Patentes e investigaciones

Patentes

Detección de convulsiones basada en la variabilidad de la frecuencia cardíaca mediante un dispositivo de electrocardiografía portátil.

El objetivo es evaluar la viabilidad y precisión de la detección de convulsiones en función de la variabilidad de la frecuencia cardíaca (VFC) mediante un dispositivo de electrocardiografía (ECG) portátil.

En este estudio de fase 2, reclutaron de forma prospectiva a pacientes admitidos para monitorización con vídeo-EEG (MTL) a largo plazo. Las convulsiones se detectaron automáticamente utilizando parámetros de HRV calculados fuera de línea, cegados a todos los demás datos. Comparamos el rendimiento de 26 algoritmos automatizados con los puntos de tiempo de las convulsiones marcados por los expertos que revisaron la grabación de LTM. Los pacientes se clasificaron como respondedores si se detectaban> 66% de sus convulsiones. El algoritmo identificó al 53,5% de los pacientes con convulsiones como respondedores. Entre los que respondieron, la sensibilidad de detección fue del 93,1% para todas las convulsiones y del 90,5% para las convulsiones no convulsivas. La latencia media de detección de convulsiones fue de 30 s. Por lo general, los pacientes con cambios prominentes en el sistema nervioso autónomo respondieron: un cambio ictal de> 50 latidos por minuto predijo quién respondería con un valor predictivo positivo del 87% y un valor predictivo negativo del 90%.

Smart Monitor Awarded U.S. Patent for Systems to Detect Motion Disorders, Including Seizures and Epilepsy

Inspyre ™ de SmartMonitor es una aplicación que se empareja con el Apple Watch ™ o Samsung ™ Watch de un usuario. Cuando el reloj detecta movimientos repetitivos, similares a los causados por convulsiones, le indica al teléfono inteligente del usuario (iPhone o teléfono Android) que envíe mensajes de texto y alertas de llamadas a sus seres queridos y / o proveedores de atención en cuestión de segundos.

Automated seizure detection systems and their effectiveness for each type of seizure

La elección de un dispositivo de detección de convulsiones debe considerar las semiologías de las convulsiones específicas del paciente. El ACM se ha utilizado para las convulsiones motoras, ya que detecta cambios en la velocidad y la dirección. La señal se registra por medio de un sensor de movimiento / acelerómetro de tres ejes, un microprocesador y una pequeña batería recargable, generalmente colocada en una extremidad. El principal desafío es diferenciar las convulsiones de los movimientos repetitivos diarios normales. Algunos sistemas tienen un botón de cancelación y esto da la oportunidad de indicar que un movimiento fue una falsa alarma, evitando una alerta de falso positivo para el cuidador.Esta modalidad fue capaz de detectar convulsiones focales con componente motor mínimo, GTCS, convulsiones secundariamente generalizadas, convulsiones mioclónicas, clónicas, tónicas e hipermotoras. Las convulsiones clónicas se presentan con un patrón similar a un estallido, que fue mejor identificado y discriminado de otros movimientos. Las convulsiones tónicas tienen forma de bloque porque la aceleración es casi constante. Se parecen a los movimientos normales lentos, lo que los hace más difíciles de identificar.

La mayoría de las convulsiones tienen un componente motor; por tanto, el análisis de la actividad muscular con Electromiografía de superficie (sEMG) es una opción viable para la detección de convulsiones. Ayuda a diferenciar las crisis epilépticas de las crisis no epilépticas: las crisis epilépticas tienen una gran proporción de actividad EMG en la banda de frecuencia por encima de 100-150 Hz. sEMG detecta la actividad muscular con tan solo un canal; Los músculos deltoides y tibial anterior son los lugares de colocación preferidos.El endurecimiento tónico consiste en una intensa contracción muscular, que permite la detección temprana de GTCS.Las desventajas de los sensores sEMG incluyen la incomodidad cuando se fijan fuertemente a la piel y la posibilidad de desprendimiento.

