veranderden de afstand en helling van de radar, voegden kledinglagen toe, lieten een deelnemer praten, een computermuis gebruiken of friemelen, probeerden verschillende kamers en herhaalden metingen een jaar later. Fouten bleven over het algemeen binnen enkele milliseconden voor pulstiming en binnen ongeveer 5 millimeter kwik voor diastolische druk, zelfs door kleding en in verschillende binnenruimtes, hoewel sterke lichaamsbewegingen de metingen nog steeds konden verstoren. De methode presteerde ook vergelijkbaar over groepen verdeeld naar leeftijd, lengte, body mass index, geslacht en de aanwezigheid of afwezigheid van cardiovasculaire ziekte, hoewel het aantal deelnemers met gediagnosticeerde aandoeningen klein was.

Wat dit kan betekenen voor hartgezondheid

Voor leken is de hoofdboodschap dat een schoenendoosgrootte radar en slimme software kunnen volgen hoe pulsgolven zich op meerdere punten door het lichaam bewegen, zonder manchetten of plakpleisters, en informatie kunnen terugwinnen die goed overeenkomt met standaardmetingen van vaatstijfheid en diastolische bloeddruk. Hoewel dit een vroege laboratoriummeting is en nog geen apparaat voor thuisgebruik, wijst het op een toekomst waarin mensen met risico op hart- en vaatziekten subtiele veranderingen in hun cardiovasculaire gezondheid kunnen volgen door simpelweg nabij een onopvallende sensor in hun woonkamer te zitten.

Bronvermelding: Zhu, J., Yuan, K., Prabhakara, A. et al. Measuring multi-site pulse transit time with an AI-enabled mmWave radar. Nat Commun 17, 4554 (2026). https://doi.org/10.1038/s41467-026-73453-x

Trefwoorden: pulse transit time, mmWave radar, contactloze monitoring, bloeddrukschatting, cardiovasculaire gezondheid