Monitor Electrocardiograma en Tiempo Real (ECG) Módulo AD8232 Sparkfun & Procesamiento DSP en Python

En el ámbito del registro electrofisiológico, la adquisición de biopotenciales cardíacos enfrenta desafíos críticos de relación señal-ruido (SNR). Tal como se define en la teoría electromagnética, el ruido eléctrico comprende todas aquellas señales de interferencia, de origen eléctrico o inductivo, no deseadas que se acoplan a la señal útil alterando su morfología y produciendo distorsiones que invalidan la lectura clínica.

En un instrumento de alta sensibilidad como el electrocardiógrafo, convergen múltiples fuentes ambientales parásitas: luminarias de descarga o LED, conductores energizados e incluso regletas multienchufe cercanas, las cuales irradian campos electromagnéticos que inducen zumbidos de gran amplitud aun cuando los dispositivos conectados permanezcan apagados.

Si bien los electrocardiógrafos y osciloscopios clínicos comerciales disponen de interfaces para enlace con PC, sus licencias de software propietario suponen un costo recurrente prohibitivo. El objetivo de este desarrollo fue superar dicha barrera económica, concibiendo un sistema de telemetría de código abierto, accesible y de alta confiabilidad metrológica para cualquier profesional, laboratorio o universidad.

Los primeros ensayos realizados con el hardware estándar arrojaron resultados insatisfactorios. La señal registrada consistía exclusivamente en ruido estocástico de alta amplitud sin ninguna morfología cardíaca distinguible:

🔍 Zoom

Fig. 1: Primer Registro Electrocardiográfico Obtenido Traza dominada por ruido parásito sin modulación biopotencial reconocible; ausencia total de despolarización ventricular.

🔍 Zoom

Fig. 2: Complejo Electrocardiográfico Estándar Teórico Morfología fisiológica de referencia exhibiendo las ondas características P, Q, R, S, T y U requeridas para el diagnóstico clínico.

Ante la ausencia de componentes fisiológicos, se procedió a implementar estrictamente las recomendaciones de la Guía de Conexión del sensor AD8232 de SparkFun ↗ y su visualizador en Processing:

🔍 Zoom

Fig. 3: Módulo Front-End Analógico SparkFun AD8232 Circuito integrado de acondicionamiento de señales cardíacas con filtrado analógico paso banda integrado.

🔍 Zoom

Fig. 4: Registro Esperado Teórico en Processing Gráfica teórica ilustrada en la documentación oficial del fabricante bajo condiciones ideales de aislamiento.

🔍 Zoom

Fig. 5: Registro Real Obtenido con el Código del Manual Mejor resultado alcanzado mediante el firmware estándar: traza saturada de ruido de alta frecuencia inaceptable para investigación cardiológica.

Para depurar la señal, se diseñó un protocolo de aislamiento factorial para identificar el aporte individual de cada componente del entorno experimental. En primer término, se evaluó un escenario base de aislamiento electromagnético: estación portátil alimentada exclusivamente con batería interna, desconectada de la red eléctrica y apartada de equipos activos:

🔍 Zoom

Fig. 6: Registro de Referencia en Condiciones de Aislamiento por Batería Línea base y complejos QRS claramente diferenciados al operar la computadora con alimentación interna y sin cargas electrónicas próximas.

No obstante, las condiciones clínicas reales de un protocolo de paro cardíaco demandan equipamiento auxiliar concurrente: iluminación focalizada mediante lámparas halógenas, camilla térmica para vasodilatación periférica en el sujeto, ventilador mecánico y telefonía celular. Se sometió el sistema a pruebas secuenciales agregando fuentes de interferencia una a una:

🔍 Zoom

Fig. 7: Acoplamiento Capacitivo del Conector de Carga Cargador insertado en el conector de la PC pero desconectado del tomacorriente de pared; inducción de ruido capacitivo en la línea de tierra.

🔍 Zoom

Fig. 8: Interferencia por Cable de Red Ethernet Conexión de interfaz cableada de red; se aprecian armónicos de conmutación de alta frecuencia acoplados a la estación.

