Pulsera conectada a la nube para monitoreo continuo de pacientes con enfermedad de Parkinson: integrando tecnologías ponibles avanzadas y aprendizaje automático
Autores: Channa, Asma; Ruggeri, Giuseppe; Ifrim, Rares-Cristian; Mammone, Nadia; Iera, Antonio; Popescu, Nirvana
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Pulsera conectada a la nube para monitoreo continuo de pacientes con enfermedad de Parkinson: integrando tecnologías ponibles avanzadas y aprendizaje automático
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Enfermedad de Parkinson
Dispositivos portátiles de IoT
Función motora
Levodopa
Temblor
Bradicinesia
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 37
Citaciones: Sin citaciones
La enfermedad de Parkinson (EP) es una de las enfermedades neurodegenerativas humanas más implacables y dinámicas. Diversos dispositivos portátiles de IoT han surgido para detectar, diagnosticar y cuantificar la EP, utilizando predominantemente sensores inerciales y algoritmos computacionales. Sin embargo, su proliferación plantea nuevos desafíos en cuanto a seguridad, privacidad, conectividad y optimización de energía. Desde el punto de vista clínico, el monitoreo continuo de la función motora de los pacientes es imperativo para optimizar la dosis de Levodopa (L-dopa) mientras se mitigan los efectos adversos y el declive de la actividad motora. El seguimiento de las alteraciones en la función motora entre visitas es desafiante, lo que pone en riesgo decisiones clínicas erróneas. Por lo tanto, hay una necesidad apremiante de proporcionar a los profesionales médicos un ecosistema que facilite una evaluación integral de las etapas de Parkinson y el monitoreo de la progresión de la enfermedad, especialmente en lo que respecta al temblor y la bradicinesia. Este estudio se esfuerza por establecer un ecosistema holístico centrado en torno a un brazalete portátil con Wi-Fi y eficiente en energía llamado A-WEAR. A-WEAR funciona como un conducto de recopilación de datos para datos de movimiento relacionados con Parkinson, transmitiéndolos de forma segura a la nube para almacenamiento, procesamiento y estimación de la gravedad a través de algoritmos de aprendizaje personalizados. Los resultados experimentales demuestran la resistencia y eficacia de la técnica sugerida, con un 86.4% de precisión para la bradicinesia y un 90.9% de precisión para la estimación del temblor, junto con una buena sensibilidad y especificidad para cada clase de puntuación. El enfoque recomendado apoyará la determinación oportuna de la gravedad de la EP y el monitoreo continuo de la actividad del paciente. El sistema ayuda a los profesionales médicos en la toma de decisiones al evaluar inicialmente a los pacientes con EP y al revisar su progreso y los efectos de cualquier tratamiento.
Descripción
La enfermedad de Parkinson (EP) es una de las enfermedades neurodegenerativas humanas más implacables y dinámicas. Diversos dispositivos portátiles de IoT han surgido para detectar, diagnosticar y cuantificar la EP, utilizando predominantemente sensores inerciales y algoritmos computacionales. Sin embargo, su proliferación plantea nuevos desafíos en cuanto a seguridad, privacidad, conectividad y optimización de energía. Desde el punto de vista clínico, el monitoreo continuo de la función motora de los pacientes es imperativo para optimizar la dosis de Levodopa (L-dopa) mientras se mitigan los efectos adversos y el declive de la actividad motora. El seguimiento de las alteraciones en la función motora entre visitas es desafiante, lo que pone en riesgo decisiones clínicas erróneas. Por lo tanto, hay una necesidad apremiante de proporcionar a los profesionales médicos un ecosistema que facilite una evaluación integral de las etapas de Parkinson y el monitoreo de la progresión de la enfermedad, especialmente en lo que respecta al temblor y la bradicinesia. Este estudio se esfuerza por establecer un ecosistema holístico centrado en torno a un brazalete portátil con Wi-Fi y eficiente en energía llamado A-WEAR. A-WEAR funciona como un conducto de recopilación de datos para datos de movimiento relacionados con Parkinson, transmitiéndolos de forma segura a la nube para almacenamiento, procesamiento y estimación de la gravedad a través de algoritmos de aprendizaje personalizados. Los resultados experimentales demuestran la resistencia y eficacia de la técnica sugerida, con un 86.4% de precisión para la bradicinesia y un 90.9% de precisión para la estimación del temblor, junto con una buena sensibilidad y especificidad para cada clase de puntuación. El enfoque recomendado apoyará la determinación oportuna de la gravedad de la EP y el monitoreo continuo de la actividad del paciente. El sistema ayuda a los profesionales médicos en la toma de decisiones al evaluar inicialmente a los pacientes con EP y al revisar su progreso y los efectos de cualquier tratamiento.