Patch de sensor inteligente detecta sintomas de saúde por meio de computação de ponta

A computação de borda em um smartphone tem sido usada para analisar dados coletados por um sensor multimodal flexível e vestível e detectar arritmia, tosse e quedas.

Sensores vestíveis são dispositivos que podem ser usados ​​no corpo e medir o estado do corpo. Eles fazem parte da Internet das Coisas (IoT) e são muito promissores para monitorar a saúde. Esses sensores geram grandes quantidades de dados, e esses dados devem ser processados ​​para serem compreendidos.

O campo da computação que lida com o processamento desses dados no sensor ou em um dispositivo ao qual o sensor está conectado – e não em um servidor remoto na nuvem – é chamado de edge computing. A computação de borda é um elemento-chave na tecnologia de sensores vestíveis.

Uma equipe de pesquisa do Japão, liderada pelo professor Kuniharu Takei da Universidade de Hokkaido e pelo professor associado Kohei Nakajima da Universidade de Tóquio, fabricou um sensor multimodal flexível e vestível e desenvolveu um software de computação de ponta que é capaz de detectar arritmia, tosse e quedas em voluntários. .

O sensor, que usa um smartphone como dispositivo de computação de ponta, foi descrito em artigo publicado na revista Dispositivo.

“Nosso objetivo neste estudo foi projetar um sensor multimodal que pudesse processar e interpretar dados usando computação de ponta e detectar estágios iniciais de doenças durante a vida diária”, explica Takei.

A equipe fabricou sensores que monitoram a atividade cardíaca por meio de eletrocardiograma (ECG), respiração, temperatura da pele e umidade causada pela transpiração. Depois de confirmar sua adequação para uso a longo prazo, os sensores foram integrados em um filme flexível (adesivo de sensor) que adere à pele humana. O patch do sensor também incluía um módulo Bluetooth para conectar a um smartphone.

A equipe testou pela primeira vez a capacidade do sensor de detectar alterações fisiológicas em três voluntários, que o usaram no peito. O adesivo do sensor foi usado para monitorar sinais vitais nos voluntários sob temperaturas de bulbo úmido (usadas para determinar a probabilidade de estresse térmico) de 22°C e acima de 29°C.

“Embora nosso grupo de teste fosse pequeno, pudemos observar a mudança de seus sinais vitais durante o monitoramento de séries temporais em altas temperaturas. Essa observação pode eventualmente levar à identificação de sintomas de estresse térmico em estágio inicial”, explica Takei.

A equipe desenvolveu um programa de aprendizado de máquina para processar os dados registrados e detectar outros sintomas como arritmia cardíaca, tosse e quedas. “Além de realizar a análise em um computador”, diz Nakajima, “também projetamos um aplicativo de computação de ponta para smartphones que poderia realizar a mesma análise. Alcançamos uma precisão de previsão superior a 80%”.

“O avanço significativo deste estudo é a integração de sensores flexíveis multimodais, análises de dados de aprendizado de máquina em tempo real e monitoramento vital remoto usando um smartphone”, conclui Takei.

“Uma desvantagem do nosso sistema é que o treinamento não poderia ser realizado no smartphone, mas sim no computador; porém, isso pode ser resolvido simplificando o processamento de dados”. Este estudo avança o conceito de um sistema de computação de ponta baseado em patches para telemedicina ou telediagnóstico.