Quarto Resumo

11
Primeiro Artigo de Iniciação Científica 2014 Aluno responsável: Diego Vieira Pereira Aluno Revisor: Lua Clara 15/04/2014 Artigo: Prognóstico - Um Sistema de Monitoramento de Saúde Wearable para pessoas em risco - Metodologia e Modelagem Resumo - Sistemas de monitoramento de saúde Wearable (WHMSs) representam a nova geração de cuidados de saúde, fornecendo monitoramento em tempo real de parâmetros fisiológicos discretos do paciente através da implantação de vários biossensores sobre o corpo e mesmo intra corpóreo. Apesar de várias questões tecnológicas relativas WHMS ainda precisarem ser resolvidas, a fim de tornar-se mais aplicável em situações da vida real, espera-se que a monitorização ambulatorial contínua dos sinais vitais permita um gerenciamento proativo de saúde pessoal e melhor um tratamento de pacientes que sofrem de doenças crônicas, da população idosa, e de situações de emergência. Neste artigo, apresentamos um modelo de fusão de dados fisiológicos para multi sensores WHMSs chamados prognóstico. A metodologia proposta é baseada em uma linguagem regular fuzzy para a geração dos prognósticos das condições de saúde do paciente, por meio do estado atual da máquina de estado finita fuzzy correspondente significativamente com o estado de saúde atual estimado e o contexto do paciente. O funcionamento do esquema proposto é explicado através de exemplos detalhados em cenários hipotéticos. Finalmente, um modelo de rede de Petri estocástica da interação homem-dispositivo é apresentado, o que ilustra como o feedback do estado de saúde adicional pode ser obtida a partir de usuário dos WHMS. Introdução É um fato que a população mundial está crescendo e envelhendo [1], [2]. Como consequência desta mudança demográfica, houve também um aumento correspondente em doenças crônicas relacionada a idade, como insuficiência cardíaca congestiva, demência, apnéia do sono, câncer, diabetes e doença

description

sistemas de monitoramento

Transcript of Quarto Resumo

Page 1: Quarto Resumo

Primeiro Artigo de Iniciação Científica 2014Aluno responsável: Diego Vieira Pereira Aluno Revisor: Lua Clara15/04/2014

Artigo: Prognóstico - Um Sistema de Monitoramento de Saúde Wearable para pessoas em risco - Metodologia e Modelagem

Resumo - Sistemas de monitoramento de saúde Wearable (WHMSs) representam a nova geração de cuidados de saúde, fornecendo monitoramento em tempo real de parâmetros fisiológicos discretos do paciente através da implantação de vários biossensores sobre o corpo e mesmo intra corpóreo. Apesar de várias questões tecnológicas relativas WHMS ainda precisarem ser resolvidas, a fim de tornar-se mais aplicável em situações da vida real, espera-se que a monitorização ambulatorial contínua dos sinais vitais permita um gerenciamento proativo de saúde pessoal e melhor um tratamento de pacientes que sofrem de doenças crônicas, da população idosa, e de situações de emergência. Neste artigo, apresentamos um modelo de fusão de dados fisiológicos para multi sensores WHMSs chamados prognóstico. A metodologia proposta é baseada em uma linguagem regular fuzzy para a geração dos prognósticos das condições de saúde do paciente, por meio do estado atual da máquina de estado finita fuzzy correspondente significativamente com o estado de saúde atual estimado e o contexto do paciente. O funcionamento do esquema proposto é explicado através de exemplos detalhados em cenários hipotéticos. Finalmente, um modelo de rede de Petri estocástica da interação homem-dispositivo é apresentado, o que ilustra como o feedback do estado de saúde adicional pode ser obtida a partir de usuário dos WHMS.

Introdução

É um fato que a população mundial está crescendo e envelhendo [1], [2]. Como consequência desta mudança demográfica, houve também um aumento correspondente em doenças crônicas relacionada a idade, como insuficiência cardíaca congestiva, demência, apnéia do sono, câncer, diabetes e doença pulmonar obstrutiva crônica [1], [3], [4 ]. Além disso, o número total de pessoas que sofrem de algum tipo de deficiência (seja, ou lesão relacionada, ou mais comumente relacionada a doenças crônicas ao longo da vida) vai continuar a subir [5]. Além disso, aproximadamente 33% de pessoas com idade superior a 65 anos e 50% de pessoas com idade superior a 85 experimentam uma queda cada ano [6], [7]. Para esta população, os custos de saúde estão aumentando [8], a qualidade de vida e a produtividade são reclináveis e, em muitos casos, os membros da família servem como assistentes em cuidados primários. Estas questões, juntamente com os desafios de gerenciar de forma eficaz o tratamento de pacientes no pós-operatório de reabilitação, de pessoas com deficiência e pessoas com habilidades especiais, destaca se a necessidade de novas e inovadoras formas de fornecer cuidados de saúde aos pacientes. Em resposta a isso, as tecnologias de informação e comunicação devem fornecer os meios para realização personalizada, de baixo custo e soluções de cuidados em saúde centrados no cidadão para