🔍 Zoom

Fig. 9: Radiación de Transformador Energizado en el Suelo Cargador conectado a la red eléctrica pero sin conexión a la PC; radiación electromagnética ambiental de 50/60 Hz.

🔍 Zoom

Fig. 10: Deriva Dinámica de Línea Base por Inducción Proximal Aproximación del transformador a los electrodos y la placa; la señal adquiere una oscilación sinusoidal de gran amplitud.

Finalmente, al conectar la estación a la red eléctrica y operar con todos los equipos auxiliares en funcionamiento simultáneo (iluminación, ventilación forzada y telefonía celular cargando), la señal biopotencial resultó totalmente enmascarada:

🔍 Zoom

Fig. 11: Saturación Destructiva Acumulativa Señal colapsada bajo la suma de todas las fuentes de ruido del laboratorio activo; pérdida total de trazabilidad electrofisiológica.

Los electrodos adhesivos de gel húmedo desechables (Ag/AgCl) suministrados comúnmente con los kits de desarrollo presentan severas desventajas prácticas: son de uso único, sufren desecación rápida que degrada la impedancia de contacto, dejan residuos en la piel y exigen la exposición precordial del torso del sujeto, lo cual resulta invasivo y poco ágil en entornos experimentales dinámicos:

🔍 Zoom

Fig. 12: Electrodos Desechables de Gel Húmedo (Ag/AgCl) Parches autoadhesivos con pérdida progresiva de electrolito y desprendimiento por sudoración o movimiento.

🔍 Zoom

Fig. 13: Posicionamiento Precordial Torácico Clásico Esquema convencional en el torso humano, invasivo y de colocación lenta durante pruebas de laboratorio reiteradas.

Bajo el asesoramiento del cardiólogo colaborador, se aplicaron los principios biofísicos de la Ley y Triángulo de Einthoven: el registro de derivaciones bipolares periféricas (Derivaciones I, II y III) no exige estrictamente una fijación sobre el torso, siempre que los electrodos mantengan una geometría triangular equidistante respecto al vector cardíaco central. En consecuencia, se validó la toma de derivaciones en las falanges distales de los dedos:

🔍 Zoom

Fig. 14: Captura en Falanges Distales según Einthoven Derivación bipolar periférica obtenida mediante contacto en los dedos índice y medio de ambas manos.

🔍 Zoom

Fig. 15: Configuración Dactilar Ergonómica Disposición alternativa rápida que facilita la toma de muestras seriadas sin retirar prendas de vestir.

Esta configuración confiere versatilidad diagnóstica al investigador, permitiendo invertir rápidamente las derivaciones para registrar morfologías de onda invertidas o explorar signos patológicos particulares. Asimismo, se comprobó experimentalmente que el electrodo de referencia a tierra (GND / Pierna Derecha - RL) puede posicionarse con total estabilidad en el lóbulo de la oreja:

🔍 Zoom

Fig. 16: Intercambio Rápido de Derivaciones Bipolares Inversión controlada de electrodos exploradores para análisis vectorial cardiológico directo.

🔍 Zoom

Fig. 17: Electrodo de Referencia (GND) en Lóbulo Auricular Punto equipotencial idóneo y de nula interferencia electromiográfica para la referencia del amplificador de instrumentación.

Para materializar esta solución de forma permanente y reusable, se diseñaron y modelaron en 3D pinzas anatómicas de presión constante equipadas con láminas de cobre electrolítico de alta pureza como contacto seco:

🔍 Zoom

Fig. 18A: Pinza de Bruselas Impresa en 3D (Thingiverse #25587) Geometría de pinza de resorte mecánico continuo, adaptada para sujeción ergonómica en falanges distales o extremidades de roedores.

🔍 Zoom

Fig. 18B: Electrodos Secos de Contacto en Lámina de Cobre Montaje de banda conductora de cobre electrolítico de alta pureza con terminales soldados directamente a las mordazas de la pinza.

🔍 Zoom

Fig. 18C: Ensamble Par de Electrodos Secos Terminados Electrodos secos ergonómicos, lavables, libres de adhesivos e instantáneamente reutilizables.

