Para validar el funcionamiento del prototipo, se hicieron 125 pruebas en total en 5 sujetos diferentes a los que se utilizaron para el proceso de recolecci´on de datos. A continuaci´on se muestra la informaci´on de ellos:
Sujeto Edad G´enero Somatotipo corporal Sujeto 1 22 F Ectomorfo Sujeto 2 24 M Endomorfo Sujeto 3 23 M Ectomorfo Sujeto 4 57 F Ectomorfo Sujeto 5 33 M Mesomorfo
Tabla 6.1: Informaci´on sujetos para la validaci´on del prototipo
Cada uno desarroll´o 5 actividades cotidianas por 15 minutos, luego simularon 10 crisis de epilepsia por 40 segundos, y finalmente simularon otras 10 crisis por 3 minutos (las alertas para pacientes realmente se env´ıan despu´es de los 5 minutos, pero por el desgaste f´ısico que implica simular una crisis por este tiempo, se les pidi´o que las simularan por 3 minutos y con descansos de m´ınimo 30 minutos entre cada prueba).
Las simulaciones de las crisis de 40 segundos fueron as´ı:
1. 20 segundos tensionando bastante los m´usculos (especialmente de los brazos y las piernas). 2. 20 segundos de tensi´on muscular y movimientos bruscos en brazos y piernas especialmente. 3. 3 sujetos simularon ca´ıdas tambi´en sobre una colchoneta.
Las simulaciones de las crisis de 3 minutos fueron as´ı:
1. 60 segundos tensionando bastante los m´usculos (especialmente de los brazos y las piernas). 2. 120 segundos de tensi´on muscular y movimientos bruscos en brazos y piernas especialmente. 3. 3 sujetos simularon una ca´ıda tambi´en sobre una colchoneta.
Ahora bien, a continuaci´on se muestran los cuatro posibles resultados a estas pruebas:
• Falso positivo: Caso en el que se indique que est´a sucediendo una crisis cuando realmente no es as´ı (resultado incorrecto).
• Falso negativo: Caso en el que no se detecte una crisis cuando s´ı est´a sucediendo una (resultado incorrecto).
• Verdadero positivo: Caso en el que se indique que est´a sucediendo una crisis cuando se est´a dando una (resultado correcto).
• Verdadero negativo: Caso en el que no se detecte una crisis en un momento en el que no est´a sucediendo una (resultado correcto).
6.2.1
Resultados para actividades cotidianas
En primer lugar, se le pidi´o a los sujetos que realizaran las siguientes actividades por 15 minutos cada una:
1. Caminar 2. Hacer ejercicio 3. Estudiar/trabajar 4. Dormir (por media hora) 5. Comer
Para este caso se consideraron los verdaderos negativos (resultados correctos) y falsos positivos (resul- tados incorrectos), y los resultados se muestran en la Tabla 6.2.1.
Sujeto Verdadero negativo Falso positivo Verdadero negativo (%) Falso positivo (%)
Sujeto 1 4 1 80 20 Sujeto 2 4 1 80 20 Sujeto 3 5 0 100 0 Sujeto 4 3 2 60 40 Sujeto 5 4 1 80 20 Total 20 5 80 20
Tabla 6.2: Resultados de actividades cotidianas (no detecci´on de crisis)
Si durante una actividad se presentaban 1 o m´as falsos positivos, se defini´o la actividad completa como un falso positivo. Se puede ver que m´aximo se dieron 2 falsos positivos por sujeto; estos se dieron en las actividades de caminar y hacer ejercicio. Estudiando/trabajando, durmiendo y comiendo no se detectaron crisis. A pesar de esto, de 25 pruebas, 20 fueron correctas, es decir, se obtuvo un resultado del 80%, que seg´un la Tabla 1.1 es un resultado excelente.
6.2.2
Resultados para la detecci´on de crisis
Seguido a esto, se le pidi´o a cada uno de los sujetos que simularan 10 crisis GTC por 40 segundos. Para estos casos, se consideraron los casos de verdaderos positivos (resultados correctos) y falsos negativos (resultados incorrectos). Estos resultados se muestran en la Tabla 6.2.2.
Sujeto Verdadero positivo Falso nega- tivo Primera alerta enviada Segunda alerta enviada Verdadero positivo (%) Falso nega- tivo (%) Sujeto 1 8 2 8 8 80 20 Sujeto 2 9 1 9 9 90 10 Sujeto 3 9 1 9 9 90 10 Sujeto 4 10 0 10 10 100 0 Sujeto 5 7 3 7 7 70 30 Total 43 7 43 43 86 14
Tabla 6.3: Resultados de detecci´on de crisis de menos de 5 minutos
Para estas pruebas, se puede ver que las crisis se detectaron en un 86% de los casos. De 50, 7 no fueron detectadas, principalmente porque el algoritmo implementado se enfoca en la detecci´on de crisis GTC
CAP´ITULO 6. VALIDACI ´ON DEL TRABAJO 37
y miocl´onicas fuertes, es decir, bastante rigidez muscular y movimientos bruscos. Las 7 que no se detectaron se debi´o a fatiga por parte de los usuarios en las pruebas finales. En cuanto a las alertas, para las 43 crisis detectadas se envi´o la primera alerta a los 0.5 segundos de comenzar la crisis, y la segunda al segundo de haber comenzado.
