Monitoraggio integrato della salute fra le mura domestiche

Le soluzioni a basso consumo di Analog Devices contribuiscono a ridurre il periodo di ricarica e il consumo energetico dei dispositivi elettromedicali pensati per il monitoraggio costante dei pazienti, consentendo agli stessi di vivere uno stile di vita più indipendente e sicuro.

 

Sistema di monitoraggio sanitario integrato per uso domestico. Il sistema monitora le attività della persona e i suoi parametri vitali.

Il settore sanitario deve affrontare tre grandi sfide: la popolazione sta invecchiando, i casi di malattie croniche stanno aumentando in modo esponenziale e i costi sanitari stanno esplodendo. Senza ricevere un'assistenza adeguata, gli anziani rischiano di perdere la propria indipendenza, una situazione che è sempre più richiesta dalla popolazione d’età più avanzata. Ma gli stili di vita indipendenti degli adulti più anziani spesso presentano rischi elevati. Molte tecnologie smart home basate su sensori sono state sviluppate per monitorare le attività degli anziani direttamente a casa e assistere la loro indipendenza. Gli edifici e gli ambienti urbani dotati di reti di sensori offrono infatti agli anziani e ai malati la possibilità di mantenere la loro indipendenza più a lungo.

L'ambiente di vita assistita (Ambient Assisted Living - AAL) offre una serie di vantaggi in questo contesto. Questi vantaggi includono il collegamento di pazienti, medici e apparecchiature mediche, che migliora notevolmente l'efficienza del trattamento e dell'assistenza. Il collegamento consente poi la registrazione e la valutazione automatizzate delle attività e dei dati sanitari del paziente, ovunque essi si trovino. Di conseguenza, il personale medico deve essere chiamato solo se la salute del paziente peggiora effettivamente. L'obiettivo in questo caso è ridurre i costi nel settore sanitario e migliorare l'assistenza ai pazienti, anche se i pazienti non vengono più monitorati costantemente in ospedale, ma direttamente nella loro abitazione.

L'analisi del comportamento umano e il riconoscimento delle attività sono parte integrante dei moderni sistemi AAL. Un monitoraggio affidabile e accurato, oltre all’intervento in tempo reale, quando si renda necessario, devono rispondere ai requisiti imposti da questi sistemi. Le attività quotidiane come cucinare, dormire e pulire sono buoni indicatori delle capacità fisiche degli anziani o dei malati. Pertanto, un sistema che riconosca automaticamente queste attività consente il monitoraggio automatico della salute e fornisce una misura oggettiva per il personale medico. Un tale sistema dovrebbe essere in grado di rilevare eventuali anomalie, come una caduta improvvisa, e fornire un'attivazione immediata.

Un sistema di monitoraggio dell'attività è quindi un passaggio cruciale nelle future applicazioni sanitarie.

Presentiamo di seguito un sistema integrato di monitoraggio della salute domestica, che include un sistema di monitoraggio delle attività basato sulla visione e un sistema di monitoraggio dei segni vitali. Lo scopo del sistema è di essere in grado di monitorare le attività di un individuo e, contemporaneamente, essere in grado di monitorare i suoi segni vitali durante l'esecuzione di tale attività. L'integrazione (vincolante) tra tecnologia sanitaria indossabile e tecnologia di visione integrata è la chiave per realizzare un vero sistema di monitoraggio della salute direttamente fra le mura domestiche.

Sensing basato sulla visione

Fino a questo momento, il mercato del monitoraggio delle attività è stato in gran parte dominato dalla tecnologia di videosorveglianza. Tuttavia, con lo spostamento di questo tipo di monitoraggio nell’ambiente domestico, l'analisi video non riesce a essere la soluzione giusta, proprio per le sue limitazioni di base, come l'invasione della privacy della persona da monitorare e per la quantità di carico di dati che deve essere trasmessa, in quanto si tratta pur sempre di una comunicazione video. L'avvento della tecnologia embedded vision sensing aiuta a superare questi due problemi. Una piattaforma embedded vision sensing esegue l'elaborazione in tempo reale a livello di edge-node con l'output del sistema, cosa che è utile solo per dati telemetrici/elaborati, superando quindi il problema della privacy, perché i dati trasmessi non sono video o immagini (che invadono la sfera della privacy), ma solo dati relativi ad attività come cucinare, pulire o dormire. Poiché vengono trasmessi solo i dati di telemetria, la velocità ridotta dei dati consente di risparmiare oltre il 90% dei fabbisogni di larghezza di banda, risparmiando sul costo che sarebbe necessario per trasmettere video in quanto tale.