La frecuencia fundamental del ruido de red comercial es de 50 Hz en Argentina y Europa, y de 60 Hz en Costa Rica y Norteamérica. En la literatura de ingeniería biomédica se describen diversas topologías de filtrado: pasa-bajos, FIR, filtros Butterworth de orden superior y promediado móvil. Inicialmente se exploró la implementación de filtros analógicos activos en hardware (etapas RC y operacionales adicionales):

🔍 Zoom

Fig. 19: Topologías de Filtrado Analógico en Hardware Ensayadas Circuitos de filtros activos analógicos evaluados; atenuaban la amplitud útil del biopotencial y carecían de adaptabilidad ante fuentes dinámicas.

🔍 Zoom

Fig. 20: Ensayos de Filtrado Digital en MatLab / Simulink Implementación digital en MatLab; si bien limpiaba la traza, generaba un retardo de ~5 segundos incompatible con la monitorización de paro cardíaco en tiempo real.

El avance determinante del proyecto consistió en comprender que los algoritmos de adquisición de audio de baja latencia a través de la tarjeta de sonido de la computadora eran óptimos para digitalizar la bioseñal cardíaca. Tanto una señal acústica analógica como la salida del sensor AD8232 son variaciones continuas de voltaje; la tarjeta de sonido del ordenador integra convertidores ADC de alta velocidad (44.1 kHz / 48 kHz), preamplificadores de bajo ruido y aislamiento natural del ruido del bus serie USB.

Se estructuró una aplicación en Python empleando las librerías PyAudio para el streaming de datos a baja latencia (<50 ms), PyQt5 para la arquitectura de la interfaz gráfica y pyqtgraph para el renderizado acelerado de la traza, integrando algoritmos de filtrado digital adaptativo con frecuencia de corte sintonizable en tiempo real:

🔍 Zoom

Fig. 21: Interfaz del Software en Python con Filtrado Adaptativo a 35 Hz Traza electrocardiográfica limpia en tiempo real operando bajo la influencia de todas las fuentes de interferencia activas concurrentemente.

🔍 Zoom

Fig. 22: Visualización Clínica Estándar en Alta Definición Cuadrícula médica estandarizada calibrada a 40 ms por división (0.04 s) con ventana temporal de barrido de 5 segundos solicitada por el cardiólogo.

Un hallazgo biofísico fundamental del proyecto fue comprobar que la frecuencia de ruido dominante a mitigar no se ubicaba en los 50 Hz teóricos de la red eléctrica, sino en 35 Hz. Este fenómeno responde a las leyes de la física ondulatoria descritas en el experimento de la doble ranura de Thomas Young ↗:

🔍 Zoom

Fig. 23: Interferencia Constructiva y Destructiva de Ondas (Efecto Young) Al coincidir múltiples frentes de onda electromagnéticos en el ambiente, se producen cancelaciones y sumatorias de fase que desplazan la frecuencia dominante de interferencia a 35 Hz.

🔍 Zoom

Fig. 24: Rutina de Autoescala Dinámica y Calidad Superior a Osciloscopio Ajuste automático de ganancia de voltaje apto para biopotenciales humanos (~1 mV) y electrofisiología en modelos murinos (ratas de laboratorio).

Dado que en cada espacio físico las fuentes electromagnéticas varían, el software en Python incorpora un control dinámico que permite al usuario ajustar con precisión los Hz de filtrado según su entorno particular. Asimismo, la autoescala de voltaje normaliza de forma inteligente las lecturas, permitiendo su uso directo en investigaciones con pequeños roedores de laboratorio cuyos biopotenciales presentan amplitudes de microvoltios.

A continuación se detalla el esquema de conexión maestro del sistema. El puerto analógico A0 del Arduino no se emplea para transmitir lecturas a la PC por USB; la bioseñal se toma directamente del pin OUTPUT del sensor AD8232 y se deriva a la entrada de micrófono (jack TRS 3.5 mm):

🔍 Zoom

Fig. 25: Diagrama Esquemático de Interconexión General Conexión de pines del AD8232 al Arduino Nano, derivación analógica al jack TRS 3.5 mm de micrófono y alimentación por batería DC.