El resultado para este caso fue de 86%, que tambi´en es un resultado excelente seg´un la Tabla 1.1.
Finalmente, se simularon 10 crisis por 3 minutos (en lugar de 5 al hacerse las pruebas en personas sanas). Para los resultados se consideraron los verdaderos positivos y los falsos negativos. Estos se muestran en la Tabla 6.2.2. Sujeto Verdadero positivo Falso nega- tivo Segunda alerta enviada Tercera alerta enviada Verdadero positivo (%) Falso nega- tivo (%) Sujeto 1 10 0 10 7 100 0 Sujeto 2 8 2 8 7 80 20 Sujeto 3 9 1 9 8 90 10 Sujeto 4 9 1 9 5 90 10 Sujeto 5 8 2 8 5 80 20 Total 44 6 44 32 88 12
Tabla 6.4: Resultados de detecci´on de crisis de m´as de 5 minutos
Para estas pruebas, se puede ver que las crisis se detectaron en un 88% de los casos. De 50, 6 no fueron detectadas, tambi´en debido a fatiga por parte de los usuarios.
En cuanto a las alertas, para las 44 crisis detectadas se enviaron la primera y la segunda alerta. No obstante, la tercera alerta se envi´o 32 veces, es decir, en un 72% de los casos. Esto debido a que se le pidi´o a los usuarios que simularan crisis por 3 minutos, pero esto es un tiempo bastante largo, e implic´o un desgaste f´ısico considerable. Por lo que los casos en que no se envi´o la alerta se debi´o a que algunos sujetos detuvieron las simulaciones por algunos segundos.
La Figura 6.2 muestra un resumen de los resultados obtenidos. Se puede ver que los resultados correctos (verdaderos positivos y verdaderos negativos) est´an siempre sobre un 80%, y los incorrectos est´an por debajo de un 20%.
Este proyecto tuvo como resultado final una manilla funcional para la detecci´on y alerta de crisis de epilepsia generalizadas t´onico-cl´onicas y miocl´onicas.
En los resultados mostrados anteriormente, se puede que estuvieron dentro del nivel de satisfacci´on esperado definido en la Tabla 1.1. El mayor error se dio en los falsos positivos, que se dieron princi- palmente cuando los sujetos hicieron ejercicio. Esto se debe a que las se˜nales que se midieron est´an bastante relacionadas con la actividad f´ısica tambi´en: el sensor de actividad electrod´ermica detecta cambios en las gl´andulas sudor´ıparas de la piel, que evidentemente, a la hora de hacer ejercicio, las personas sudan; adicionalmente, hay una alta actividad muscular, y hay movimiento. A pesar de que para la red neuronal se incluyeron datos de actividad f´ısica, no fueron suficientes para que el algoritmo pudiera diferenciar tan f´acilmente entre ejercicio y una crisis, por lo que esto se podr´ıa mejorar re- entrenando la red con m´as datos de este tipo.
En cuanto a los falsos negativos, el error estuvo entre 12% y 14%. En general, todas las crisis se detectaban si eran bastante severas, es decir, movimientos muy bruscos y bastante tensi´on muscular, esto implicaba una alta actividad f´ısica, por lo que el sensor de actividad electrod´ermica mostraba tambi´en un aumento considerable. Las crisis que no fueron detectadas fue porque los sujetos no ten- sionaron tanto los m´usculos ni hicieron movimientos tan bruscos. A pesar de esto, el error es bajo y este proyecto se enfoca en la detecci´on de crisis generalizadas t´onico-cl´onicas y miocl´onicas que son las m´as severas.
Ahora bien, considerando que se definieron 3 niveles de alertas, para cada prueba se verific´o que se enviaran las alarmas pertinentes. La primera, y la segunda fueron siempre enviadas en el momento que deb´ıan serlo; sin embargo, la tercera alarma tuvo m´as fallos y fue enviada en un 72% de los casos. Esto se debi´o principalmente a fatiga de los sujetos llevando a cabo las pruebas. Una crisis de epilepsia es bastante riesgosa si dura m´as de 5 minutos; dado que este prototipo no se prob´o en pacientes, sino en personas sanas, se les pidi´o que simularan crisis por 3 minutos, lo cual implic´o un desgaste f´ısico bastante alto. Las alertas que no se enviaron se debieron a que algunos sujetos se cansaron en algunos momentos de las pruebas por lo que detuvieron las simulaciones por algunos segundos y fue por esta raz´on que no todas se enviaron. En general, se puede decir que la alerta funciona bastante bien, pues en realidad el dispositivo lo van a utilizar pacientes y si sucede una crisis por m´as de 5 minutos, esta no va a tener pausas, por lo que la alerta ser´a enviada en el momento debido.