Page 2: Quarto Resumo

enfrentar os desafios anteriormente declarados [ 9] . Os recentes avanços em sensores de comunicação, sensor de miniaturização, e microeletrônica permitiram os profissionais de saúde monitorar e gerenciar doenças crônicas e detectar condições potencialmente urgentes ou emergentes [10]. Monitoramento da saúde no ambiente doméstico pode ser realizado por uma ou ambas das seguintes formas [11] : 1) monitores ambulatoriais que utilizam sensores e dispositivos portáteis para gravar sinais fisiológicos e 2 ) sensores embutidos no ambiente doméstico e mobiliário para coletar discretamente dados comportamentais e fisiológicos. Aceitação e impacto psicológico positivo da tecnologia de monitoramento foram confirmados em estudos que incluíram pessoas com demência, bem como outras condições crônicas [12].

Movendo-se um passo adiante, a detecção precoce e diagnóstico de alterações críticas de saúde poderiam permitir a prevenção da maioria desses problemas, economizando bilhões de dólares por ano [13 ], [ 14]. A detecção precoce , no entanto, requer uma vigilância contínua. Devido à natureza de suas condições ou a falta de formação e experiência, muitos entre essa população são inclinados ou incapazes de detectar e relatar as observações críticas que poderiam fazer a diferença. Abordagens iniciais para resolver estas questões eram para os profissionais de saúde monitorar pacientes diretamente ou através de dispositivos fisiológicos relativamente grosseiros e volumosos. Obviamente, os dispositivos de tal tamanho e custo, que incluem também vários fios e requerem que o paciente a seja imobilizado, a fim de adquirir as medições confiáveis, são inadequados quando ubíqua, discretas, de longo prazo, e monitoramento de saúde de baixo custo são desejadas. No entanto, a nova geração de dispositivos de baixo custo e discretos, wearable / implantados [15] poderiam potencialmente levar a detecção precoce e automática de alterações críticas em condição de saúde do paciente. Neste contexto, tais dispositivos não devem ser apenas aparelhos simples de coleta de dados, nem devem apenas relatar variações de normas da população da amostra. Em vez disso, eles devem ser capazes de aprender as linhas de base de usuários individuais e também empregam avançados algoritmos de processamento de informação e diagnósticos, a fim de descobrir os problemas de forma autônoma e detectar tendências de saúde alarmantes e, consequentemente, informar os profissionais médicos para obter mais assistência. Estes sistemas vestíveis também devem ser projetados para se integrar perfeitamente tanto com equipamentos portáteis transportados por socorristas e com sistemas de localização fixo instalados em hospitais. Como resultado, estes dispositivos podem capturar continuamente dados, organizá-los em modelos de pacientes e condições personalizadas, e comunicar informações exclusivas de cada paciente para os primeiros-socorros e funcionários do hospital. Neste artigo, apresentamos a nossa abordagem para o estabelecimento de um quadro operacional para um romance protótipo de monitoramento de saúde wearable interativo, individualizado, e inteligente, que chamamos de prognóstic . O resto do artigo está organizado da seguinte forma. Seção II da uma breve revisão nos sistemas vestíveis - vigilância da saúde ( WHMSs ) e mecanismos de apoio à decisão . Seção III irá introduzir o conceito geral do sistema propostos, baseado em uma arquitetura atual e genérica, descrito disponibilidade de biosensores wearable . Na Seção IV, a estratégia da fusão de dados fisiológicos proposto será elaborada, fornecendo uma definição formal do modelo e exemplos ilustrativos de sua operação. Na Seção V, iremos fornecer um modelo baseado em SPN do sistema de interação entre o usuário e o sistema. Finalmente, o trabalho será concluído com uma discussão sobre o trabalho atual e futuro.

