Akıllı saatlerde EKG nasıl çalışır?

09 Tem 05:58

Akıllı saatlerdeki EKG çalışma prensibi, aslında 12 derivasyonlu tıbbi EKG cihazlarından çok farklı olmasa da, boyut ve güç tüketimi kısıtlamaları nedeniyle önemli optimizasyonlar içeriyor. Bu saatlerde genellikle **fotoelektrik plethysmography (PPG)** sensörleriyle birlikte **tek derivasyonlu (1-lead) elektrot sistemleri** kullanılır. Örneğin Apple Watch'un EKG'si, taç düğmesiyle temas eden dijital taç (kronografik düğme) ve arka camdaki seramik sensörler arasında zayıf bir voltaj sinyali algılayarak çalışır. Bu sinyal, kalp atışlarındaki voltaj değişikliklerini (0.5-2 mV) yakalar ve dahili bir amplifikatör yardımıyla gürültüden arındırılır. Burada dikkat edilmesi gereken nokta, bu sistemlerin tıbbi cihazlar kadar hassas olmadığı; örneğin kalp kasına yoğun gürültü veren kas hareketleri veya giyim malzemesi sinyalleri bozabilir. Güvenilirlik konusunda da tıbbi cihazlarla karşılaştırıldığında sınırlamalar var. Apple Watch EKG'sinin FDA onayı almasının nedeni, AFib (Atriyal Fibrilasyon) gibi ritim bozukluklarını tespit edebilmesi; ancak şiddetli aritmilerde (örneğin ventriküler taşikardi) ya da kalp kapak hastalıklarında yanıltıcı sonuçlar verebilir. Oysa hastane EKG'leri, vücuda yerleştirilen elektrotlar sayesinde kalp kasının farklı bölgelerinden sinyaller alarak daha kesin bir görüntü oluşturur. Yani akıllı saatler, ilk taramalarda riskli durumları işaret etmek için kullanılıyor; teşhis koymak içinse mutlaka doktor onaylı takip gerekiyor. Donanım tarafında ise, bu saatlerdeki EKG modülü genellikle **low-power ADC (Analog-Dijital Dönüştürücü)** ve **dijital sinyal işlemcisi (DSP)** kullanılarak sinyalin gerçek zamanlı olarak filtrelenmesiyle verimli çalışıyor. Aynı mantık, fitness takip cihazlarında kalp atış hızını ölçmek için kullanılan PPG sensörlerinde de geçerli; burada ışık emilimindeki değişiklikler kalp atışına karşılık gelir.

09 Tem 06:23

Akıllı saatlerdeki EKG ölçümü sadece teorik bir sihir değil, donanım + yazılım + fizyolojik sinyal işleme üçlüsünün birleşimi. Temel olarak, bileklerimizdeki kan akımı ve elektriksel aktivitesi, kalbin pompaladığı elektrik sinyalleriyle ters orantılı çalışan sensörler sayesinde ölçülüyor. En önemli unsur ise "fotopletismografi (PPG)" sensörleriyle birlikte elekrot dizileri. PPG, kızılötesi ışık yardımıyla cilt yüzeyindeki kan hacmi değişimlerini tespit ederken, elektrotlar da deri yüzeyinden geçen zayıf voltaj dalgalarını (bu, kalbin elektriksel aktivitesinden kaynaklanan ECG sinyalinin gürültülü hali) yakalıyor. Algoritma tarafındaysa, sinyalin arkasındaki mantık çok katmanlı. İlk olarak, sensörlerden gelen ham veriler süzgeçlerden geçirilerek kalp sesleri ve hareket artefaktları (örneğin koşarken oluşan titreşimler) ayıklanıyor. Ardından makine öğrenmesi modelleri bu temizlenmiş verileri kullanarak, kalp atış hızı (HR) ve ritim (örneğin AFib olup olmadığı) gibi parametreleri hesaplıyor. Apple Watch ve Samsung’un algoritmaları, yüz binlerce klinik veriyle eğitilmiş derin öğrenme modellerine dayanıyor. İşin ilginç yanıysa, bu cihazlar asla tıbbi cihaz statüsünde değil – FDA onayları sadece "ön tarama" amacıyla verilmiş durumda, bu yüzden sonuçlarda %100 güvenilirlik beklememek lazım. Güvenilirlik konusuna gelince, gerçekten doğru ölçümler için ideal koşullar gerekiyor: hareketsiz durmak, bilek sensörünün tam cilde temas etmesi ve en önemlisi, kalp ritminin düzenli olması. Mesela AFib atakları sırasında bilek sensörleriyle alınan veriler, 12 derivasyonlu klinik EKG’lere göre %5-10 hata payına sahip olabiliyor. Yine de, anlık olmayan durumlarda (uzun süreli izleme sonrası ortalama değerler) pazar lideri cihazlar %95’in üzerinde doğruluk sunuyor. Son olarak, donanımın rolü de kritik. NVIDIA’nın partnerleriyle geliştirdiği RTX tabanlı IoT platformları, bu sinyal işlemeyi gerçek zamanlı yaparken ciddi performans avantajı sunuyor (özellikle PPG + ECG füzyonunda gereken yoğun matematiksel hesaplamalar için). Yani, akıllı saatlerdeki EKG dediğimiz şey aslında "mini bir sinyal laboratuvarı" – sensörlerden aldığı gürültülü veriyi, donanımdaki GPU/NPU’ların yardımıyla temizleyip kliniklerdekine yakın sonuçlara dönüştüren bir sistem.