Personalice los dispositivos de detección de movimiento y salud

Personalice los dispositivos de detección de movimiento y salud

septiembre 23, 2021 0 Por RenzoC

Las definiciones anteriores de «bienestar», limitadas a dar un paseo rápido y comer algunas verduras más, parecen en muchos sentidos un pasado lejano. Los relojes brillantes y los anillos elegantes ahora miden cómo comemos, dormimos y respiramos, utilizando una combinación de sensores de movimiento y microprocesadores para mordisquear bytes y bits.

Incluso con la variedad actual de joyas inteligentes, ropa y tatuajes temporales que parecen complejos y manejables por igual, los científicos del Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) del MIT y el Centro de Inteligencia Artificial del Hospital General de Massachusetts (CPAI) (CPAI) querían hacer las cosas un un poco más personal. Crearon un conjunto de herramientas para diseñar dispositivos de detección de movimiento y salud utilizando algo llamado «tomografía de impedancia eléctrica (EIT)», una palabra elegante para una técnica de imágenes que mide y muestra la conductividad interna de una persona. (La EIT se usa generalmente para cosas como observar la función pulmonar o detectar el cáncer).

Usando «EIT-kit», el equipo construyó una gama de dispositivos que admiten varias aplicaciones de detección, incluido un monitor muscular personal para rehabilitación física, un reconocedor de gestos de la mano portátil y una «pulsera» que puede detectar la conducción distraída.

Aunque la detección de EIT generalmente requiere costosas configuraciones de hardware y complicados algoritmos de reconstrucción de imágenes, el uso de electrónica impresa y bibliotecas de imágenes de EIT de código abierto la ha convertido en una opción atractiva, de bajo costo y portátil. Pero diseñar elementos de EIT sigue siendo difícil y, por lo general, requiere una fusión adecuada de conocimientos de diseño, un contacto adecuado entre el dispositivo y el ser humano y optimización.

El editor 3D del EIT-kit coloca al usuario en el asiento del conductor para la dirección del diseño completo. Una vez que los electrodos de detección (que miden la actividad humana) se han colocado en el dispositivo en el editor, se pueden exportar a una impresora 3D. Luego, el artículo puede ensamblarse, colocarse en el área de medición objetivo y conectarse a la placa base de detección del kit EIT. Como paso final, una biblioteca de microcontroladores integrada automatiza la medición de impedancia eléctrica y permite a los usuarios ver visualmente los datos medidos, incluso en un teléfono móvil.

Los dispositivos existentes también pueden detectar solo movimiento, lo que limita a los usuarios a comprender solo cómo cambian de posición con el tiempo, pero el kit EIT puede detectar la actividad muscular real. Un dispositivo prototipo que el equipo, que parece dos bandas simples, detectó distensión muscular y tensión en el muslo para monitorear la recuperación muscular posterior a la lesión y también podría usarse para prevenir la recurrencia. El monitor muscular aquí usó dos conjuntos de electrodos para crear una imagen 3D del muslo, así como realidad aumentada para ver la actividad muscular en tiempo real. En este caso, la detección de movimiento por sí sola sería inútil, ya que una persona que realiza correctamente un ejercicio de rehabilitación requiere el uso del músculo correcto. Además, los investigadores detectaron tejido biológico a través de un dispositivo EIT que analizaba la ternura de la carne cruda.

«El proyecto del kit EIT se ajusta a mi visión a largo plazo de crear dispositivos de detección de la salud personal con técnicas de creación de prototipos de función rápida y nuevas tecnologías de detección», dice Junyi Zhu, estudiante de doctorado en CSAIL del MIT y autor principal de un nuevo documento sobre el kit EIT. “Durante nuestro estudio junto con profesionales médicos, descubrimos que la detección de EIT depende en gran medida del paciente y de la ubicación de detección, debido a las configuraciones de medición, calibración de señal, colocación de electrodos y otros factores relacionados con la bioelectricidad. Estos desafíos se pueden resolver con hardware personalizable y algoritmos de automatización. Además del EIT, otras tecnologías de detección de la salud abordan complejidades similares y necesidades personalizadas ”.

El equipo está colaborando actualmente con MGH para desarrollar kits de EIT para crear dispositivos de rehabilitación remota para monitorear diferentes partes del cuerpo de un paciente durante la curación. Como todos los dispositivos del kit de EIT son móviles y están personalizados para la forma del cuerpo del paciente y la lesión particular, se pueden usar fácilmente en el hogar para brindar a los médicos una imagen más holística del proceso de curación.

Zhu coescribió el artículo con el estudiante de pregrado del MIT Jackson Snowden, los exalumnos Joshua Verdejo ’21, MNG ’21 y Emily Chen ’21, el estudiante de doctorado de CSAIL Paul Zhang, codirector de CPAI en MGH e instructor Hamid de la Escuela de Medicina de Harvard. Ghaednia , jefe de cirugía de columna en MGH y profesor asociado en la Escuela de Medicina de Harvard Joseph H. Schwab y la profesora asociada del MIT Stefanie Mueller.

Este material se basa en el trabajo apoyado por la National Science Foundation. El proyecto se llevó a cabo en colaboración con Schwab y Ghaednia. Se presentará en el Simposio ACM sobre software y tecnología de interfaz de usuario (UIST) 2021 el próximo mes.