La combinación de datos de wearables podría revolucionar la monitorización de la salud.
Actualmente, los dispositivos portátiles o wearables como los smartwatches están equipados con sensores avanzados y algoritmos asociados que permiten a los usuarios, a los médicos y a los investigadores monitorear resultados fisiológicos, como niveles de actividad física, patrones de sueño o ritmo cardíaco, en entornos de vida cotidiana. No obstante, uno de los desafíos de la monitorización radica en que estos datos suelen recopilarse por separado debido a que los sensores y wearables no siempre interactúan de manera eficiente entre sí.
Según especialistas del Departamento de Computación y Ciencias de la Información de Northumbria University en Reino Unidos, es importante combinar los datos de diferentes fuentes para obtener una imagen completa de la salud. Para lograrlo, es necesario la creación y adopción de métodos de fusión de datos, características y decisiones. Esta fusión de datos podría contribuir a un enfoque más integral para la monitorización de la salud que se extiende más allá de los entornos clínicos.
Los dispositivos portátiles comerciales se han convertido en una parte clave en la vida de muchas personas, ya que les brinda herramientas para la monitorización y gestión de su salud. Sin embargo, tener todos estos datos no proporciona necesariamente una imagen completa de la salud. Es por ello que es necesario combinar datos de diferentes fuentes, es decir implementar la fusión de datos.
La implementación de la fusión de datos en el contexto de la monitorización de la salud a través de wearables puede llevarse a cabo en diferentes niveles y enfoques:
- Nivel de Señal: En este enfoque, los datos brutos recopilados por los sensores de los wearables se combinan directamente. Por ejemplo, los datos de aceleración y velocidad angular de diferentes sensores se pueden fusionar para obtener resultados más precisos en la estimación de los movimientos articulares.
- Nivel de Características: Aquí, se extraen características significativas de los datos brutos de los sensores. Estas características, como picos de ritmo cardíaco o patrones de movimiento, se combinan para proporcionar una visión más completa de la salud. Esto requiere seleccionar las características adecuadas que sean relevantes para el problema de salud específico.
- Nivel de Decisiones: En este nivel, se toman decisiones basadas en la información combinada de múltiples sensores. Por ejemplo, la calidad del sueño medida por diferentes sensores se combina con medidas de respuesta galvánica de la piel y frecuencia cardíaca para una evaluación más completa de la salud del individuo.
No obstante, existen algunos desafíos como la selección de sensores y la calibración de los mismos; la complejidad de los datos a interpretar; y la seguridad y privacidad de los datos.
A medida que la tecnología de los wearables avanza, la fusión de datos desempeñará un papel más relevante en la combinación de los resultados de los biosensores portátiles. Esto podría transformar la atención médica al proporcionar soluciones personalizadas y completas para mejorar el bienestar individual y permitir una mejor gestión de la salud.