Método y aparato para la predicción de ataques epilépticos

Un sistema para predecir ataques epilépticos el cual incluye sensores operables para registrar la actividad cerebral del usuario. Los sensores se comunican con un procesador configurado para recibir y almacenar oscilaciones y actividades del EEG de salida. Cuando se presenta un nivel de fluctuación eléctrica umbral se identifica como un nivel de actividad eléctrica experimental. El procesador analiza los datos de las fluctuaciones durante el estado epileptico durante un periodo de registro y los divide en valores a lo largo de una serie de periodos de muestreo, posteriormente convierte las lecturas a un valor de medida no lineal

Detectar, cuantificar y / o clasificar convulsiones utilizando datos multimodales

Método que consiste en recibir señales relacionadas con la actividad cardiaca y los movimientos corporales, en un principio se recibe al menos una señal relacionada con una primera actividad cardiaca y otra con un primer movimiento corporal del paciente los cuales desencadenan una de las pruebas del paciente. Posteriormente se realiza un análisis espectral de una segunda actividad cardiaca y movimiento corporal. Por último, se basa en al menos una de la señales relativas a las primeras y se puede determinar la ocurrencia de un ataque epileptico basado en la activación de alguna de las pruebas.

Un dispositivo y método para monitorear la actividad muscular

Consiste en un aparato para detectar señales electromiográficas y monitorizar la actividad muscular, un sensor debe detectar una señal electromiográfica, posteriormente se utiliza medios de procesamiento de señales para aplicar un algoritmo de integración o un algoritmo de transformación de frecuencia a la señal electromiográfica detectada para generar una señal de evento, esto desencadena los medios de comunicación para transmitir la señal electromiográfica detectada desde el sensor hasta los medios de procesamiento.

Sistema de monitoreo de convulsiones tonicoclónicas para pacientes con epilepsia

Sistema de control que permite el monitoreo, control del progreso de las convulsiones, incluye aplicación que almacena y muestra la información sensada.

Para realizar el monitoreo se utiliza un sensor de movimiento, con un acelerómetro. Se implementa un algoritmo a partir de los detectores de movimiento para la determinación de si es convulsivo o no.
La aplicación en esta etapa utiliza tres recursos, el primero es la alarma sonora, en caso de que se trate de una falsa alarma el usuario podrá cancelarla, volviendo así al estado inicial de espera de la aplicación.

Después de que la alarma ha sido iniciada se utilizará el segundo recurso que es el posicionamiento, la aplicación utilizará el GPS determinando la longitud y latitud del dispositivo móvil. Finalmente la información determinada en el punto anterior será enviada utilizando el tercer recurso, que consiste en enviar los datos por medio de un mensaje de texto a través de la red de telefonía celular. 

Detección de convulsiones convulsivas mediante un biosensor de acelerometría y actividad electrodérmica de muñeca

Se describe como una alternativa de los métodos actuales de encefalografía. Algoritmo de detección automática de convulsiones tonicoclónicas generalizadas, basadas en actividad electrodérmica y acelerometría utilizando un nuevo biosensor de muñeca que puede potencialmente proporcionar un sistema de alarma de ataques convulsivos para los cuidadores y una cuantificación objetiva de la frecuencia de los ataques.

Los hallazgos sugieren que este algoritmo puede detectar automáticamente ataques convulsivos con alta sensibilidad y una baja tasa de falsas alarmas. 

Sistema de detección de señales basado en uno o más sensores con la utilización y medición de la actividad cardiaca para la detección de convulsiones u otras condiciones médicas

Consta de un módulo de sensores, uno de monitoreo y otro de alerta. Ante la poca practicidad del EEG en entornos no clínicos, se busca y se piensa en la necesidad de utilizar diferentes referencias físicas para la detección de los diferentes estados de una convulsión y hacerlo fuera de un ambiente clínico. Los sensores pensados para el dispositivo fueron electromiografos, sensores de respiración, sensores cardíacos, sensores de conductividad en la piel, sensores de temperatura y sensores de saturación de oxígeno.

Para la integración de los distintos módulos de sensado se requiere de un módulo controlador, se requiere un procesador de señales digitales, circuitos específicos integrados y FPGA, que permitirá programar las órdenes al controlador. Para ciertos sistemas, se requerirá del monitoreo por parte de personal capaz de distinguir ciertas señales anormales, por ejemplo, la forma de las señales producidas por el electromiógrafo y los sensores cardíacos.

Algoritmo para identificación de parámetros biológicos del propio paciente de convulsiones basados en lecturas previas del propio paciente

Algoritmo basado en machine learning supervisado se implementa para generar un límite de clasificación durante una fase de aprendizaje basada en valores de dos o más características de una o más señales de parámetros del paciente que a futuro permitirán identificar variaciones o anormalidades propios de una convulsión tanto en sus pre etapa, durante la convulsión y post convulsión. Esta información puede usarse para mejorar el tratamiento del paciente.

Para la distinción del estado convulsivo se requiere de una primera aparición de la lectura de datos tras una convulsión y de un monitoreo estadístico de estas señales.