Page 3: Quarto Resumo

Seção 2 – Relacionados ao trabalho

Monitorização ambulatorial de parâmetros fisiológicos através do uso de wearables ou mesmo biosensores implantáveis tem sido uma área de pesquisa de grande interesse nos últimos anos [15], [16]. Principalmente impulsionada pelo aumento dos custos de saúde e a necessidade de prestar cuidados médicos à crescente população de idosos [8], WHMS têm o potencial de realizar a gestão do pessoal de saúde consumidor-operado e a detecção e prevenção de risco precoce [16]. Nós fornecemos uma ampla revisão do atual estado da arte em WHMS [17]. Em nossa pesquisa, enfatizamos sobre os vários recursos que WHMS deve atender, como a usabilidade, discrição, baixo custo, robustez, escalabilidade, segurança e privacidade de dados médicos, baixo consumo de energia, facilidade de uso e suporte à decisão integrada. Identificamos várias abordagens para projetar sistema wearable para fins de monitoramento de saúde, por exemplo, os sistemas baseados em 1 ) smarttextiles [18 ], [ 19]; 2) Plataformas customizados [20 ], [ 21] ; 3) motes sensores sem fio [22 ], [ 23]; e 4) biossensores com Bluetooth e smart-phones [24 ], [ 25]. Este trabalho identificou várias deficiências na tecnologia WHMS atual, a ser mais importante a bateria e questões do poder de monitoramento a longo prazo, a segurança de informações privadas, validação clínica de protótipos, e grosseria sistema. Futuras pesquisas em nanotecnologia, miniaturização de sensores, projeto de CI de baixa energia, técnicas de limpeza energética, as redes de sensores sem fio, e o processamento de sinal são promessas para fornecer os meios a fim de resolver estas questões de forma eficiente. Além dos requisitos previamente descritos, uma característica importante e possivelmente exigida de WHMS é a capacidade de fornecer suporte incorporado de decisão, por exemplo, um meio para extrair um maior nível de informação ou conhecimento a partir de medições do biosinal bruto. Em um cenário que numerosos sistemas vestíveis são implantados para monitorar continuamente vários pacientes graves, uma grande quantidade de dados multidimensionais será constantemente criada para cada usuário.

Estes dados terão de ser tediosamente examinado por profissionais, a fim de detectar anomalias e tendências em saúde alarmantes. Além disso, como foi mencionado na seção anterior, o objetivo futuro final de empregar tecnologia de vigilância da saúde wearable é realizar a identificação precoce ou mesmo a prevenção de doenças e episódios de saúde. Como resultado, avançada inferência lógica e integrado processamento de informação inteligente são necessários para que os WHMS sejam capazes de identificar as tendências alarmantes no estado de saúde do usuário e também para fornecer alarmes de adaptação do paciente ou mesmo dos diagnósticos. Alguns esforços preliminares em relação a abordar as questões mencionadas anteriormente são relatados em [24] e [26], onde os pesquisadores têm utilizado telefones móveis para implementar algoritmos de aprendizado de máquinas para detectar arritmias cardíacas utilizando os sinais de ECG gravados. No entanto, a tecnologia de sensores wearable permite a gravação de vários parâmetros fisiológicos adicionais simultaneamente com o contexto do usuário [17]. Ao fundir juntos toda esta informação ao empregar bases de conhecimentos médico padrão, diagnósticos avançados, inferência inteligente e mecanismos de aprendizagem, uma estimativa global do estado de saúde do usuário pode, eventualmente, ser criada em um determinado momento. Os sistemas que fornecem esse tipo de funcionalidade, por exemplo, que interpretam a informação médica, geralmente são denominados como sistemas de apoio à decisão médica ou clínica (DSSs ).

Page 4: Quarto Resumo

Numerosas abordagens para DSS podem ser encontrados na literatura correspondente [ 27 ] - [ 30 ] . Tradicionalmente, estes sistemas exigem a entrada dos sintomas observados e os resultados laboratoriais adquiridos, e, em seguida, através da utilização de um mecanismo de inferência e uma base de conhecimento que a acompanha, eles vão derivar algumas conclusões de diagnóstico. Estes sistemas , no entanto, não costumam abordar os cenários de fusão de parâmetros fisiológicos que são extraídos em um ambiente supervisionado pela tecnologia de bio sensores wearables. Além disso, sistemas relataram [ 31 ] , [ 32], muitas vezes dependerem de fluxo contínuo de dados fisiológicos para um local remoto centralizado para análise automatizada e não fornecem capacidades de decisão incorporada. Nosso trabalho apresentado neste artigo visa estabelecer um novo paradigma para uma inteligente e interativa WHMS, que é capaz de estimar o estado de saúde do usuário e que podem fornecer alertas e informações sobre a situação atual e contexto do usuário, bem como em relação alarmante tendências de saúde. O quadro proposto, como em qualquer outro DSS, não se destina a substituir o médico de qualquer forma e obter o diagnóstico para o paciente, mas sim para fornecer estimativas sobre as condições do usuário e, como tal, para "reforçar e apoiar o ser humano, que é em última instância, responsável pelo diagnóstico clínico" [30].