Un sistema di visione integrato per il monitoraggio delle attività include il rilevamento delle persone, il monitoraggio del movimento e il riconoscimento delle loro posture e delle attività di interesse. L'architettura tipica di una piattaforma di rilevamento embedded consisterebbe solitamente in quanto segue:

Un sistema ottico (un sensore CMOS più l'obiettivo): ha lo scopo di catturare le immagini. La corretta configurazione dell'ottica deve essere definita sulla base del campo visivo, della configurazione del sistema e della geometria della stanza. A volte il sensore CMOS potrebbe eseguire una pre-elaborazione dell'immagine, riducendo così il carico di elaborazione per il processore incorporato, che, a sua volta, potrebbe ridurre il consumo energetico del sistema, se correttamente utilizzato.

Il sistema di elaborazione: il processore è il cuore di questo sistema e si prevede che permetterà di effettuare molto più controllo, rilevamento e collegamento, consumando pochissima energia e spazio d’ingombro. Il processore in una piattaforma di sistema integrata esegue l'algoritmo di elaborazione dell'immagine a partire dall'immagine acquisita dal sistema ottico. L'output del sistema, dopo che l'elaborazione è stata effettuata, è formata solo da dati di telemetria. In uno scenario di home health, l'output potrebbe riguardare l'attività della persona, ad esempio se sta dormendo, sta pulendo o se sia caduta.

Connettività X: il sistema integrato basato sulla visione può essere cablato o wireless. Tuttavia, è meglio che la connettività in un ambiente domestico sia  wireless. Poiché l'output è costituito solo da dati telemetrici e non dati grezzi, il carico utile da trasmettere è fortemente ridotto. L’output viene quindi trasmesso su una piattaforma cloud e reso ulteriormente disponibile in tempo reale sotto forma di app di modo che sia utilizzato dal proprio infermiere o tutore.

Cloud/analisi dei dati: ciò forma il back-end del sistema. L'infrastruttura cloud non solo fornisce accesso ai dati in tempo reale sotto forma di app, ma può anche eseguire algoritmi di analisi dei dati in background per identificare le tendenze nel contesto delle attività domestiche.

Considerazioni sulla progettazione del sistema e principali problemi

Affidabilità: è essenziale che un sistema di monitoraggio delle attività fornisca le informazioni sull'attività nel modo più affidabile, sicuro e accurato. Inoltre, in caso di emergenza, il sistema deve essere in grado di rilevare con precisione una situazione d’emergenza e impostare un sistema di allarme che eviti falsi allarmi. Ciò al fine di evitare che venga coinvolto accidentalmente del personale o che venga attivata erroneamente una procedura dei soccorso.

Latenza: una risposta, un’attivazione o un sistema d’allarme immediato, generati dal sistema di monitoraggio delle attività è una caratteristica che definisce l'esatto potenziale del sistema di sicurezza. La funzionalità di base del monitoraggio delle attività (dormire, camminare, pulire o un caso di emergenza) dovrebbe essere segnalata in modo istantaneo affinché sia possibile ottenere un ritardo minimo tra kit verificarsi della situazione e la segnalazione delle stessa.

A prova di manomissione: Infine, un sistema di monitoraggio delle attività deve essere il più possibile a prova di manomissione. La manomissione può verificarsi in qualsiasi fase del sistema, che si tratti del nodo finale, della connettività wireless o cablata o della fine del ciclo di controllo e analisi dei dati. La violazione di sistemi/reti di automazione degli edifici è un argomento di grande preoccupazione nei sistemi di sicurezza e nei sistemi di monitoraggio domestico.

Piattaforma di rilevamento visivo integrata di Analog Devices

Progetto di riferimento di dispositivo indossabile integrato GENI di ADI.

La piattaforma BLIP di ADI (piattaforma di imaging a bassa potenza Blackfin) è una piattaforma di rilevamento della visione integrata a basso costo, a bassa potenza e ad alte prestazioni in grado di eseguire una vasta gamma di algoritmi di rilevamento ed elaborazione delle immagini in tempo reale. BLIP è costituita dalla serie di processori Blackfin di Analog Devices, la serie ADSP-BFxxx, che sono adatti per gli algoritmi di rilevamento integrato della visione.

Misurazioni di segni vitali accurate, compatte e a bassa potenza

L’esposizione CES di Las Vegas all'inizio di gennaio del 2016 è stata l’occasione nella quale Analog Devices ha mostrato questa soluzione per la prima volta. La misurazione dei segni vitali (VSM) presentata includeva la frequenza e l’attività cardiaca, mostrati direttamente da un orologio che viene indossato al polso.