Diseño e implementacion de un sistema para la detección y alerta de crisis epilepticas a partir de mediciones de señales fisiológicas y de movimiento

El objetivo es detectar crisis epilépticas generalizadas tonico-clonicas o mioclónicas utilizando sensores para la adquisición de señales fisiológicas; para así enviar diferentes niveles de alertas al paciente y a la persona responsable dependiendo de la magnitud de la crisis.

Además se hará uso de un aplicativo el cual alertará al paciente sobre las epilepsias en tiempo real, envia la información al correo del paciente.

También si el paciente está sufriendo una crisis , en el menú del aplicativo existe una opción de emergencia el cual alertará a la persona responsable , indicando que el paciente necesita ayuda inmediata ,incluye el link con su ubicación en google Maps.Si el paciente sufre de una crisis de aproximadamente 5 min, el aplicativo alertará al hospital más cercano.

Cámaras termográficas para el monitoreo de la actividad termogénica del cuerpo

Uso de cámaras termográficas para el monitoreo de la actividad termogénica del cuerpo producto de las contracciones musculares presentes en una crisis epiléptica. Requiere de un sistema de procesamiento y un programa que relacione el color de cada píxel a una temperatura respectiva. Siendo así, capás de diferenciar la actividad anormal muscular tras haber superado una tasa umbral de cambio de temperatura.

Bibliografia

  • [1] J. Jeppesen et al., "Seizure detection based on heart rate variability using a wearable electrocardiography device", Epilepsia, vol. 60, n.º 10, pp. 2105–2113, septiembre de 2019. Accedido el 24 de octubre de 2021. [En línea]. Disponible: https://doi.org/10.1111/epi.16343.
  • [2] "smart monitor – Well Connected well Protected". smart monitor – Well Connected well Protected. https://smart-monitor.com/ (accedido el 24 de octubre de 2021).
  • [3] A. Ulate-Campos, F. Coughlin, M. Gaínza-Lein, I. S. Fernández, P. L. Pearl y T. Loddenkemper, "Automated seizure detection systems and their effectiveness for each type of seizure", Seizure, vol. 40, pp. 88–101, agosto de 2016. Accedido el 24 de octubre de 2021. [En línea]. Disponible: https://doi.org/10.1016/j.seizure.2016.06.008
  • [4] G. Robin GrasAbbas, “CA2958492A1 - Method and apparatus for prediction of epileptic seizures - Google Patents,” Aug. 26, 2015.
  • [5] I. Osorio, “US20120083701A1 - Detecting, quantifying, and/or classifying seizures using multimodal data - Google Patents,” Apr. 29, 2011.
  • [6] K. Hoppe, “EP2144560B1 - A device and method for monitoring muscular activity - Google Patents,” Apr. 28, 2008.
  • [7] E. Paredes and D. Crespo, “Sistema de monitoreo de convulsiones tónico-clónicas para pacientes con Epilepsia.” Accessed: Oct. 14, 2021. [Online]. Available: http://repositorio.espe.edu.ec/bitstream/21000/7992/1/AC-ET-ESPE-047703.pdf.
  • [8] J. Jeppesen et al., "Seizure detection based on heart rate variability using a wearable electrocardiography device", Epilepsia, vol. 60, n.º 10, pp. 2105–2113, septiembre de 2019. Accedido el 24 de octubre de 2021. [En línea]. Disponible: https://doi.org/10.1111/epi.16343
  • [9] “WO2011149565A1 - Apparatus, system, and method for seizure symptom detection - Google Patents,” Google.com, Jan. 27, 2011. https://patents.google.com/patent/WO2011149565A1/en (accessed Oct. 09, 2021).
  • [10]“EP2429643B1 - Patient state detection based on support vector machine based algorithm - Google Patents,” Google.com, Jan. 26, 2010. https://patents.google.com/patent/EP2429643B1/en?q=seizure+detector+wireless+divece&oq=seizure+detector+wireless+divece (accessed Oct. 09, 2021)
  • [11] “DISEÑO E IMPLEMENTACION DE UN SISTEMA PARA LA DETECCIÓN Y ALERTA DE CRISIS EPILEPTICAS A PARTIR DE MEDICIONES DE SEÑALES FISIOLÓGICAS Y DE MOVIMIENTO,” Proyecto de pregrado, LA UNIVERSIDAD DE LOS ANDES, 2016.
  • [12] “DE102015210332A1 - Erkennen eines fieberkrampfs mit einer wärmebildkamera - Google Patents,” Google.com, Jun. 03, 2015. https://patents.google.com/patent/DE102015210332A1/de (accessed Oct. 09, 2021).