Ocena jakości pulsu poprawia wykrywanie napadów w urządzeniach przenośnych

Epilepsia Open (ILAE)➕ 18.06.2026Epilepsia Open (ILAE)Dla: Dzieci

Pulse‐based photoplethysmography quality assessment improves wearable seizure detection performance

W skrócie

Naukowcy opracowali nową metodę oceny jakości danych pomiaru tętna z czujników światła w urządzeniach przenośnych. Badanie wykazało, że odrzucenie niskiej jakości pomiarów przed obliczeniem tętna znacznie poprawia dokładność automatycznego wykrywania napadów padaczkowych u dzieci.

Szczegóły

Urządzenia przenośne do wykrywania napadów padaczkowych wykorzystują czujniki światła (fotopletyzmo­grafia) do pomiaru tętna. Ta metoda jest wygodna, bo nie wymaga przewodów i może pracować cały dzień. Problem polega na tym, że ruchy ciała zakłócają pomiary, co prowadzi do błędnych danych o tętnie.

Badacze z projektu PROMISE pracowali z 28 dziećmi z padaczką oporną na leczenie, które nosiły urządzenie NightWatch do monitorowania napadów pojawiających się w nocy. Przeanalizowali 741 alarmów z urządzenia, spośród których 135 stanowiło prawdziwe napady, a 606 to fałszywe alarmy.

Nowa metoda, zwana oceną jakości pulsu (PQA), sprawdza każde pojedyncze uderzenie pulsu przed wykorzystaniem go do obliczenia średniego tętna. Odrzuca pomiary złej jakości spowodowane ruchami. Porównali ją z tradycyjną oceną jakości (HRQA), która odrzuca tylko skrajne wartości, i z brakiem żadnej kontroli jakości.

Wyniki były wyraźne: metoda PQA znacznie poprawiła dokładność wykrywania. Czułość wzrosła średnio o 0,248 (czyli o ponad 24 procent), a miara F1-score, która łączy czułość i precyzję, poprawiła się o 0,082. W praktycznie istotnych warunkach (gdy urządzenie ma wykryć co najmniej 80-90 procent napadów) wynik był jeszcze lepszy: miara F1 poprawiła się o 4-15 procent.

Ważne jest to, że jest to ulepszenie działające w oprogramowaniu. Nie wymaga nowego sprzętu - wystarczy zmiana sposobu, w jaki urządzenie przetwarza dane z istniejących czujników.

Najważniejsze ustalenia

  • Ocena jakości poszczególnych uderzeń pulsu (PQA) poprawia czułość wykrywania napadów o średnio 24 procent
  • Metoda PQA zmniejsza fałszywe alarmy bardziej niż tradycyjne metody oceny jakości
  • W praktycznie istotnych warunkach (90 procent czułości) wynik улучszył się o 4-15 procent w porównaniu z metodą tradycyjną
  • Ulepszenie nie wymaga nowego sprzętu, tylko zmianę algorytmu oprogramowania

Co to znaczy dla pacjenta

Badanie pokazuje, jak można ulepszyć urządzenia noszące, które pomagają w wykrywaniu napadów. Lepsze algoritmy przetwarzające dane z czujników mogą oznaczać, że urządzenie będzie częściej prawidłowo identyfikować napady i mniej często fałszywie alarmować. To pozwala rodzinom spać spokojniej i zaufać urządzeniu.

Pytania, które warto zadać lekarzowi

  • Czy urządzenie NightWatch, które obecnie noszę lub rozważam, będzie wyposażone w tę nową metodę oceny jakości?
  • Czy ta metoda może być dodana poprzez aktualizację oprogramowania do istniejących urządzeń?
  • Jak nowa metoda wpływa na liczbę fałszywych alarmów w porównaniu z obecnym urządzeniem?
  • Kiedy mogę się spodziewać, że ta technologia będzie dostępna w komercyjnych urządzeniach do monitorowania napadów?

Ograniczenia badania

Badanie obejmowało tylko 28 dzieci z padaczką oporną na leczenie, więc wyniki mogą nie dotyczyć wszystkich pacjentów. Testowano tylko jedno urządzenie (NightWatch) i tylko napady nocne.

Oryginalny abstract (angielski)

Pulse‐based photoplethysmography quality assessment improves wearable seizure detection performance. Abstract Objective Wearable photoplethysmography (PPG) is increasingly used for seizure detection due to its ability to unobtrusively estimate heart rate (HR). However, the vulnerability of PPG to body movements often leads to unreliable HR estimates, compromising accurate seizure detection. Although this limitation is well recognized, methods for rejecting artifactual HR measures—and their impact on seizure detection performance—have not yet been studied. Methods We sourced data from the PROMISE trial, a home‐based study in children with refractory epilepsy that evaluated the performance of the NightWatch (NW) in detecting nocturnal motor seizures. We applied a novel pulse‐based quality assessment (PQA) method that evaluates the quality of each individual PPG pulse and excludes compromised ones prior to HR estimation. We compared the performance of PQA with two alternatives: HR‐based quality assessment (HRQA), rejecting extreme outliers in consecutive inter‐beat intervals, and no quality assessment (noQA). We assessed the impact of PQA, HRQA, and noQA on seizure detection performance by applying HR increase thresholds from 30% to 80% relative to the baseline. A permutation test with bootstrapping was applied for all statistical comparisons. Results We analyzed 741 NW alarms, comprising 135 true seizures and 606 non‐seizure events in 28 children (46% female; age: 9.1 ± 3.3 years). Averaged across all evaluated detection thresholds, both PQA and HRQA significantly improved seizure detection performance compared to noQA (p < 0.005). PQA led to mean increases of 0.248 in sensitivity, 0.025 in positive predictive value (PPV), and 0.082 in F1‐score. HRQA showed mean increases of 0.081 in sensitivity, 0.040 in PPV, and 0.056 in F1‐score. At clinically relevant sensitivity levels (0.8, 0.85, and 0.9), PQA showed a relative improvement over HRQA, with F1‐scores increasing by 4%–15% and PPV by 5%–19%. Significance Implementing PPG quality assessment—particularly pulse‐based—improves the performance of wearable HR‐based seizure detection. Plain Language Summary This study aimed to improve seizure detection in wearable devices by introducing a new method for assessing the quality of the heart rate (HR) data derived from a light sensor called photoplethysmography (PPG). By applying our method to data from children with epilepsy, we showed that discarding low‐quality PPG data before HR estimation leads to better seizure detection, allowing more seizures to be correctly identified. This improvement is important because it enhances seizure detection performance through a software‐only upgrade.

Metadane publikacji

Journal
Epilepsia Open (ILAE)
Data publikacji
17.06.2026
DOI
10.1002/epi4.70242
Autorzy
Mohammad Shahbakhti, Anemoon T. Bosch, Xi Long, Johannes P. van Dijk, Roland D. Thijs
Źródło
Epilepsia Open (ILAE)