MIMIC-III-Ext-PPG, een PPG-gebaseerde benchmarkdataset voor cardiovasculaire en respiratoire signaalanalyse

Waarom polssensoren een levens-of-doodsverhaal kunnen vertellen

Velen van ons dragen smartwatches die stilletjes onze polsslag dag en nacht bijhouden. Op intensivecareafdelingen wordt een zeer vergelijkbaar lichtgebaseerd signaal, fotopletsmografie of PPG, continu geregistreerd bij kritisch zieke patiënten. Dit artikel introduceert MIMIC-III-Ext-PPG, de grootste en meest gedetailleerde openbare verzameling van deze polssignalen tot nu toe, ontworpen om onderzoekers te helpen nieuwe algoritmen te ontwikkelen en te testen voor het opsporen van gevaarlijke hartritmes, het schatten van bloeddruk zonder manchet en het volgen van de ademhaling.

Een gigantische bibliotheek met polssnapshots

De auteurs verzamelden meer dan 6,3 miljoen korte PPG-fragmenten van 30 seconden uit 6.189 intensivecarepatiënten wier gegevens deel uitmaken van de bekende MIMIC-III ziekenhuisdatabase. Elk fragment legt vast hoe licht dat door een vingertop gaat verandert bij elke hartslag, een eenvoudige meting die tegenwoordig beschikbaar is op alles van bedmonitoren tot consumentenwearables. Voor veel van deze fragmenten bevat de dataset ook gesynchroniseerde elektrocardiogram-, bloeddruk- en ademhalingssignalen, waardoor elk polssnapshot een rijk, multi-signaal venster op hart en longen wordt.

Van bednota’s naar gedetailleerde hartritme-labels

Wat deze dataset onderscheidt is niet alleen de omvang, maar ook de labels. In het oorspronkelijke ziekenhuissysteem registreerden verpleegkundigen en artsen regelmatig het hartritme van de patiënt in elektronische dossiers. Het team koppelde deze aantekeningen zorgvuldig aan de exacte tijden waarop de golfvormopnames liepen en harmoniseerde verschillende registratiesystemen tot een enkele, consistente set van 26 hartritmecategorieën. Deze lopen van normaal ritme en eenvoudige versnellingen of vertragingen, via verschillende atriale en ventriculaire ritmestoornissen, tot pacemaker-gedreven ritmes en volledige geleidingsblokken. Dit niveau van detail gaat ver voorbij eerdere op pols gebaseerde datasets, die meestal slechts één of twee ritmecategorieën boden.

Meer meten dan alleen de hartslag

Om een reeks studies te ondersteunen, extraheerden de auteurs een aantal basisvitale functies rechtstreeks uit de signalen. Uit de bloeddrukgolfvormen berekenden ze typische bovendruk- en onderdrukwaarden; uit het ademhalingssignaal schatten ze de ademhalingsfrequentie; en uit het elektrocardiogram leidden ze de hartfrequentie af. Deze waarden werden berekend in korte tijdvensters, met behulp van gevestigde open-source-algoritmen en best-practice regels om valse metingen te vermijden. Door deze metingen bij elk 30-seconden segment te voegen, kunnen onderzoekers algoritmen testen die bloeddruk, hartslag of ademhalingsfrequentie alleen uit het polssignaal voorspellen, en onderzoeken hoe deze doelen samen veranderen.

Zorgen dat de signalen betrouwbaar zijn

Gegevens uit de echte wereld in ziekenhuizen kunnen rommelig zijn: sensoren laten los, patiënten bewegen en kabels raken los. Om misleidende analyses te voorkomen bouwde het team een signaalkwaliteitspijplijn die elk segment screent. Voor elk signaaltype controleerden ze op vlakke lijnen, ontbrekende waarden, onwaarschijnlijke hart- of ademhalingssnelheden en inconsistente slagvormen. Segmenten die alle controles doorstonden werden als hoge kwaliteit gemarkeerd; segmenten met kleine problemen maar nog bruikbare informatie werden als lage kwaliteit aangeduid; en segmenten met ernstige problemen werden volledig uitgesloten. De auteurs valideerden ook één belangrijk label, atriumfibrilleren, door het te vergelijken met door experts beoordeelde elektrocardiogramannotaties uit een andere studie, en vonden hoge overeenstemming en bijna perfecte specificiteit.

Een basis voor toekomstige gezondheidsalgoritmen

Door enorme schaal, gedetailleerde hartritmelabels, meerdere gesynchroniseerde signalen en expliciete kwaliteitscores te combineren, biedt MIMIC-III-Ext-PPG een krachtig testplatform voor data-gedreven geneeskunde. Onderzoekers kunnen het gebruiken om nieuwe methoden te benchmarken voor het detecteren van onregelmatige hartslagen met polsachtige sensoren, het schatten van bloeddruk zonder manchet, of het bouwen van multitaskmodellen die meerdere vitale functies tegelijk leren. Hoewel het op zichzelf niet bedoeld is om realtime medische beslissingen te sturen, legt deze open dataset de basis voor betrouwbaardere en meer generaliseerbare algoritmen die op een dag alledaagse polssensoren kunnen veranderen in vroegtijdige waarschuwingssystemen voor ernstige hart- en longproblemen.

Bronvermelding: 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

Trefwoorden: fotopletsmografie, aritmie-detectie, intensivecaregegevens, bloeddrukschatting, draagbare gezondheidsensoren