3- Parâmetros Fisiológicos e Sistema de Arquitetura

Um biossensor usável é um dispositivo sensor miniatura, tal como um eléctrodo de superfície, ou um adesivo de pele, o qual é capaz de medir um determinado parâmetro fisiológico. A WHMS empregando uma variedade de biosensores é, portanto, capaz de coletar medições em tempo real de sinais vitais e outros sinais fisiológicos. Através da aplicação de processamento de sinal adequado para os dados medidos, características importantes de diagnóstico podem ser extraídas a partir de cada sinal individual.

No entanto, o fato é que para uma estimativa precisa de sua condição de saúde e o diagnóstico de muitos, se não a maioria, sintomas de várias doenças do que apenas os detectados a partir de medições dos biosensores, precisam ser levados em consideração [33]. Estes sintomas, como a tosse, mal-estar ou desconforto no peito, por exemplo, não são quantificáveis ou mensurável por meio de sensores. Pelo contrário, a fim de obter o feedback do paciente sobre a possível existência destes sintomas, o próprio paciente deve indicar a sua ocorrência. Como resultado, através da incorporação de um módulo de reconhecimento de voz na concepção do sistema, juntamente com um diálogo entre o discurso automatizado e o dispositivo de utilizador, faz com que sintomas não mensuráveis adicionais relacionados com a condição física do paciente possam ser capturados pelos WHMS.

Page 5: Quarto Resumo

Fig. 1. Tabelas que descrevem a extração de sintomas de sinais do corpo por tecnologias de biossensor disponíveis e interação humano-sistema.

O conceito acima referido encontra-se ilustrada na fig. 1, onde a tabela à esquerda apresenta uma lista de parâmetros fisiológicos e outras informações que podem ser gravadas sobre um determinado paciente. Em seguida, usando a tecnologia disponível de biosensor e também por perceber a interação verbal com o usuário, os sintomas descritos na direita podem ser detectados, o que pode fornecer uma descrição completa do que é referido como a apresentação clínica.

Page 6: Quarto Resumo

Fig. 2. Generic WHMS architecture.

A arquitetura do sistema genérico que se refere ao cenário descrito está representada na fig. 2. Biosensores fisiológicos constituem os componentes front-end (parte dianteira) do sistema e que podem ser empregados para medir uma variedade de bio-sinais, tais como as indicadas na fig. 1. Estes sensores fisiológicos portáteis podem ser incorporados em vestuário como tecidos inteligentes, ou podem ser integrados em outros tipos de dispositivos portáteis, como os dispositivos de pulso, sensores de lóbulo de orelha, sensores de dedo, braçadeiras, cintas de peito, correias de cintura, etc. Neste último caso, os biossensores distribuídos são capazes de comunicar sem fios as suas medidas e, assim, constituir uma rede de área corporal (BAN), que tanto pode ser formado através de dispositivos Bluetooth ou através de motes Zigbee. Operações básicas de condicionamento de sinal, tais como filtragem, amplificação e conversão AD ou extração mesmo básica característica é geralmente realizada por hardware dedicado, que é incorporado no sensor como um único IC ou no nó central.

O nó central da WHMS consiste em algum tipo de plataforma portátil, como um assistente pessoal digital (PDA), smart-phone, pocket PC, ou até mesmo uma placa de microcontrolador de design personalizado. Em qualquer caso, o nó central WHMS é responsável por várias tarefas, as quais são como se segue:

1) O manuseio da comunicação com os biossensores ligado distribuídos no corpo, que envolve a coleta de medidas fisiológicas e gravações de voz, sincronização de comunicação, enviando sinais de controle para ajustar os parâmetros dos sensores, por exemplo, taxa de amostragem, precisão, etc, e , finalmente, recebendo também o sensor dados de status .

Page 7: Quarto Resumo

2) Realizar processamento digital de sinais adicionais sobre os sinais adquiridos para extração de características.

3) Verificar os dados recebidos, por exemplo , verificar a validade dos dados recebidos por meio de um algoritmo avançado e descartando aqueles que são encontrados para ser errônea.