L'interno di questo orologio è formato da un'architettura modulare composta da una scheda madre che incorpora il nuovo microcontrollore Cortex-M3 di ADI, che è il controller M3 che consuma meno sul mercato – denominato ADuCM302x – e un ricetrasmettitore radio a 2,4 GHz che consente di inviare dati VSM mediante protocollo Google Thread. Sulla scheda figlia c'è un front-end fotometrico, l'ADPD103, circondato da tre LED verdi e da un fotodiodo, nonché dall’accelerometro a 3 assi che presenta la potenza più bassa sul mercato, l'ADXL362. Questi due dispositivi sono sincronizzati tra loro per compensare il movimento della persona in modo più efficiente.

ADPD103 è un front-end fotometrico, che funziona mediante misurazione ottica riflettente che invia una corrente da 8 mA a 250 mA attraverso i suoi LED drive che illuminano i LED esterni del componente. Questi LED illuminano la pelle e utilizzano una misurazione riflessa attraverso il fotodiodo, quindi il segnale viene acquisito dal front-end, amplificato, filtrato, integrato e convertito da un ADC a 14 bit, prima di essere trasmesso a un host tramite un’interfaccia I²C.

Diagramma a blocchi del sistema integrato di monitoraggio della salute.

I vantaggi di disporre dei LED e del fotodiodo esternamente sono molteplici: è possibile selezionare il numero, il colore e l’intensità dei LED e, in particolare, la spaziatura ottimale dei LED rispetto al fotodiodo per massimizzare l'indice di modulazione (viene impostato il rapporto ac-to-dc e quindi la qualità del segnale riflesso). Tale soluzione permette anche di scegliere la dimensione del fotodiodo (quando quest'ultimo è più ampio, l'indice di modulazione sarà più alto) e, possibilmente, di aggiungere un rumore ultra basso e un amplificatore di corrente a bassa potenza.

Dal tipo di misurazione eseguita (frequenza cardiaca HRM, pulsossimetria pulsata) e dalla posizione della misura sulla pelle, viene scelto il colore dei LED. Per la misurazione della frequenza cardiaca sul polso, scegliamo LED verdi, poiché il loro assorbimento di emoglobina è maggiore per le lunghezze d'onda da 500 nm a 600 nm. Quando il cuore batte il flusso sanguigno scorre nelle vene del polso e l'assorbimento della luce verde è superiore. Tra i battiti, diminuisce. Facendo lampeggiare i LED verdi centinaia di volte al secondo, l'ADPD103 può calcolare il numero di volte in cui il cuore batte ogni minuto, rappresentando la frequenza cardiaca. Si consiglia di spaziare il LED verde sul fotodiodo di 3 mm o, più convenientemente, di aumentare l'indice di modulazione, così come mostrato nella Figura 3.

Se vogliamo misurare l'ossimetria pulsata, allora scegliamo un LED rosso e un LED a infrarossi, e utilizzeremo invece un dito (con questo metodo è possibile beneficiare anche di un’HRM), visto che          questo presenta una forte concentrazione capillare. L'ossimetria pulsata è un metodo non invasivo utilizzato dai medici per valutare e controllare rapidamente le funzioni respiratorie di un paziente. Il rapporto tra luce rossa e infrarossa attraverso il fotodiodo indica la percentuale di emoglobina ossigenata rispetto all'emoglobina deossigenata presente nel sangue. La saturazione di ossigeno nel sangue è anche chiamata SpO2.

L'ossimetria si basa quindi sulla misurazione dell'assorbimento della luce dell'emoglobina nei capillari sanguigni e, in particolare, sulla velocità dell'ossiglobulina (emoglobina ossigenata) e della deossiemoglobina (emoglobina deossigenata) di ciascun globulo rosso:

una SpO2 al 98% significa che ciascun globulo rosso viene caricato con ossi-emoglobina al 98% e deossiemoglobina al 2%.

Indice di modulazione in funzione della spazio presente tra LED e fotodiodo.

Analog Devices offre anche soluzioni di moduli (front-end analogico, fotodiodo e LED nello stesso package) per applicazioni con limiti d’ingombro superficiale, che non richiedano molta ottimizzazione nella misurazione ottica. Pertanto, l'ADPD142, che include un LED rosso e un LED IR, consente la misurazione della SpO2 sul dito. Il suo successore, l'ADPD144, offre un design meccanico migliorato che riduce l'inquinamento luminoso interno (cioè la luce diretta tra il LED e il fotodiodo). Il dispositivo fornisce un errore di misura medio del 2,6% su 24.425 campioni di misurazioni, rendendolo conforme alla FDA. L’ADPD144 misura 5 × 2,8 mm, con un'altezza di 1,35 mm.

