Μηχανικοί του Πανεπιστημίου της Καλιφόρνια στη Σάντα Κρουζ ανέπτυξαν ένα καινοτόμο σύστημα που μετατρέπει το σήμα μιας απλής οικιακής συσκευής WiFi σε εργαλείο ακριβούς μέτρησης καρδιακού παλμού. Η μελέτη τους έδειξε ότι ένας απλός πομπός και δέκτης WiFi μπορεί να καταγράφει τον καρδιακό ρυθμό με κλινική ακρίβεια, χωρίς την ανάγκη smartwatch, αισθητήρων ή εξειδικευμένου ιατρικού εξοπλισμού.
Η τεχνολογία Pulse-Fi, όπως ονομάζεται, βασίζεται σε φθηνό εξοπλισμό που ήδη υπάρχει σε σπίτια και χώρους εργασίας. Εφαρμόζοντας αλγορίθμους μηχανικής μάθησης στα σήματα WiFi, το σύστημα ανιχνεύει τις μικρές αλλαγές που προκαλεί ένας καρδιακός παλμός, φιλτράροντας παράλληλα θορύβους από κινήσεις ή περιβαλλοντικές παρεμβολές. Οι ερευνητές δοκίμασαν το σύστημα σε 118 συμμετέχοντες και πέτυχαν αποτελέσματα σχεδόν ίδια με αυτά των παραδοσιακών καρδιολογικών οργάνων. Μετά από μόλις πέντε δευτερόλεπτα επεξεργασίας σήματος, το Pulse-Fi μέτρησε τον καρδιακό ρυθμό με σφάλμα μισού παλμού ανά λεπτό. Η παρατεταμένη παρακολούθηση βελτίωσε ακόμη περισσότερο την ακρίβειά του, ανεξαρτήτως του αν οι συμμετέχοντες κάθονταν, στεκόντουσαν, ήταν ξαπλωμένοι ή περπατούσαν.
«Τα αποτελέσματά μας δείχνουν ότι μπορεί να λειτουργήσει σε καθημερινά περιβάλλοντα, χωρίς να χρειάζεται ειδική τοποθέτηση ή ακριβό εξοπλισμό», δήλωσε ο Ναγιάν Μπάτια, διδακτορικός φοιτητής που ηγήθηκε του έργου μαζί με την καθηγήτρια πληροφορικής Κάτια Ομπράτσκα.
Η ομάδα αξιοποίησε οικονομικά τσιπ ESP32, αξίας 5–10 δολαρίων, καθώς και πλακέτες Raspberry Pi που κοστίζουν περίπου 30 δολάρια. Παρά το χαμηλό κόστος, το σύστημα αποδείχθηκε ιδιαίτερα ακριβές, ενώ οι ερευνητές επισημαίνουν ότι η χρήση εμπορικών δρομολογητών (router) θα μπορούσε να βελτιώσει περαιτέρω την απόδοσή του.
Πώς λειτουργεί το σύστημα
Το σύστημα λειτουργεί αναλύοντας τη συμπεριφορά των ραδιοσυχνοτήτων καθώς αυτές διαπερνούν τον χώρο. Όταν τα σήματα WiFi συναντούν το ανθρώπινο σώμα, απορροφώνται και διαχέονται εν μέρει. Ένας καρδιακός παλμός προκαλεί διακριτές αλλά ανιχνεύσιμες παραλλαγές σε αυτά τα σήματα. Οι αλγόριθμοι του Pulse-Fi εκπαιδεύτηκαν να αναγνωρίζουν αυτές τις παραλλαγές χρησιμοποιώντας δεδομένα αναφοράς που συλλέχθηκαν με τυπικά οξύμετρα.
Για τη δημιουργία του συνόλου δεδομένων, οι ερευνητές πραγματοποίησαν πειράματα στη βιβλιοθήκη Επιστήμης και Μηχανικής του πανεπιστημίου. Συνέκριναν τις διακυμάνσεις των σημάτων WiFi με πραγματικές μετρήσεις καρδιακού ρυθμού, διδάσκοντας στο νευρωνικό τους δίκτυο να αντιστοιχίσει τα δύο. Δοκίμασαν επίσης τη μέθοδο τους με υπάρχον σύνολο δεδομένων Βραζιλιάνων ερευνητών που χρησιμοποίησαν συσκευές Raspberry Pi, επιβεβαιώνοντας την ακρίβειά της.
Επόμενα βήματα
Η ομάδα εργάζεται ήδη για την επέκταση του συστήματος ώστε να παρακολουθεί και την αναπνοή, κάτι που θα μπορούσε να βοηθήσει στη διάγνωση παθήσεων όπως η υπνική άπνοια. Τα πρώιμα, μη δημοσιευμένα αποτελέσματα είναι ενθαρρυντικά. Επιπλέον, το Pulse-Fi κατάφερε να μετρήσει τον καρδιακό ρυθμό με υψηλή ακρίβεια ακόμη και από απόσταση τριών μέτρων, χωρίς καμία απώλεια απόδοσης, χάρη στο μοντέλο μηχανικής μάθησης.
«Διαπιστώσαμε ότι η απόσταση ουσιαστικά δεν επηρεάζει το αποτέλεσμα, κάτι που ήταν μεγάλη πρόκληση για προηγούμενες μεθόδους», δήλωσε ο μαθητής και ερευνητής στο πανεπιστήμιο Πρανέι Κοτσέτα ο οποίος συμμετείχε στη έρευνα.
Τα ευρήματα της μελέτης δημοσιεύθηκαν στα πρακτικά του IEEE International Conference on Distributed Computing in Smart Systems and the Internet of Things (DCOSS-IoT) 2025.