Para garantizar que el sistema operativo reconozca el conector de 3.5 mm como canal de entrada analógica de alta fidelidad, se accede al panel de configuración de sonido: clic derecho sobre el icono de audio de la barra de tareas de Windows → Sonidos → pestaña Grabación:

🔍 Zoom

Fig. 26: Panel de Dispositivos de Grabación (Estado Inicial) Identificación del dispositivo de audio predeterminado previo a la inserción del conector analógico.

🔍 Zoom

Fig. 27: Conmutación Inmediata al Canal de Micrófono Externo Conexión del jack TRS con el Arduino apagado; el sistema conmuta automáticamente al micrófono de entrada externa.

El microcontrolador Arduino ejecuta un firmware básico de estabilización de niveles de entrada. Si bien la bioseñal primaria viaja por el jack analógico, este código permite mantener los potenciales de referencia estables y permite alternar con el Serial Plotter si se desea realizar mediciones de validación cruzada:

🔍 Zoom

Fig. 28: Firmware de Arduino para Referencia y Diagnóstico Código embebido para gestión de entradas digitales 10 y 11 y estabilización de potenciales del AD8232.

🔍 Zoom

Fig. 29: Corrección de Polaridad y Código de Color Inversión de los cables rojo y negro en el conector del AD8232 para estandarizar el cable negro como común/tierra (GND).

Con el hardware conectado y el conector de audio reconocido, se procede a ejecutar el software en Python compilado (~200 MB con todas las librerías científicas empaquetadas; la descompresión inicial toma aproximadamente 40 segundos). El sujeto debe mantenerse relajado e inmóvil para prevenir artefactos electromiográficos (EMG) generados por temblores musculares. En residencias sin conexión a tierra física, se recomienda operar la computadora con la batería interna:

Para alcanzar la máxima inmunidad electromagnética en laboratorios con abundante radiación parásita, se integraron cuatro niveles de blindaje físico:

🔍 Zoom

Fig. 31: Cable Coaxial Apantallado para la Línea de Audio Malla metálica trenzada que drena a masa los campos inducidos a lo largo del trayecto del cable.

🔍 Zoom

Fig. 32: Construcción de Jaula de Faraday Recinto de malla metálica conductora para atenuar ondas de radiofrecuencia (RF), wifi y telefonía celular.

🔍 Zoom

Fig. 33: Alojamiento Integral en Jaula de Faraday Circuito resguardado en el interior de la jaula. Ver fundamentos de la Jaula de Faraday ↗.

🔍 Zoom

Fig. 34: Barrera Reflectiva Secundaria en Lámina de Aluminio Envoltorio dieléctricamente aislado en lámina de aluminio para atenuar radiaciones electromagnéticas residuales.

🔍 Zoom

Fig. 35: Gabinete de Aislamiento y Carcasa Protectora en 3D Encerramiento mecánico final impreso en 3D para robustez física y protección de los puntos de soldadura.

🔍 Zoom

Fig. 35B: Diseño CAD de Carcasa en Autodesk Inventor Modelado paramétrico 3D de las cavidades para el Arduino Nano, conector TRS y módulo AD8232.

🔍 Zoom

Fig. 35C: Vista Isométrica Superior (Inventor) Distribución de fijaciones mecánicas y tolerancias dimensionales para impresión 3D FDM.

🔍 Zoom

Fig. 35D: Sistema de Encastre y Cierre Hermético Tapa protectora con guías de presión para evitar movimientos internos de la circuitería.

Para conferir máxima confiabilidad mecánica al instrumento y eliminar cables sueltos en protoboard, se diseñó un circuito impreso (PCB de simple faz en baquelita) optimizado para el Arduino Nano y el módulo AD8232:

🔍 Zoom

Fig. 36: Diseño de Pistas (Layout PCB) para Impresión en Baquelita Plantilla de pistas a escala 1:1 lista para transferencia térmica (método del tóner) o grabado químico.

🔍 Zoom

Fig. 37: Ensamble y Soldadura en Placa de Baquelita Integración compacta del microcontrolador Arduino Nano y el sensor AD8232 soldados sobre el PCB.