Come precedentemente indicato, per massimizzare l'indice di modulazione e, quindi, la qualità del segnale misurato, ci deve essere un minimo di spazio presente tra LED e fotodiodo, il che potrebbe non essere ottimale in un modulo in cui lo spazio sia limitato. Pertanto, per applicazioni come gli orologi sportivi che presentano vincoli addizionali dovuti al movimento, al sudore e allo spostamento del contatto orologio-pelle, Analog Devices consiglia solo soluzioni con LED e fotodiodo esterni rispetto al front-end fotometrico.

Dal punto di vista del software, Analog Devices fornisce driver dei sensori fotometrici e degli accelerometri e ha presentato al CES il proprio algoritmo di compensazione del movimento, che gira su un core Cortex-M3, l'ADuCM3027, occupando solo 1,5 MIPS per 13 kB ROM e 7,8 kB di RAM. Questo è un importante passo avanti perché fino a quel momento questo tipo di algoritmo richiedeva calcoli in virgola mobile e, quindi, un tipo di processore Cortex-M4, che è ben più affamato di energia e più costoso.

Si noti inoltre che il colore della pelle o dei tatuaggi influisce sulla qualità del segnale riflesso misurato. Si raccomanda perciò di non posizionare il dispositivo direttamente su un tatuaggio; l'indice di modulazione è leggermente ridotto per le persone con pelle scura, quindi esiste la necessità di ottimizzare il design ottico della soluzione.

Piattaforma Ultra Low Power

Ora proviamo a determinare il consumo energetico dell'orologio di cui abbiamo trattato, supponendo di eseguire un algoritmo di compensazione del movimento su Cortex-M3 ADuCM3027 e di tenere in considerazione alcune caratteristiche per stabilire il consumo energetico del LED.

L'ADPD103 invia un treno di impulsi al LED in una o due fasce orarie. Ciò consente, ad esempio, di ottenere un numero diverso di impulsi da un LED all’altro. Il consumo di ADPD103 è la somma dei consumi di AFE e LED.

Prendiamo ad esempio queste condizioni:

  • FS = 100 Hz; 2 slot; periodo di impulso A = 20 μs; periodo di impulso B = 40 μs;
  • numero di impulsi A = 4; numero di impulsi B = 8
  • corrente massima nel LED A = 25 mA; corrente massima nel LED B = 100 mA;
  • durata dell'impulso A = 3 μs; durata dell'impulso B = 3 μs;
  • Pertanto, la corrente effettiva nel LED_A = (3 × 4/10000) × 25 mA = 30 μA;
  • la corrente effettiva nel LED_B è invece = (3 × 8/10000) × 100 mA = 240 μA
  • Corrente nel canale A dell’AFE =
  • Fs ((20 + conteggio impulsi × periodo dell'impulso) × Vddpeak + 0,13) = 100 ((20 + 4 × 20) × 0,0093 + 0,13) = 106 μA
  • Corrente nel canale B di AFE =
  • Fs ((20 + conteggio impulsi × periodo dell'impulso) × Vddpeak + 0,20) = 100 ((20 + 8 × 20) × 0,0093 + 0,20) = 187 μA
  • La corrente totale dell’ADPD103 (incluso il consumo di entrambi i LED) è di 563 μA.

Come indicato sopra, l'algoritmo di compensazione del movimento sviluppato da Analog Devices necessita solo di 1,5 MIPS per funzionare, che è possibile approssimare a una frequenza di funzionamento di 1,5 MHz. Il consumo energetico dell’ADuCM3027 pari a 38 μA/MHz, significa che il microcontrollore consuma 57 μA. L'ADXL362 utilizza 2 μA con una frequenza di campionamento di 100 Hz, pertanto, il sistema AFE e LED Cortex-M3 e l'accelerometro consumano 622 μA. Questo basso consumo energetico massimizza l'utilizzo tempo senza ricaricare la batteria LiPo incorporata in questo orologio. In modalità standby, l'ADPD103 consuma 3,5 μA. Il suo successore ridurrà questo valore a 1 μA.

Va notato che questo esempio mostra un calcolo della potenza che non corrisponde a un'applicazione precisa. È possibile ottenere risultati migliori o peggiori a seconda dell'applicazione considerata, della corrente attraverso i LED e della frequenza di campionamento in collegamento diretto con il consumo energetico del sistema.

Pubblica i tuoi commenti