En este artículo, presentamos Pulse-PPG, el primer modelo de código abierto basado en PPG, entrenado exclusivamente con datos PPG sin procesar, recopilados durante un estudio de campo de 100 días con 120 participantes. Los modelos existentes basados en PPG son de código abierto, pero se entrenan con datos clínicos o son propietarios, lo que limita su aplicabilidad en entornos reales. Pulse-PPG se evalúa en múltiples conjuntos de datos y subtareas, y se compara con modelos de referencia de vanguardia entrenados con datos clínicos. Nuestros resultados muestran que Pulse-PPG, entrenado con datos de campo sin procesar, presenta una excelente generalización en aplicaciones clínicas y móviles de salud, tanto en entornos de laboratorio como de campo. Esto sugiere que la exposición a la variabilidad del mundo real permite a los modelos aprender representaciones detalladas que los hacen más adaptables en diferentes tareas. Además, el preentrenamiento con datos de campo supera sorprendentemente al preentrenamiento con datos clínicos en muchas tareas, lo que destaca la importancia del entrenamiento con diversos conjuntos de datos reales. Planeamos hacer público Pulse-PPG para fomentar el desarrollo de modelos de referencia robustos que utilicen datos de campo.