🔍 Zoom

Fig. 38: Módulo Electrocardiográfico Terminado y Operativo Hardware final consolidado, listo para conexión al puerto analógico de audio y ensayos clínicos.

ESPECIFICACIONES TÉCNICAS CONSOLIDADAS

Front-End Analógico (AFE)	Analog Devices AD8232 (SparkFun Heart Rate Monitor) con filtros activos pasa-altos de 2 polos y pasa-bajos de 3 polos
Controlador de Referencia	Arduino Nano (ATmega328P) para niveles lógicos de referencia, estabilización de línea base y detección de electrodos desconectados
Canal de Adquisición de Señal	Interfaz analógica de audio TRS 3.5 mm (ADC de entrada de línea / micrófono) con alta tasa de muestreo y bajo piso de ruido
Aislamiento Eléctrico	Banco autónomo de baterías DC (aislamiento galvánico total de la red eléctrica y de bucles de masa USB)
Electrodos de Biopotencial	Pinzas anatómicas 3D reutilizables con láminas de cobre de alta conductividad (derivaciones periféricas I, II y III de Einthoven)
Pipeline DSP y Filtrado	Motor en Python en tiempo real, filtro notch adaptativo dinámico (35 Hz - 60 Hz) y etapa pasa-bajos Butterworth (<50 ms de latencia)
Estándar de Visualización	Monocromo de alto contraste, ventana de barrido de 5.0 s, cuadrícula calibrada a 40 ms (0.04 s) y captura instantánea HD para investigación
Compatibilidad Multiespecie	Autoescala dinámica de voltaje: calibrado para ECG humano (~1 mV) y electrofisiología murina en microvoltios (ratas de laboratorio)
Estructura de Blindaje	Cable de audio coaxial blindado, Jaula de Faraday de malla metálica conectada a masa y barrera secundaria reflectora de RF
Licencia de Software	Código y diseño abierto bajo Licencia Pública General de GNU (GPL)

Una de las metas primordiales formuladas en la Universidad Nacional de Cuyo fue corroborar la viabilidad del monitor ECG en investigación preclínica con animales de laboratorio pequeños (ratas). Debido a la taquicardia fisiológica de los roedores (frecuencias cardíacas basales de 300 a 500 latidos por minuto) y a que el miocardio murino produce biopotenciales sustancialmente menores que los humanos (~0.1 a 0.3 mV frente a ~1.0 mV en humanos), el software en Python se configuró específicamente con una frecuencia de corte adaptativa a 150 Hz.

🔍 Zoom

Fig. 39: Posicionamiento de Derivaciones en Roedor de Laboratorio Fijación de las pinzas adaptadas en las extremidades de la rata bajo protocolo anestésico en la mesa quirúrgica.

🔍 Zoom

Fig. 40: Registro Electrocardiográfico en Rata (Filtro Adaptativo a 150 Hz) Línea base estabilizada y respuesta de alta frecuencia capturando los complejos ventriculares rápidos del roedor.

🔍 Zoom

Fig. 41: Análisis Morfométrico con Zoom en Registro Murino Detección periódica nítida de cada latido en tiempo real, confirmando el ritmo sinusal y frecuencia instantánea.

🔍 Zoom

Fig. 42: Prueba Extrema con Todas las Fuentes de Ruido Quirúrgico Operación bajo la confluencia de máquina respiradora, lámparas quirúrgicas, manta térmica y telefonía móvil.

Adicionalmente, se contrastó el desempeño de este desarrollo frente a diversas iniciativas de monitores construidos con osciloscopios convencionales reportados en la literatura:

🔍 Zoom

Fig. 43: Evaluación Comparativa Frente a Señales en Osciloscopios Comparación contra registros de osciloscopio convencionales (LoboBlancox, Maldonado, Fernández); la combinación de hardware aislado y DSP en Python logra una señal superior al 95% libre de ruido parásito.

A continuación se listan las 20 referencias bibliográficas, manuales de fabricantes, artículos científicos y repositorios de código abierto consultados a lo largo de esta investigación: