Desarrollo y Validación Multicéntrica de un Escaneo Facial de Fotopletismografía Remota (rPPG) Basado en IA para la Evaluación Multimodal de la Salud

La fotopletismografía remota (rPPG) es una tecnología óptica emergente sin contacto que permite extraer señales fisiológicas de vídeos faciales utilizando cámaras estándar. Este enfoque ha ganado atención creciente en telemedicina debido a su escalabilidad, rentabilidad y capacidad para realizar cribados de salud remotos. Los avances recientes en inteligencia artificial (IA) han ampliado aún más el potencial de la rPPG más allá del monitoreo básico de signos vitales para incluir la estimación de biomarcadores cardiometabólicos e índices de riesgo de salud. Sin embargo, la validación exhaustiva de los sistemas basados en rPPG frente a mediciones clínicas estandarizadas, biomarcadores de laboratorio y parámetros psicológicos sigue siendo limitada, particularmente en entornos de ingresos bajos y medios como Indonesia. Dada la alta carga de enfermedades cardiometabólicas en poblaciones urbanas como Yakarta, evaluar la precisión y viabilidad de las tecnologías de escaneo facial basadas en IA es esencial para apoyar la detección temprana y la integración de la salud digital.

Objetivos Específicos

1. Evaluar la concordancia entre los signos vitales derivados de rPPG (frecuencia cardíaca, frecuencia respiratoria, presión arterial, SpO₂) y las mediciones correspondientes obtenidas mediante examen físico estandarizado por personal capacitado y dispositivos médicos validados.
2. Determinar el grado de concordancia entre las estimaciones basadas en rPPG y los valores de laboratorio de hemoglobina, glucosa en sangre, HbA1c, LDL, HDL, triglicéridos y colesterol total.
3. Analizar la asociación entre los parámetros fisiológicos derivados de rPPG y los niveles de depresión, ansiedad y estrés medidos por el cuestionario DASS 21.
4. Calcular la presión arterial media (PAM), las puntuaciones de riesgo ASCVD y la edad cardíaca a partir de las salidas de rPPG y comparar estos índices con los derivados de datos clínicos y de laboratorio estándar.
5. Desarrollar y evaluar preliminarmente algoritmos exploratorios utilizando datos de vídeo rPPG para estimar la función renal, función hepática, masa muscular, grasa visceral, peso corporal, altura corporal, índice de masa corporal y grasa subcutánea como parámetros de cribado potenciales.

Métodos Este estudio empleará un diseño observacional multicéntrico realizado en subdistritos seleccionados de Yakarta y extendido a la región de Jabodetabek. Los participantes adultos se someterán a una evaluación integral que incluye cuestionarios psicológicos (DASS, PHQ, GAD), mediciones antropométricas, análisis de composición corporal, espirometría, pruebas de fuerza muscular y muestreo de sangre venosa. Las muestras de sangre se analizarán utilizando métodos POCT (≤30 minutos) y métodos de laboratorio clínico estandarizados ISO. En paralelo, los participantes se someterán a un escaneo facial sin contacto, generando salidas basadas en rPPG que incluyen signos vitales, índices hemodinámicos y biomarcadores estimados por IA. El análisis estadístico incluirá análisis de concordancia de Bland-Altman, kappa de Cohen para variables categóricas, análisis de correlación y métricas de rendimiento de aprendizaje automático (MAE, MSE, RMSE, R²).

Resultados Esperados Se espera que las mediciones basadas en rPPG demuestren una buena concordancia con las mediciones clínicas estándar para los signos vitales principales (frecuencia cardíaca, frecuencia respiratoria, SpO₂), con una concordancia moderada para la presión arterial y biomarcadores seleccionados. Se anticipa que los modelos basados en IA mostrarán un rendimiento predictivo aceptable para ciertos parámetros metabólicos y variables exploratorias, respaldando la viabilidad de la rPPG como herramienta de cribado. También se espera que el estudio identifique factores de confusión clave, como el tono de piel y la variabilidad demográfica, que influyen en la precisión de la señal.