Con respecto a la autonom´ıa del sistema, en todo el proceso de recolecci´on de datos y validaci´on del funcionamiento, solo fue necesario cargarlo una vez despu´es de aproximadamente 16 horas de uso. La manilla se utiliz´o 20 horas para la recolecci´on de datos y 2 horas para la validaci´on. Luego de la primera carga, no volvi´o a descargarse y sigui´o funcionando sin ning´un problema. En cuanto al celular, se utiliz´o un Samsung Galaxy S6 para las pruebas, y se descarg´o en un 10% durante las 2 horas de prueba; no obstante, este celular utiliza Bluetooth tradicional y ya tiene bastante tiempo de uso, por lo que la bater´ıa no est´a en las mejores condiciones.
Considerando ahora problemas en el dise˜no del sistema, el principal se debi´o al error del algoritmo a la hora de diferenciar entre realizar deporte y una crisis de epilepsia. A los pacientes que padecen esta enfermedad se les sugiere realizar bastante ejercicio, pues esto reduce la posibilidad de sufrir una crisis. Dado que en general las se˜nales fisiol´ogicas de ambas actividades son bastante similares, se podr´ıan tomar m´as datos haciendo ejercicio y re-entrenar la red neuronal, as´ı como incluir un sensor de EEG, pues este aporta bastante informaci´on de una crisis y no mostrar´ıa altas variaciones a la hora de hacer deporte, por lo que posiblemente este sensor ser´ıa la mejor alternativa para hacer la diferenciaci´on entre estas dos actividades.
El segundo problema estuvo relacionado con el material de la manilla. Dado que esta se imprimi´o
en 3D y se buscaba una soluci´on de bajo costo, el ´unico material flexible disponible era el TPU; sin embargo, este tiende a ceder, y cuando la manilla la utilizaron personas con brazos m´as grandes que otras, al probarla nuevamente en personas delgadas, les quedaba m´as grande y se ca´ıa en algunos momentos. Por lo que se podr´ıa cambiar el material a caucho o silicona, o hacerla con un velcro para ajustarla dependiendo de la contextura de la persona.
8. Conclusiones y trabajos futuros
8.1
Conclusiones
Teniendo en consideraci´on los resultados presentados, se puede ver que se cumplieron todos los ob- jetivos propuestos inicialmente. La manilla dise˜nada funciona para la detecci´on de crisis epil´epticas GTC y/o miocl´onicas utilizando sensores para la adquisici´on de se˜nales fisiol´ogicas (EDA y EMG) y de movimiento (aceler´ometro); as´ı como para el env´ıo de diferentes alertas dependiendo de la magnitud de la crisis.
La selecci´on tecnol´ogica fue acorde para la soluci´on del problema, pues adem´as de que la lectura de los sensores era bastante precisa, los componentes en general tuvieron un tama˜no bastante peque˜no, por lo que la manilla se adecu´o bien al antebrazo de diferentes personas sin causar ninguna incomodidad. Adem´as, fue posible recolectar datos de los sensores en tiempo real utilizando el software OpenSignals, para luego llevar a cabo un an´alisis de estos. Se dise˜n´o tambi´en una aplicaci´on para hacer la lectura de las se˜nales y enviar desde esta las alertas como mensajes de texto con la ubicaci´on GPS del paciente. Finalmente, con los datos recolectados se entren´o una red neuronal para clasificar las se˜nales entre crisis y no crisis y de acuerdo a esto, enviar dichas alertas.
Con los resultados obtenidos se puede ver que el sistema respondi´o correctamente en m´as del 80% de los casos, por lo que se encuentra dentro del nivel de satisfacci´on esperado; sin embargo, el principal error se debi´o a que el algoritmo de clasificaci´on no diferencia bien entre una actividad haciendo deporte y una crisis, por lo cual es importante entrenar la red con m´as datos de este tipo, y/o incluir sensores que aporten m´as informaci´on.
Teniendo en cuenta los dispositivos ya existentes para este fin, se puede ver que este es novedoso y diferente en la medida en que la mayor´ıa de estos utiliza Bluetooth para el env´ıo de alertas, por lo que la persona responsable debe estar siempre cerca del paciente para poder monitorearlo. En este proyecto se utiliz´o un m´odulo Bluetooth para comunicarse con el celular del mismo paciente, que, generalmente, siempre va a estar cerca de ´el, y es desde su celular que se env´ıan las alertas como mensaje de texto, independientemente de qu´e tan lejos est´e de su persona encargada.
Existen otros dispositivos que incluyen un m´odulo GSM, pero adem´as de que la persona tendr´ıa que pagar por mantener una SIM adicional a la de su celular, estos dispositivos se caracterizan por leer ´
unicamente una se˜nal (de movimiento o de EMG, por ejemplo), por lo que detectan crisis GTC prin- cipalmente y deben ser bastante severas.
Adicionalmente, muy pocos de estos dispositivos utilizan algoritmos de aprendizaje para detectar las crisis, algunos hacen an´alisis estad´ısticos para definir umbrales, que funcionan, pero pueden llegar a generar bastantes falsos positivos.
En resumen, la manilla dise˜nada cumple con el objetivo de detectar crisis de epilepsia, as´ı como alertar en caso de detectar una, sin afectar la vida cotidiana del paciente, permiti´endole llevar a cabo todas sus actividades diarias sin incomodidades y sin necesidad una supervisi´on constante.