Una aplicación móvil com técnicas de machine learning a partir de datos de sensores inerciales para el monitoreo e identificación de ocurrencias del temblor de Parkinson

Resumen

El presente artículo tiene como objetivo mostrar los resultados del desarrollo de una app móvil que controla el monitoreo y detección de ocurrencias del temblor de Parkinson. Uno de los objetivos específicos es el desarrollo de una aplicación híbrida que usa técnicas de aprendizaje de máquinas (Machine Learning) y datos de sensores inerciales presentes en los teléfonos inteligentes (smartphones). Esta app podría posibilitar al médico especialista la facultad de diagnosticar el grado de temblor parkinsoniano (producto de la enfermedad de Parkinson), así mismo el sistema permite llevar un historial de los resultados. Por un lado, el paciente contará con un reporte enviado por correo electrónico, asimismo permitirá contar con un control del tiempo de congelamiento del movimiento, y un sistema de alarmas para dosificación de medicamentos recetados en el tratamiento. La implementación de la app tiene como base el framework Ionic y usa técnicas de regresión lineal para la identificación temprana a partir de datos de sensores inerciales. Entre los resultados, podemos observar la finalización y viabilidad en el desarrollo del aplicativo, las consideraciones iniciales para el funcionamiento del mismo, teniendo en cuenta variables, especificaciones, modelos, arquitectura y casos de usos que permiten el óptimo funcionamiento y acoplamiento con las otras dos funcionalidades de análisis que son de congelamiento (medidor del tiempo de la persona sin movimiento) y el de alarma (control de dosaje de medicamentos).