4) Comparando-se os recursos ou valores extraídos de cada sinal com os limiares, limites ou padrões localizados no banco de dados do sinal local, que podem conter informações específicas do paciente sobre estados anormais, a fim de, eventualmente, detectar eventuais riscos para a saúde (apoio à decisão embutido).

5) Geração de sinais de alarme para o usuário.

6 ) Resultados das medições coletadas na GUI em tempo real.

7) Transmitir as informações médicas extraído sobre o usuário para um posto médico remoto, por exemplo , a um centro médico ou para o telefone celular de um médico , seja em tempo real ou em termos de formulários de relatório , mediante solicitação ou após a detecção de eventos.

4 – Modelagem da Metodologia Prognóstico

A linguagem prognóstica é um modelo teórico, em torno do qual o monitoramento wearable e sistema de prognóstico precoce estão sendo projetados. A hipótese básica deste modelo é que os vários sinais corporais ou fisiológicos produzidos pelo corpo humano são compostos de "sintomas de saúde”, cuja ocorrência, sob certas condições podem indicar a presença de um risco de saúde específico. O objetivo da linguagem formal prognóstica é para fornecer uma representação eficiente e compacta das múltiplas combinações de medições fisiológicas extraídas de modo a ajudar na associação de sintomas "patológicos" e os padrões com a detecção ou a estimativa de uma condição de saúde correspondente.

O modelo de linguagem formal proposto é acoplado com a arquitetura WHMS genérico descrito na seção anterior. Especificamente, os sensores que estão incluídos nos WHMS fornecem medições em tempo real dos dados fisiológicos, dos quais correspondentes sintomas de saúde são extraídos. Estes sintomas podem ser considerados como normais (benigno) ou alarmantes (por exemplo, perigoso ou perigosa). No entanto, o grau de perigosidade ( ou gravidade ) e o grau de ocorrência efetiva de um sintoma específico é distorcido na natureza [ 34 ] . Como o filósofo da medicina, Sadegh -Zadeh , declarou em [35] , "a saúde é uma questão de grau, a enfermidade é uma questão de grau e a doença é uma questão de grau. "

Como resultado, os sintomas difusos extraídos dos sensores fisiológicos geram o conjunto de símbolos terminais da linguagem formal prognóstica. Os três tipos básicos de sintomas que podem ser extraídos a partir dos sinais fisiológicos adquiridos correspondem aos três tipos básicos de sinais ou informações, que o sistema é capaz de recolher sobre o

Page 8: Quarto Resumo

paciente, a saber: 1) os sinais que são "de valor específico" ou "ponto único", por exemplo, o seu valor instantâneo carrega o conteúdo real de diagnóstico; 2) sinais que são "valor específico" ou "ponto único", por exemplo, a seu valor instantâneo carrega o conteúdo real de diagnóstico; e 3) as gravações de voz que podem revelar a presença de um sintoma de saúde específico, tal como descrito pelo utilizador.

5 - Conclusão

Neste artigo, apresentamos uma metodologia de fusão de dados fisiológicos que é aplicável a WHMSs. Definimos um romance modelo baseado em uma linguagem formal normal fuzzy para descrever o estado atual da saúde do usuário WHMS, que considera a ambigüidade sintoma e as relações causais entre as várias patologias e sintomas para derivar uma estimativa completa com um certo grau de confiança. Deve-se mais uma vez salientar que o objetivo desse sistema não é fornecer um diagnóstico preciso da condição do usuário, mas estamos esperando que uma solução deste tipo possa levar à detecção precoce, e, esperamos também a prevenção de episódios de saúde com cuidado seguinte, a captura, e descrevendo as tendências de saúde registradas a partir de sensores fisiológicos e contextuais. Finalmente, apresentamos um modelo SPN detalhada do IDH, o que ilustra a forma de um diálogo automatizado pode ocorrer entre o usuário e o WHMS . Trabalhos futuros incluem a criação de um protótipo de sistema completo e também empregando metodologias de maquinas de aprendizado para alcançar a capacidade de adaptação do sistema para o usuário individual [45]. Metodologias eficientes para a análise de ECG incorporado também serão investigadas. Finalmente, um grande conjunto de testes clínicos terá de ser realizados a fim de avaliar o sistema proposto e para ajustar os seus parâmetros.

Referência Bibliográfica:

BOURBAKIS, N. G.; PANTELOPOULOS, A. Prognosis—A Wearable Health-Monitoring System for People at Risk: Methodology and Modeling. IEEE Transactions of Information Technology in Biomedicine, v. 14, n. 3, p. 613-621, Maio. 2010.