Presentamos un método novedoso para la estimación en tiempo real y sin contacto de la frecuencia respiratoria mediante señales PPG multiespectral adquiridas con cámara multiespectral. La propuesta descompone las señales PPG en componentes fisiológicas separadas, pulsátil y respiratoria, aprovechando las diferencias en los patrones de absorción espectral entre hemoglobina oxigenada y desoxigenada, y combina esta descomposición con un filtro de Kalman para extraer la frecuencia respiratoria con alta robustez frente a artefactos por movimiento.

Fundamento teórico: la generación de la señal PPG se basa en la ley de Beer-Lambert, que describe la atenuación de la luz al pasar por un medio. Diferentes longitudes de onda son absorbidas de forma distinta por HbO2 y Hb, lo que produce variaciones espectrales en la señal reflejada. Modelamos la señal multiespectral S(lambda,t) como la suma de una componente pulsátil P(t) y una respiratoria R(t) ponderadas por coeficientes dependientes de la longitud de onda, más ruido N(t). La selección de canales Rojo 660 nm, Verde 530 nm e Infrarrojo 850 nm maximiza la separación entre componentes y facilita la estimación de los coeficientes espectrales mediante regresión lineal.

Metodología MS-PPG-K: el algoritmo consta de tres etapas principales: adquisición y preprocesado, descomposición espectral y filtrado de Kalman. En la primera etapa se captura la señal PPG en las tres bandas y se aplica un filtrado pasa banda 0,5-4 Hz para eliminar deriva de baja frecuencia y ruido de alta frecuencia. En la segunda etapa se estiman los coeficientes A(lambda) y B(lambda) por regresión lineal usando un periodo de referencia y se mantiene una línea base por segmento para mejorar la estabilidad del estimador; con esos coeficientes se reconstruyen P(t) y R(t) combinando las tres señales canal por canal. En la tercera etapa la señal respiratoria R(t) se introduce en un filtro de Kalman que modela la dinámica de la frecuencia respiratoria como lenta en intervalos cortos y fusiona la información temporal para reducir ruido residual y mitigar artefactos por movimiento.

Filtro de Kalman: empleamos un esquema recursivo donde el estado representa la frecuencia respiratoria y la observación es la amplitud de la señal respiratoria extraída por descomposición espectral. Se asume una matriz de transición cercana a la unidad para reflejar la constancia de la RR en ventanas cortas y una matriz de observación identidad. Las covarianzas de proceso y de medida se inicializan en valores pequeños y se adaptan para balancear confianza entre modelo y medición, logrando estabilidad incluso ante perturbaciones simuladas.

Validación experimental: evaluamos MS-PPG-K con 10 participantes respirando entre 8 y 24 respiraciones por minuto, con la cámara colocada en la muñeca. Para reproducir condiciones reales introdujimos artefactos de movimiento simulados a partir de datos de acelerómetro y tomamos como referencia la RR medida con banda torácica. Métricas: error absoluto medio MAE 1,3 bpm, RMSE 1,7 bpm y porcentaje de estimaciones dentro de +/-2 bpm del valor real 98,7. La inclusión del filtro de Kalman resultó clave para mantener precisión bajo movimiento.

Ventajas y aplicaciones: este enfoque no invasivo y en tiempo real permite monitorización continua en entornos clínicos y domésticos, integración en dispositivos wearables y uso en telemonitorización. La combinación de descomposición multiespectral y filtrado adaptativo supera limitaciones de análisis puramente en frecuencia y mejora la resiliencia frente a ruido y multipath.

Limitaciones y trabajo futuro: se identifican retos relacionados con variabilidad de pigmentación cutánea y calibración inicial de coeficientes espectrales; por ello proponemos desarrollar algoritmos adaptativos que aprendan A(lambda) y B(lambda) durante el uso y ampliar validación en cohortes diversas. Además se explorará optimización de consumo y despliegue embebido para dispositivos con recursos limitados.

Sobre Q2BSTUDIO: en Q2BSTUDIO somos especialistas en desarrollo de software y aplicaciones a medida, inteligencia artificial aplicada a empresas, ciberseguridad y servicios cloud. Ofrecemos soluciones completas que van desde la concepción de producto hasta la entrega e integración con infraestructuras en la nube. Si su objetivo es incorporar capacidades de IA en producto o servicio, descubra nuestros servicios de inteligencia artificial y cómo diseñamos agentes IA y soluciones de ia para empresas. Para proyectos de integración y desarrollo de plataformas a medida, trabajamos en software a medida y aplicaciones multiplataforma con experiencia en despliegue y mantenimiento, consulte nuestras soluciones de aplicaciones a medida.

Palabras clave y posicionamiento: aplicaciones a medida, software a medida, inteligencia artificial, ciberseguridad, servicios cloud aws y azure, servicios inteligencia de negocio, ia para empresas, agentes IA y power bi. En Q2BSTUDIO podemos acompañar la integración de algoritmos médicos como MS-PPG-K en soluciones de monitorización remota, con la garantía de cumplimiento técnico y seguridad aplicada.

Conclusión: la descomposición multiespectral combinada con filtrado de Kalman ofrece una vía prometedora para estimar la frecuencia respiratoria con alta precisión y robustez en condiciones reales. Este avance facilita la creación de wearables y plataformas de telemedicina más fiables, y Q2BSTUDIO está preparada para transformar prototipos de investigación en productos comerciales seguros y escalables.