TecNoticias, tu portal de información

Los investigadores han combinado biosensores portátiles con aprendizaje automático para ayudar en el tratamiento del abuso de sustancias.

Los wearables han ido encontrando cada vez más utilidad en la industria de la salud, desde contadores de pasos para incentivar la aptitud física hasta monitores de ritmo cardíaco para aplicaciones preventivas de atención médica. Estos dispositivos de bajo consumo y de pequeña huella son difíciles de diseñar, pero su potencial para mejorar la salud y las aplicaciones de acondicionamiento físico ha sido indiscutible.

Ahora, en entornos de investigación, estos pequeños dispositivos están encontrando un llamado para combatir un problema grave que fue declarado una emergencia de salud pública por el Departamento de Salud y Servicios Humanos en 2017: el abuso de sustancias.

Una creciente pandemia de abuso de sustancias

Los Centros para el Control y la Prevención de Enfermedades (CDC, por sus siglas en inglés) informaron un aumento en el número de muertes relacionadas con sobredosis de opioides en los Estados Unidos, con 47,600 muertes reportadas en 2017 hasta 18,515 en 2007. Desafortunadamente, la epidemia de consumo de sustancias no solo ha afectado a los Estados Unidos , pero ha sido reportado en muchos países alrededor del mundo, incluyendo Canadá y Francia.

Las estadísticas de 1999 a 2017 muestran una tendencia creciente en las muertes relacionadas con la sobredosis de opioides. Imagen cortesía de CDC WONDER a través del Instituto Nacional sobre el Abuso de Drogas.

Los miembros de la comunidad científica se han esforzado por combatir esta creciente epidemia con la ayuda de la tecnología. De las diferentes plataformas tecnológicas que se están explorando, los wearables presentan un conjunto particular de ventajas, a saber, la capacidad de realizar un seguimiento continuo de los pacientes con trastornos de abuso de sustancias en su vida diaria. Tal seguimiento evaluaría la adherencia al tratamiento, facilitando la intervención si fuera necesario, así como alertando a los servicios ambulatorios en momentos de necesidad.

Para perseguir esta posibilidad de monitoreo remoto, un grupo de investigadores y médicos de la Universidad de Texas en Tyler y la Universidad de Massachusetts, Escuela de Medicina han estado investigando el uso de un biosensor portátil para monitorear la adherencia al tratamiento en pacientes con trastornos por uso de sustancias. Su artículo de 2019 titulado, “Un enfoque basado en el aprendizaje automático para la detección colaborativa de no adherencia durante la vigilancia del abuso de opioides utilizando un biosensor portátil” detalla su estudio.

Detección del uso de opioides con biosensores portátiles

El grupo de investigación utilizó el biosensor portátil E4 de Empatica, la misma compañía que fabrica el reloj Embrace2, un biosensor portátil para detectar la epilepsia en niños.

Imagen del reloj de pulsera E4. Un único botón de entrada de usuario está disponible para alternar entre diferentes modos de operación. También puede observar dos electrodos en la muñequera para medir la actividad electrodérmica. Imagen cortesía de Empatica.

A diferencia del reloj Embrace2, el E4 no ha sido aprobado por la FDA, sino que está destinado a fines de investigación. El E4 incluye un conjunto de capacidades de detección que incluye frecuencia cardíaca, impedancia de la piel, temperatura y locomoción.

En este estudio, el grupo de investigación utiliza las capacidades de los sensores del E4 para recopilar datos sobre los usuarios activos de drogas, y luego aplicó técnicas de aprendizaje automático para desarrollar factores predictivos de la no adherencia de los regímenes de tratamiento.

Basándose en estudios previos

Los miembros de este grupo de investigación han estado trabajando en este espacio tecnológico durante varios años ya que, lamentablemente, la epidemia de drogas ha seguido creciendo. Su primer estudio se remonta a 2015, en el que emplearon el Q Sensor, el predecesor ahora descontinuado del dispositivo portátil E4, para monitorear los cambios en la actividad electrodérmica, la temperatura de la piel y la locomoción. El grupo registró datos de un solo paciente durante sus actividades diarias.

La curva Q y Q Sensor Pod de Affectiva. Imagen cortesía de MIT Afective Computing Group.

El Q Sensor fue capaz de detectar cambios en las señales fisiológicas registradas y tales cambios fueron corroborados con casos autoinformados de uso de drogas. Como se podría imaginar, la detección retroactiva del uso de drogas no es particularmente adecuada para el monitoreo en tiempo real.

Detección del uso de opioides con aprendizaje automático

En 2018, el grupo demostró un algoritmo para detectar de nuevo automáticamente el uso de opioides midiendo los cambios en la actividad electrodérmica, la temperatura de la piel y la locomoción. En su estudio de 2018, titulado "Detección automática de ingesta de opioides usando un biosensor portátil", mejoraron su artículo de 2015 utilizando el aprendizaje automático y el reconocimiento de patrones para diferenciar automáticamente las lecturas de referencia de diferentes señales fisiológicas de lecturas anormales provocadas por el uso de sustancias.

Posibles chipsets para biosensores portátiles

No hay muchos detalles disponibles sobre los conjuntos de chips específicos utilizados en el E4 o Q-Sensor wearable. Sin embargo, dada la popularidad de los monitores biométricos, podemos especular el uso de cualquier número de conjuntos de chips populares disponibles para la frecuencia cardíaca, como el AFE4490 de Texas Instruments o la serie más reciente MAX3010X de circuitos integrados de Maxim Integrated, que han sido popularizados por Función de monitor de ritmo cardíaco en la serie de teléfonos Samsung Galaxy.

Maxim Integrated ha puesto énfasis en las aplicaciones de cuidado de la salud en muchos de los componentes de hardware y herramientas que lanzan, incluida una plataforma portátil para el monitoreo biométrico remoto para desarrolladores. Maxim, junto con Omron y ROHM, también ofrece dispositivos de monitoreo biométrico como dispositivos finales.

Diagrama de bloques funcional del MAX30102. Imagen de la hoja de datos de MAX30102. Click para agrandar.

Ciertamente, el sensor de temperatura del cuerpo humano MAX30205 de Maxim Integrated sería apropiado aquí o el MLX90632 de Melexis si un diseñador necesitara una ruta de termófilo IR sin contacto, en su lugar. Si desea obtener más información sobre este tema, analizamos brevemente algunos conjuntos de chips para EDA en un artículo anterior sobre monitores de ejercicio estáticos portátiles.

Al examinar la literatura científica, podemos ver claramente la creciente necesidad de mejorar las capacidades de procesamiento en el hardware integrado para manejar la cantidad cada vez mayor de datos de sensores requeridos para hacer algoritmos inteligentes.